大数据为何走不进人力资源管理
当各行各业都在进行“大数据”升级时,HR能不能推动大数据走入人力资源管理呢?答案是:很难!
Managershare:大数据是现在的一个热门词,各行各业都想办法要融入大数据,人力资源管理也不例外。但要怎么玩却不是件简单的事。首先,应该把人数据化,清楚地知道“人是怎样的”。只有当HR用大数据把人力资源管理的大未来实现时,人力资源管理才将真正迎来下一站的“云时代”!
“博士,我们需要一个关于大数据(big data)人力资源管理的讲座!”这是2014年开年以来,我听到来自500强HR们的新需求,同时这也在所有需求中排名前Top3。是呀,大数据的魅力已经无需证明!渴望改变的HR们又怎么会放弃这样一个“杀手级”利器?
大数据的HRM大未来
大数据是什么?简单来说,大数据就是大量的数据,其具有4V的特点:Volume(大量)、Velocity(高速产生)、Variety(多样性)、veracity(真实性)。进一步看,就是在某些领域通过传感器和屏幕等入口自动高速产生了大量、多样的数据,这些数据辅以合理的算法和强大的云计算能力,能够告诉你这些领域的一切信息!
大数据不仅是数据量的庞大,其更是一种数据产生和处理的模式。由于是自动提取,保证数据源充分;由于是即时产生和处理,保证随时刷新;由于是全貌数据,保证永远不会出错。所以,这种模式在大多数领域都能够精准地指示资源分配。
人力资源管理是关于分配人和相关资源(培养、激励资源)的工作,如果借助大数据,将人和其他资源数据化,再用算法进行匹配,显然有无限的想象空间。其实,通过大数据实现资源的“可扩展获得”,提升资源的利用效率,也正是我在2011年提出的“人力资源云转型”。
具体怎么玩呢?
首先,应该把人数据化,清楚地知道“人是怎样的”,这包括,他的能力如何?行为特征如何?绩效表现如何?
基于这一基础,人力资源管理各大职能就能够显著提高效率。
在调配领域,如果将岗位数据化,明确每个岗位需要什么样的人,岂不是可以从容地招聘、调用企业内的闲置人员跨界协作?每个岗位都有最适合的人员,成本最低,效用最大。
进一步看,组织机构、业务流程、岗位系统不再成为员工释放能力的边界,员工还能跨岗位担纲其他角色,以网络化的方式无边界协作,进一步将人用到极致,将人工成本投产比放到最大。
在培养领域,如果将培训资源(培训内容、形式等)数据化,岂不是可以从容地组织、推送员工最需要的培训支持?每个人获得的培训都是高度定制化的、自己最需要的,且学来能用,用来能好,从学习到实践产出的过程几乎没有损耗。
在激励领域,如果将激励资源数据化,岂不是可以从容地推送各类激励套餐?每个人获得的激励都是高度定制化的、自己最需要的,同样的成本支出,每个人对于全面薪酬的感知可以放大到极限。
HR可能误会了大数据
事实上,专业一点的HR都玩数据,他们测试胜任力,评估岗位,考核绩效,利用数据进行决策。我也非常推崇这样的玩法,认为HR要用数据分析来为自己的岗位建立“技术刚性”。但不得不遗憾地说,这些玩法不是大数据。
从字面上理解,大数据的关键在于数据量庞大。涂子沛在《大数据》一书中有个定义,即指一般软件工具难以捕捉、管理和分析的大容量数据,数据量大到以“太字节(TB)”为单位。太字节是多大?1TB=1024GB。
一个万人的企业,即使你把胜任力、绩效、岗位、SOP等传统数据完全纳入,顶多只能用“吉字节(GB)”为单位,离“太字节”的体量还是相差甚远。
HR们以为数据量已经足够庞大,难以处理。实际上,这种数据量通过本地软件的计算能力(甚至直接用excel表)就可以解决,根本不需要运用到互联网上的云计算,这些显然不是大数据。
为何会达不到大数据的体量?关键还在于HR对于数据的理解,HR采集数据的传统思路是“先有思考框架,再收集相应数据”,数据大多来自数据生成之后,才用报表要求基层有选择地逐级上报,这大大损耗了数据量。
例如,考核某个员工的绩效,HR会在其工作完成之后才要求直线经理根据考核指标进行数据收集,而后计算汇总,最后上报人力资源部。
这种思路使得传统数据具有典型的“非大数据特征”,这大大制约了数据的威力。
其一,这些传统数据是“冷备份”而非“热备份”。
冷备份即生成之后再调用,成本极高,收集数据的过程已经让HR苦不堪言,他们需要不断催告业务部门,还要一遍一遍地付出教育成本,确保统计口径统一。
热备份则是数据随着工作流无意识产生,只要员工开展工作,自然有数据往“云平台”上跑,而且这些数据也能被平台的计算功能即时处理。
其二,这些数据是“报表数据”而非“源数据”。
报表数据是经过处理后的数据,例如某餐饮企业里,员工某天接待顾客的数量。而源数据则是指未经过处理的数据,是对于工作流全面的呈现。
同样用餐饮企业的例子,员工在某个具体时点接待了一个多大年龄的顾客(很大程度上意味着服务难度),客单价多少,接待时长多少,提供服务次数……员工A某天服务顾客数可能是员工B的两倍,如果我们仅仅关注这个报表数据,就可能得出A绩效优于B的结论。
但如果关注源数据就有可能发现,B服务每个顾客的接待时长是A的三倍,为每个顾客提供的服务次数是A的两倍……这些都是有价值的信息!NBA球队休斯顿火箭队的总经理莫雷正是基于这些源数据的分析,从低顺位(选秀时靠后的选秀机会)中选出了那些被报表数据淹没的高潜质球员。
其三,这些数据是“样本”而非“全貌”。
由于是在某个时点上针对某些领域提取数据,数据仅仅是样本,而非全貌。只要是样本,就有可能出现偏差。例如,有的咨询公司在为企业进行敬业度调查时,采用了采样方式,即使样本特别庞大,这也不是大数据。这种情况下,可能有抽样偏差,员工可能被问卷带着走,被访谈的气氛诱导,尽管我们可以通过各类技术去减少这些干扰。
但是,如果他们在论坛、微博、微信等社交工具上对所有员工的发言进行关键词的抓取和分析,甚至对于员工的行为进行各种分析(如早到时间、加班时间、协作次数、申请培训数量等),那才是大数据。这种情况下,几乎不可能出现偏差。
跨不过的坎
明白了大数据的思路,HR能不能推动企业走入大数据人力资源管理呢?
据我的观察,很难!这绝不是因为硬件的制约,事实上,在传感器和屏幕遍布的今天,不少企业在硬件上已经具备了吸纳数据的可能,有些企业也将数据吸纳到了生产信息系统上。我们要思考的是,这些数据为何进入不了人力资源管理信息系统?
这主要是因为三方面的原因:
第一是部门博弈问题。
业务部门将生产数据导入人力资源管理信息系统,对于人力资源管理的效率无疑是一个利好,但对于部门来说,意味着权力空间被挤占。
以前部门争取机构、编制、人员都可以保留一定的裕度,可以和HR们谈判,但导入大数据之后,他们几乎变成透明的,显然是弊大于利!我调研的一个企业,HR意图建立大数据云平台,这意味着几个生产信息系统要与人力资源管理信息系统整合,但业务部门的领导却以安全性为由拒绝了HR的要求。
第二是HR的恐惧。
要打篮球的人去踢足球,他们不会愿意。面对庞大的数据,HR们对于数据的处理能力决定了他们的地位。尽管前景广阔到可以让他们成为企业内的“上帝”,但这种角色的转换也让他们不安,与其如此,还不如将工作范围保留在自己的“安全区域”。
第三是领导思路问题。
当前,国内企业,甚至国外企业,重视数据的老板不多。即使在大数据如火如荼的今天,老板们办公桌都摆上了一本《大数据》,他们内心深处依然是传统玩法。即使在最前沿的互联网行业,也有凡客这样因为不玩数据而使供应链失控的企业。
这也难怪,他们过去的成功本来就不是靠数据,所以,他们的企业没有数据基因也正常,他们想象不出大数据的威力,就如同你无法向地上的猛兽描述天空的精彩。
这些企业中,一线的业务尚且不玩数据,更何况二线的人力资源管理?但是,部门博弈和HR的恐惧偏偏需要一个强势的老板来做顶层设计,如同亚马逊偏执狂一般的贝佐斯。
所以,大数据才会走不进人力资源管理。从这个意义上说,本文开头那些主动拥抱大数据的500强的HR们不愧是业界先锋,也许,只有当他们用大数据把人力资源管理的大未来实现时,人力资源管理才将真正迎来下一站的“云时代“。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14