京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据带来人才管理升级
大数据作为一种方法论,对于传统的社会科学研究可能带来重大突破。举个例子,你知道美国哪个月份死于汽车事故的人最多吗?大数据说天气炎热的月份多,而且越是炎热死者越多。再比如,就天气较热的月份而论,一天之内的什么时间段事故最多?大数据告诉人们晚上6到9点。再比如,汽车事故与刮风下雨的相关性大吗?大数据说,不大。掌握了这样的信息,显然有助于有关部门做好社会交通管理工作,特别是找到管理的重点和规律。
由此可见,大数据肯定也能够帮助人们提升对整个社会的管理水平。对于人才管理领域来说,更是一个可以大幅度提升管理水平的良好契机。
提升教育质量
人才管理包含不同的内容,首先是人才育成。美国已经利用大数据方法建立了富有个性的“高等教育教学支持系统”。其中有种“学习分析技术”,能够通过对与学生相关的海量数据进行分析,辨别出每个学生的学习行为和学习模式。教师可以记录自己学生的学习过程,进行实时的学习情况监控。这就便于在学习的初始阶段发现哪些学生面临学习困难,或者有辍学的危险,从而因势利导,采取比较准确的帮扶措施。
众所周知,一般情况下,对于来自教师的“你听懂了吗?”的提问,人们极容易跟着大家一起回答“懂了”,其实是碍于面子,不愿意回答“不懂”而敷衍过去。但是,借助于大数据方法,教师就能够知道,哪一位学习者的习题没有做对,并没有弄懂,需要进行有针对性的辅导。
此外,基于云计算的互联网教育,已经成为一个开放性的自主学习系统,学习者可以不受时间、地点以及经济条件的限制,自主选学课程,获得自我提升。这就为学习潜力较强的学习者提供了更为广阔的学习空间,能够形成与众不同的知识结构、才能结构。
对于教育管理部门来说,如果发现哪个教授教的很多学生做作业总是出错,而且错的都在一个地方,那就说明他的教学在某个环节上存在严重缺陷,需要改进。斯坦福大学的教授已经利用这种大数据的方法,提升教育质量。可以预见,未来世界的人才育成模式,在大数据平台的支持下,将发生重大变化。
告别“猎腰”“猎脚”的无奈
在没有大数据的条件下,发现与选拔都很难做到“全信息”搜索。也就是,很可能在被选人员不够充分的情况下进行人才选拔。大数据能够帮助人们解决这个问题。从理论上讲,凡是符合条件的都可以进入选拔主体的视野。这就解决了少数人从少数人中选人的弊端。国外的猎头公司之所以能够帮助国家、企业寻找到合适的人选,就是因为它们掌握了大数据,而我们没有。因此人家在“猎头”,我们在“猎腰”“猎脚”。这样,在国际人才产业的链条分工上,我们就不得不屈居“低附加值”的下游。
此外,人才配置的关键是“人岗匹配”。就是要把最符合岗位素质要求的人,配置到他最适宜的岗位上。发达国家的人才管理研究者为了做到人尽其才、才尽其用,已经开发出各种各样的精细化的能力模型。这种模型从多种维度来描述到底什么样的人,进入这个岗位才是合适的。有的还绘出了“人才素质模型雷达图”。如果是职工人数众多的企业,一个一个地进行人工对比,无疑是一件费时费力的事情,可是,依靠大数据就能够很快实现“人岗匹配”。这种方法,对于各级各类领导班子人才配置的意义更大。因为领导班子成员配置科学与否,对于企业健康发展的作用更大。
当前,遍布全国的人才市场为实现人才科学配置起到了重要作用。但是,各地人才市场都不同程度地存在着信息不全、信息不及时和信息不对称的弊端。这些问题,也可以利用大数据方法来加以改进。例如,国内有家利用大数据的人才交流机构发现,市场上来来往往的求职人流中,有万分之一的属于在逃犯。如何防止他们危害社会是一个必须引起重视并采取相关措施的问题。
挑战传统人才研究方法
大数据的出现,必将冲击传统的社会科学研究方法。现在我们常用的“抽样调查”法,被认为是社会文明得以建立的牢固基石,应用较广。其实,它只是在技术受到限制的特定时期,解决特定问题的一种无奈方法。现在,凭借大数据我们已经可以收集过去无法收集到的信息,这么一来“样本就等于全部”。而且这样做,肯定比使用抽样调查方法得出的结论要准确得多。
迎接大数据时代,需要形成“大数据思维”。大数据不仅是一种应用性很强的实用工具,而且是一种重要的思维方法。与西方人相比,中国人在思维方面的一个重要特点就是缺少精准性。考虑问题大而化之、重定性轻定量的例子不在少数。故,胡适先生专门写有《差不多先生传》,以警戒国人。可是,就算到了今天,我们也很容易发现对当地、本系统的人才数量、质量、结构都不甚了解的人才工作者。胸中无全局,焉来好决策?所以,从这个角度看,重视大数据,也是一次思维方式的变革。每一个人才工作领导者都应该从对大数据的认识中,掌握工作重点,探索工作规律,提升人才工作的自觉性与主动性。
正如任何事情“有其利就有其弊”一样,大数据也有它的弊端。操作不当有可能侵犯公民的隐私权。国外有人在自己的网页上亮出极富个性的搞怪照片,结果在找工作时屡次被拒绝聘用,理由是这种打扮的人士是不适宜从事本公司工作的。这种做法到底对不对?可能一时难以得出结论。但是,防止大数据可能带来的负作用,确实是应该注意的。
大数据的发展趋势不可阻挡。既然如此,就应未雨绸缪提前研究,寻求对策。可以预见的是,在人才管理领域,十分需要培养一批懂得大数据,收集大数据,并且善于研究大数据,深挖大数据的专家。这种专家不仅具有较高的社会价值,而且能够承担起大幅度提升人才管理科学化水平的重任。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
一、为什么要区分这两种分布 在数据分析和统计学中,拿到一组数据后第一件事通常就是看它的分布形态。分布形态决定了你能用什么 ...
2026-10-15一、问题现象 在实际使用 Excel 透视表做数据分析时,经常会遇到这样的情况:数据源表格里明明新增了一行或一列金额数据,数据源 ...
2026-10-15核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-10-15一、什么是预测式发货 预测式发货(Anticipatory Shipping)是亚马逊于2013年12月获得授权的一项美国专利(专利号 US 8,615,473 ...
2026-10-14一、SQL在金融量化体系中的定位 量化投资的本质是用数据驱动决策,而数据处理贯穿量化研究的全生命周期。从原始行情数据清洗、因 ...
2026-10-14核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-10-14CDA数据分析师 出品 作者:李诗怡 四层结构 · 零件与房子 · 六大易错点 一、什么是指标体系 定义:指标体系是整套完整框架 ...
2026-10-13写在开头 先还原一个你大概率见过的场面。 立项会上有人说:我们得做用户画像。 于是团队关进会议室,白板写满便利贴,两小时后 ...
2026-10-13 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-10-13在统计学与数据分析研究中,相关性分析分为数值变量分析与分类变量分析两大类。针对身高、销量、分数等连续数值变量,通常采用皮 ...
2026-10-12在Power BI可视化分析体系中,常规表格仅能展示枯燥的数值数据,存在数据对比不直观、强弱规律不突出、维度交叉分析低效等问题。 ...
2026-10-12 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-10-12在传统零售行业同质化竞争激烈、大众营销转化率持续走低的背景下,依托经验与直觉的粗放式营销逐渐失效。美国塔吉特百货(Target ...
2026-10-10随着智能客服、数字化服务、用户精细化运营的快速普及,传统零散、非标准化的客户服务数据与业务体系逐渐难以支撑高效服务治理。 ...
2026-10-10 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-10-10CDA数据分析师 出品 作者:李诗怡 定义区别 · 场景举例 · 指标分类 · 计算方法 知识体系总览 模块 包含内容 一、核 ...
2026-10-09在数据分析工作流中,业务数据大多存储在各类关系型数据库内,例如MySQL、PostgreSQL、SQLite等。Pandas是Python生态中主流的数 ...
2026-10-09在数字化精细化运营时代,海量用户存在需求差异、行为差异、价值差异与偏好差异。如果企业采用“一刀切”的统一营销、统一服务、 ...
2026-10-09 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-10-09指标体系是企业数字化分析、业务监控、经营决策的核心基础框架,是将零散数据转化为可衡量、可对比、可落地业务价值的关键体系。 ...
2026-10-08