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
在实验检测、质量控制、科研验证等场景中,“方法验证”是确保检测/分析结果可靠、可复用的核心环节——无论是新开发的检测方法 ...
2026-03-04在数据分析、科研实验、办公统计等场景中,我们常常需要对比两组数据的整体差异——比如两种营销策略的销售额差异、两种实验方案 ...
2026-03-04在数字化转型进入深水区的今天,企业对数据的依赖程度日益加深,而数据治理体系则是企业实现数据规范化、高质量化、价值化的核心 ...
2026-03-04在深度学习,尤其是卷积神经网络(CNN)的实操中,转置卷积(Transposed Convolution)是一个高频应用的操作——它核心用于实现 ...
2026-03-03在日常办公、数据分析、金融理财、科研统计等场景中,我们经常需要计算“平均值”来概括一组数据的整体水平——比如计算月度平均 ...
2026-03-03在数字化转型的浪潮中,数据已成为企业最核心的战略资产,而数据治理则是激活这份资产价值的前提——没有规范、高质量的数据治理 ...
2026-03-03在Excel办公中,数据透视表是汇总、分析繁杂数据的核心工具,我们常常通过它快速得到销售额汇总、人员统计、业绩分析等关键结果 ...
2026-03-02在日常办公和数据分析中,我们常常需要探究两个或多个数据之间的关联关系——比如销售额与广告投入是否正相关、员工出勤率与绩效 ...
2026-03-02在数字化运营中,时间序列数据是CDA(Certified Data Analyst)数据分析师最常接触的数据类型之一——每日的营收、每小时的用户 ...
2026-03-02在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28在数字化时代,“以用户为中心”已成为企业运营的核心逻辑,而用户画像则是企业读懂用户、精准服务用户的关键载体。CDA(Certifi ...
2026-02-28在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27在数字化时代,企业积累的海量数据如同散落的珍珠,若缺乏有效的梳理与分类,终将难以发挥实际价值。CDA(Certified Data Analys ...
2026-02-27在问卷调研中,我们常遇到这样的场景:针对同一批调查对象,在不同时间点(如干预前、干预后、随访期)发放相同或相似的问卷,收 ...
2026-02-26在销售管理的实操场景中,“销售机会”是核心抓手—— 从潜在客户接触到最终成交,每一个环节都藏着业绩增长的关键,也暗藏着客 ...
2026-02-26在CDA数据分析师的日常工作中,数据提取、整理、加工是所有分析工作的起点,而“创建表”与“创建视图”,则是数据库操作中最基 ...
2026-02-26在机器学习分析、数据决策的全流程中,“数据质量决定分析价值”早已成为行业共识—— 正如我们此前在运用机器学习进行分析时强 ...
2026-02-25在数字化时代,数据已成为企业决策、行业升级的核心资产,但海量杂乱的原始数据本身不具备价值—— 只有通过科学的分析方法,挖 ...
2026-02-25