京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据给媒体人力资源带来的新思考_数据分析师
大数据为媒介人力资源结构优化和管理科学化带来新生机。在了解大数据对人力资源的助力之前,我们先来了解一下大数据。大数据已经不是一个新鲜名词,随着技术的不断成熟,大数据已经不是飘在云端的IT技术神话,而是为各行各业提供切实可靠的决策信息。2013年被媒体称作大数据元年,但其实从2012年开始,大数据就开始见诸报端。 而第一次提出大数据时代已经到来的是全球知名咨询公司麦肯锡。2011年5月,麦肯锡在其研究报告《大数据:下一个创新、竞争和生产率的前沿》中指出,数据已经渗透到每一个行业和业务职能领域,逐渐成为重要的生产因素;而人们对于海量数据的运用将预示着新一波生产率增长和消费者盈余浪潮的到来。大数据是基于4V来进行讨论的,即 Volume(大量)、Velocity(高速)、Variety(多样)、veracity(真实性)。它改变了人类的思维方式,数据的获得和分析不再事事追求因果关系,而将焦点转移到关联关系。大数据的种种特性恰好可以契合现阶段的媒介人力资源出现的新挑战。[1]
一、大数据时代改变媒介人才需求
1、全媒体时代的到来,使媒介从业人员的定义和范围不断拓展
从传统媒体到新媒体,从跨媒体到全媒体,这几个常常挂在我们嘴边的字眼,它们的差别当然不仅仅只是一个字的区别,更见证了中国媒介环境的翻天覆地的变化。人民自主意识的觉醒、经济的不断发展、教育的不断进步、技术的不断革新等等因素,都带来了基于多平台、多主体、多形态的全媒体时代的到来,是的媒介从业人员的定义和范围都发生了变化。根据以往的理解,媒介人力资源是在媒介中从事各类活动的人员的总称,但是随着媒体定义的扩展,新媒体形式的多样性,使得个体也可以作为一个主体,除了之前的范围以外,在传统媒体和新媒体上的各个媒介上进行内容生产及其相关活动的人都应涵括在内。但是这也使得媒介对于媒介从业人员提出了更高的要求。
2、信息量庞大和市场日益细分, 媒介对专业性和复合型的人才提出更高要求
2013 年中国产生的数据总量超过0.8ZB(相当于8亿TB),是2012 年的两倍,相当于2009 年全球的数据总量。预计到2020 年,中国产生的数据总量将是2013年的10倍,超过8.5ZB。[2]信息量的不断扩容,庞大的数据量加上日益细分的媒介市场,需要的是更为贴合受众的精准定位和优质服务。能否创造出一批差异化的精品内容、创意产品在同质化比较严重的媒介市场就显得尤为重要。这就需要媒介的相关从业人员需要有更好的专业技能,一定的营销思维,更广的全媒体视角,也就是说,媒介对于专业性和复合型人才的需求更为迫切了。
3、信息社会的发展带来人才的老化
新媒体处于日新月异的迅速变化中,麦克卢汉的“地球村”早已实现:世界瞬息万变,信息一丝不落。近年来,移动互联网 技术的发展给受众带来了更优更新奇的用户体验的同时,也需要相关媒介从业人员在技术、营销、内容生产等方方面面都能迅速更新自己的专业架构,在时代的洪流中迅速抓住机遇。但现实状况是,人才的老化已经成为一个问题。
4、新媒体的迅速发展和传统媒体的式微造成的人才的不稳定性
新旧媒体在发展过程中,由于新媒体的新兴事物的在各方面的优势,使新媒体比传统媒体发展要更为迅速。另一方面,新媒体从无到有,从有到逐渐壮大,在很多方面需要从零做起,大刀阔斧的创新,由此带来的工作压力也很大。因此人才的流动性较大。我们从现今传统媒体与新媒体对人才的争夺之战中可见一斑。
二、 大数据引领媒介人力资源“人工智能”时代
1、从媒介人力资源的培育全流程来看,大数据使媒介人力资源人才成长体系更为智能
优化和智能化人才培育源头。媒介人力资源的管理和培育,可以追溯到媒介人才招聘之前,甚至回到专业人才教育之初。首先,在毕业生就业之前,媒介可以对现今的人才状况和媒介动态进行分析,并对媒介岗位、能力需求、新趋势等信息进行预测,给就业者科学的依据,是他们发展专长,避开拥堵点,这一点在其他行业中同样适用。今年的毕业季即将到来,百度大数据首次对招聘信息进行大数据分析,预测了一些就业市场的新趋势,也为应届毕业生提供了一些可行性的建议,相信这一点在今后会发展的更充分。其次,利用大数据的分析的资料,在大学入学时就可以对现在的媒介人才结构、媒介岗位、媒介需求等方面进行全面分析,并对未来媒介各个职业的需求量和媒介发展趋势进行预测。为学生的报考和志愿填报提供建议。这样就能从源头上进行合理的人力资源。当然,现在遇到的困难时,由于技术的原因,还难以预测到这么长时间的媒介人才的相关趋势。但是,随着技术的进步,不久后这一困难终将被克服。
2、大数据使得媒介人力资源变成可评可测的量化数据
媒介人力资源的管理原本是一个制度化的,基本由人工进行的实时修正和优化的系统。但是,随着大数据的引进,媒介人力资源的人才资料,系统资料等等信息都变成了量化的、可计算的、可实时监控的信息。一方面,量化的数据将囊括全部数据而不是部分数据,因此数据更为全面。另一方面,所有资料将作为标准化数据被永久保存,并基于社会现实环境进行分析,因而将为媒介人力资源的管理提供针对性的建议。最重要的是,从人工管理到量化分析,这是根本上的变化,它将为科学化的媒介人力资源管理模式构建开路。
3、将重点放在媒介人才的个体成长方案上,真正实现“以人为本”的人力资源管理理念。使个体发展智能化、全面化、规范化
基于更全面的数据,更科学的数据分析,媒介可以将关注度从不断促进媒介整体发展的总目标细分到对媒介人才的个人成长中来。通过对媒介人才业务能力、社会适应能力、心理健康状况、升迁再教育需求等方面进行综合评估,能使得个人职业发展获得更大的成长空间。这也使得能位对应,人岗适宜,可以优化媒介人才结构。
三、大数据的应用对于媒介人力资源体系的完善和媒介人力资源的优化
1、为媒介人力资源的领导决策提供权威依据
人力资源管理包括人力资源规划、招募、甄选、培训与开发、报酬、绩效管理、员工关系七个要素,这七点的协调发展决定着媒介的发展方向。协调好这七要素并不简单,毋庸置疑,媒介领导者的决策对于媒介人力资源结构的构建和人员的优化起到了不可忽视的作用。首先,在人员招聘时,根据大数据,媒介发展可以实现按需招聘,使人员发挥效应,能为对应。在人员培训与开发时,有利于领导者根据媒介发展趋势结合人才特点有针对的进行人才培养。
更为重要的是,人力资源管理将实现科学化、数据库化,以涵盖全体媒介人才业务能力信息和基本信息的庞大的人才数据库为母本,衍生出针对不同的需求而统计出的各类数据报表,将摆上领导人的案头。在这一方面,新华社已经做出尝试。一方面是初步建成了以《全国组织人事管理信息系统信息结构与体系标准》为基础,涵盖在职、退休、调转、返聘、海外雇员、外籍专家等多类人员的人力资源数据库。[3]
2、人力资源培育全程形成智能生态,可追溯,可预测,可优化
优质的人力资源结构应当是能上能下、能进能出、能学习、能发展。通过大数据,人力资源的培育全程将更为智能,也更为关注个性化。针对不同的人才,所得到的媒介人才的精神和物质需求,培训需求,人才潜能的预测和人才的规划都不尽相同,因此,媒介人才的培育也将实现“私人订制”。
3、建立起更有效的媒介人才激励体制
大数据给了我们大视野,也为我们进行人才激励提供了新思路。人力资源管理将人看做资源,强调以“人”为本,而大数据能让媒介人才激励机制因人而设,以需求为导向。正如马斯洛需求理论中的五项需求层级一样,媒介人才在职场中所表现出的需求也是多元的。有基本的安全和物质需求,也有自我实现的愿望。所以合理的人才激励机制应当满足三个条件:一,能薪相配,在组织活动中个人的努力和能力的大小与个人绩效成正比;二,实行弹性化奖惩机制,在薪资分配方式上实现多样化,如奖金、福利、股份等等;三,组织目标和个人目标相契合,完善人员培训和晋升渠道,实现个人和媒介的双赢。
媒介人力资源的管理和体系的建设,是一个需要长期的、持续的、动态发展的管理过程。而人力资源的管理对于媒体在市场中的表现又显得至关重要。在新时代背景下媒介人力资源呈现出新的特性,而传统的媒介人力资源管理在人员测评和管理上并不能做到面面俱到,但是大数据的成熟和发展恰好能为这一问题提供新思维、带来新的解决方案。但是,大数据的应用在实践过程中,同样有其局限性。其中最大的局限就是,大数据是以详尽的数据为前提的,全面的数据统计带来的个人隐私安全的困扰,个人的全面信息如果泄露将是大范围的,也是灾难性的。因而我们在期待大数据给我们带来智能的管理方式的同时,也要将人和机器相结合,提高安全防范意识,提升数据保护技术。事物的发展总是利弊相伴,最大限度的摈除弊端,才能真正的实现人力资源管理领域的大数据时代。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 MySQL 数据查询中,“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中,“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”,直观呈现数据的分布特征 ...
2025-10-31在 CDA(Certified Data Analyst)数据分析师的工作中,“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23