京公网安备 11010802034615号
经营许可证编号:京B2-20210330
当人力资源管理遭遇“大数据”_数据分析师
如今“大数据”时代已经来临,由于大数据的数据源充分,并且具备抓取能力强、刷新及时等特点,在大多数领域都能精准地指导资源分配,因此无论工作还是日常生活,都离不开“大数据”的支持。在企业管理中,很多公司都开始运用大数据来整合和管理人才。
“大数据”早已应用 只是缺乏推广
“‘大数据’是在硬件平台的基础上,采集大量的数据,为企业的决策和支持,进行很多数据的分类和挖掘,”曹轶凝首先对“大数据”做了解释,“目前每天的数据增长量很快,根据这个数据分析,得出我们想要的结果。这是主流,比如网购、车票,甚至高速公路的统计,都用到大数据,它是与我们的生活分不开的。”
曹轶凝的说法得到了董锴的认同。“实际上在上世纪70年代,大数据就已经得到应用了,包括企业的智能化、信息化等方面,只是那时候因为数据存储困难、存储量大,缺乏大数据的支持,所以得不到推广。”董锴进一步解释说,数据是被记录下来的符号,本身没有什么作用,但如果把数据解释成人力资源工作中所需要的某些方面,那么就产生了不同的效果。“在很多猎头公司和大型招聘网站,都有类似的数据储备或数据库,但对于单独企业来说,只掌握自己公司员工的数据,对企业外的人才掌握的很少。”董锴补充说,“当人数特别巨大时,我们可以分析出一些东西,对人员结构、未来发展和人才支持,大数据都能产生积极作用。”
“在人力资源工作中,最大的问题就是哪些环节会借助到大数据。数据越多、越大,得出的结果越精准,因为它把各个方面都考虑到了,最后得出一个‘合理值’。作为HR,借助大数据到自己的企业中,把自己想要的内容与数据结合到一起,得出结论,帮助自己制订计划。”
在人力资源管理中用途广泛
在此之前,杨丽云与同事探讨过大数据在人力资源工作中的作用。“比如一些招聘网站、企业培训等,都需要有数据的支持,甚至在薪酬方面的调研、工作计划等,尤其是全国性调研,需要后台大数据的支持,才能从中得出自己想要的关键数据。”因此,杨丽云认为,大数据对每个企业的HR来说非常有用。
对杨丽云的话罗直深有感触。10年前,罗直在上海的一家集团公司做人力资源,当时罗直请了一家数据开发公司做系统。那家公司为罗直公司设计了一个大型框架系统,任何信息都可以按照自己企业的实际情况自动调整。“我们的集团比较大,全集团有几千人,到我离开的时候已经有100多个子公司了,这样庞大的数据如果用Excel表进行手工统计,根本是不可能的事。”罗直说,当时他就跟开发公司商量做这套系统,将全集团每个人的晋升、调动、职业通道,甚至家庭背景,都整理出一套方案,然后将它们与企业内部需求、组织结构结合起来。“这个系统对我的工作帮助非常大。”
“如果HR能够对每个员工70%-80%的信息都了如指掌,那对企业管理来说是件好事。”刘桂平也说出了自己的观点,如果把一个员工的状况和每天的行程都记录下来,一年之后,这个人就完全“透明”了,管理者可以对该员工的未来发展、能力、前景、积极性等进行分析,那么这个员工的发展就是可以预测的。
对此,马淅濛也表示,管理者想要了解哪个员工,只要把他的资料调出来,那么他的兴趣爱好、曾经做过什么、跑过哪些城市、谈了什么业务,这些信息就会完完全全展现在眼前。
有方便之处 也有“可怕”之处
“数据的可怕之处在于,你自己都不记得、不知道做过什么,可它比你记得还清楚。”李朝阳发表了自己的看法,“因为它不只是一个数据库,而是多个数据库串联组成的具体资料。”
“大数据固然方便,但信息安全问题也不容忽视。”董锴接着抛出自己的看法,如果人力资源的数据完全公开化,全部汇总到一个数据库,实际上是实现了整个社会人力资源的最优配置,是理想化状态,但其安全性、隐私性则不容易把握。
这种观点得到了大家的认同。侯荩说,她所在的猎头公司拥有庞大的数据库,能拿到很多“先机”,掌握着大量的优秀候选人信息和大量的企业信息。“安全性是我们非常重视的。”侯荩说,如果这些信息被别人拿走,这对于企业来说是致命的。“如果他们拿走做不好的用途,那么信息源在我们这里,后果是不可估量的。对候选人和客户也会造成损失。”因此,侯荩的公司所采取的方法是禁掉所有外网。“没有特殊情况是不允许登录外网的。”
“我有个客户,他的公司数据量就很庞大,只要给出一个模糊的信息,半小时之内就能把这个人找到。”罗直说,“所以这个公司有摄像头,老板监控员工的一举一动,技术方面还有一个定期监控系统,每隔30分钟或一小时,系统就会自动给电脑拍照,图像自动储存。”罗直解释,这种监控设置又会形成一个庞大的信息库,一旦出现问题,可以从这个信息库中找到责任人。
归根结底只是一种辅助工具 最终决策该由人决定
“大数据是趋势,目前它已经运用到很多领域了,但延伸到人力资源管理中,还不是很得心应手。”马淅濛说,“在人力资源管理中,要看我的这些数据对于我所需求的、所设定的项目,哪些与之匹配,抓取数据进行分析,使其产生帮助。但以目前来讲,大数据给出的分析大多是宏观的,还不能给出比较具象化的结果。”
“比如企业内部对每个员工的关注。”罗直举例说,“如果大数据可以分析整个企业对于人的使用、岗位的设置、组织结构、用人政策等,这一系列信息就会形成海量的数据库,一旦有人提出需求,数据库就会自动开始匹配。我觉得这可以是将来的一个趋势。虽然做得不算太好,但我知道已经有企业开始尝试这样的方式了。”
“大数据的应用应该根据HR的经验和方法,以及公司在特定阶段的需求来决定。”曹轶凝接着说,IT行业给出的只是一些已经成型的算法,把这些数据推荐给企业,但行业内部的需求,需要行业内部的人来判断和提供。这些数据只具有借鉴意义,最核心的决策权还是应该掌握在HR手里,大数据只是一种辅助决策的工具,即便再有说服力,最终的判断标准还是要依据HR的经验和需求。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27数据分析的基础范式,是支撑数据工作从“零散操作”走向“标准化落地”的核心方法论框架,它定义了数据分析的核心逻辑、流程与目 ...
2026-01-27在数据分析、后端开发、业务运维等工作中,SQL语句是操作数据库的核心工具。面对复杂的表结构、多表关联逻辑及灵活的查询需求, ...
2026-01-26支持向量机(SVM)作为机器学习中经典的分类算法,凭借其在小样本、高维数据场景下的优异泛化能力,被广泛应用于图像识别、文本 ...
2026-01-26在数字化浪潮下,数据分析已成为企业决策的核心支撑,而CDA数据分析师作为标准化、专业化的数据人才代表,正逐步成为连接数据资 ...
2026-01-26数据分析的核心价值在于用数据驱动决策,而指标作为数据的“载体”,其选取的合理性直接决定分析结果的有效性。选对指标能精准定 ...
2026-01-23在MySQL查询编写中,我们习惯按“SELECT → FROM → WHERE → ORDER BY”的语法顺序组织语句,直觉上认为代码顺序即执行顺序。但 ...
2026-01-23数字化转型已从企业“可选项”升级为“必答题”,其核心本质是通过数据驱动业务重构、流程优化与模式创新,实现从传统运营向智能 ...
2026-01-23CDA持证人已遍布在世界范围各行各业,包括世界500强企业、顶尖科技独角兽、大型金融机构、国企事业单位、国家行政机关等等,“CDA数据分析师”人才队伍遵守着CDA职业道德准则,发挥着专业技能,已成为支撑科技发展的核心力量。 ...
2026-01-22在数字化时代,企业积累的海量数据如同散落的珍珠,而数据模型就是串联这些珍珠的线——它并非简单的数据集合,而是对现实业务场 ...
2026-01-22