京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代,如何评价人才_数据分析师培训
预测性评价
问:目前,人才评价工作中存在的突出问题是什么?
答:人才评价工作非常重要,是人才发现、引进、培养、选拔、使用、激励的依据。传统上,对人才的评价是经验性评价,是对已有成果、已有资历作出的判断。
问题是,当今世界充满了不确定性、风险性和不可预测性。过多关注过去的人才评价模式有很多局限性,尤其不适合创新型人才引进评价,而且特别不适合海外年轻拔尖人才引进评价。因为,创新型人才是发展中的人才,需要的是面向未来的评价,是“加油站”式的评价,评价要能为他们的未来发展加油鼓劲。
问:大数据将给我们的人才评价工作带来怎样的改变?
答:人才评价的一个极为重要的作用是发现和甄别人才,基于此的人才评价要为人才使用和发展服务,要特别重视未来,而不是过去。而大数据最重要的功能,是能把未来一些不确定性的东西准确地预测出来。2008年,谷歌的一支研发团队利用在网上收集到的海量个人搜索词汇数据,赶在政府流行病学家之前两星期预测了甲型H1N1流感的暴发。这样的事情在以前是不可想象的,掌握了大数据后,谷歌就做到了。
大数据浪潮,让人类在历史上第一次有机会用数据围绕一个东西形成完整的描述。凭借日益增强的数据分析能力,人类得以有效实现对未来的预测。大数据可以帮助人们提升人才评价的整体水平,解决人才评价面向未来的问题。
问:历史优秀的人才,不是更有可能取得更大成就吗?
答:这可不一定。很多人评上教授后,可能一生都一事无成,人不是一定会越变越聪明的。社会进步需要更加有潜能、更加能创新的人,而这些人绝对不是单凭学历、职称就能看出来的。
精确度提高
问:人们常说要慧眼识英才,大数据能替代伯乐的直觉吗?
答:正是因为掌握数据的不充分,才逼得我们不得不依靠直觉。历史发展到今天,人才更为丰富多样,伯乐的直觉已不能满足现实需要。丁肇中先生就说过,同行评不出来创新人才,因为他们都是用已有的知识来评价人才,而创新人才是要面向未来的,不是一个模子刻出来的。只有大数据才能解决这个问题。
考察一个人,要有足够的数据情报,这就是美国中情局的强项——对关键人物数据掌握得非常细致。他们会不择手段,挖掘全部数据。你从哪个医院出生,父母怎么样,几岁还在尿床,小学犯过什么错误,中学有什么劣迹,大学时谈了几次恋爱,做过什么股票,亲戚有没有贩毒……都在掌握之中。他们能从一个人高中时经常上树判断出他“个性叛逆”。这些正是我们在人才评价中欠缺的。
问:是不是可以这样理解,大数据带来的不仅是信息技术领域的革命,它正在改变着我们理解世界的方式?
答:是的。迎接大数据时代,需要形成“大数据思维”。大数据不仅是一种实用工具,而且是一种思维方法。美国的卫生防疫部门积累了多少年,人才、专业上都有绝对的优势,为什么干不过谷歌?因为谷歌不和你拼专业,它拼的是信息采集量和掌握量。
大数据时代,分析事物之间的联系,不再限于线性联系,而是特别重视事物的相关性。现在美国卫生防疫部门也在做出改变,效果明显。比如,他们会监控全纽约200多万人上班刷卡的数据,刷卡情况会直接汇总到应急中心,如果有一天10%的人没刷卡,他们就开始启动疫情分析工作。
问:我们从中能借鉴什么呢?
答:对人才信息的采集、利用要给予更多关注。我们现在的问题是,搜集一个“坏人”(罪犯或贪官)信息所下的功夫,远比搜集一个“好人”信息要多得多。如果我们肯像搜集“坏人”信息一样去搜集“人才”信息,人才评价问题就解决了。
全球化视野
问:大数据运用到人才评价,应从何处入手?
答:如何最快捷地让社会接受新的理念?要从技术上入手解决。比如,“花未来的钱”的观念,中国通过推广信用卡做到了。信用卡,不光是方便,更大功能在于刺激消费。我们这个世代崇尚存钱的国家,接受消费文化这么快,就是因为先从技术上入手了。
大数据时代的人才可以出现在世界任何一个角落,他可以为世界上任何一个公司效力,人才国际化将全方位开启,人才战争将比以往更为激烈。谁能尽早把大数据体系建立起来,谁就能在新一轮人才战争中占据主动地位。全国性大数据平台的建立,还将直接减少研发成本,少走弯路,缩短研发周期,促进科研人员迅速取得一些创新成果。
此外,针对违法犯罪分子,我们普遍采用了测谎仪,如果科研人员愿意用同样的技术下功夫,制造出一个潜能仪,恐怕什么样的人才都能评得准。
问:这么说,对数据量的占有将非常关键?
答:对。国际猎头能准确找到人才,就是因为占有了海量数据。我们没有大数据,就只能在不充分的情况下进行人才评价。大数据能够帮助人们解决这个问题,从理论上讲,凡是符合条件的人都可以进入评价视野,这就解决了“少数人从少数人中选人”的弊端和评价标准粗放简单的问题。
问:大数据思维和手段,对创新人才的发现与评价会有帮助吗?
答:大数据的相关性视角,将为发现和评价创新人才打开一个新的天地。创新成果的产生,大多数还是和兴趣有关系,不是跟他的任务有关系,和项目的关联性不如与兴趣的关联性。人类历史上,最具原创性的科学发现,都源于一些偶然性的因素,钨丝的发现、青霉素的发现、火药的发现……很多都是来自原定计划的失败,甚至是事故。
20世纪70年代,澳大利亚两个学者,认为在高酸度胃液下生活的幽门螺旋杆菌是导致胃病的原因。论文发表时,遭到同行嘲笑,大家认为高酸环境下细菌是生存不了的。后来,基于他们的研究,药厂开发出相关药物,他们才获得认可并获得诺贝尔生理学或医学奖。我相信,在大数据时代,这样的创新人才将迎来前所未有的光明未来。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-07-07【核心关键词】转化率、企业、策略、岗位、互联网、拆分、产品、运营、分析师、指标体系、数据分析、用户画像、数据诊断、产品 ...
2026-07-06在数据分析工作中,文本数据处理是高频刚需场景,用户评论、客服工单、日志信息、调研问卷、商品文案等数据都包含大量文本内容。 ...
2026-07-06 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-07-06在 CDA 数据分析师能力体系中,透视分析是数据探索、多维度汇总、业务复盘的核心基础技能。无论是 Excel 数据透视表,还是 Power ...
2026-07-03在市场竞争日趋激烈、获客成本持续攀升的当下,企业粗放式的“广撒网”获客模式早已无法适配经营需求。企业经营的核心逻辑,已经 ...
2026-07-03 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-07-03【核心关键词】运营、企业、核心、客户、新技术、数字化运营、数据分析、传统企业、人工录入、生产系统、技术人员、数据安全、 ...
2026-07-02在产品开发、项目立项、业务拓展、运营优化的工作中,市场调查、竞品分析、需求调研是三大核心基础工作。很多从业者容易将三者混 ...
2026-07-02