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
在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,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是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18