大数据时代下的人力资源管理

　　一、引言

　　2009年美国咨询公司麦卡锡提出了“大数据”这个概念，一个基于数据时代背景下的全新的“生产要素”。《大数据时代》的作者维克托?迈尔―舍恩伯格在2016中国云计算大会上谈到，直到最近150年的时间里，人类的生活质量和收入才发生了爆炸式的改变，但在这之前的漫长岁月里，人类的生活质量却改进得非常缓慢。主要是因为测量世界的能力和观察世界的方式改变了，基于观察和数据，人类增强了洞察。大数据来到我们身边的时间并不长，将近五年的时间左右，可是给我们带来了翻天覆地的变化。你可能会发现生活当中，在有这样或者那样的匪夷所思的现象背后都有一个东西那就是大数据。

　　二、“大数据”概述

　　（一）大数据

　　大数据（big data，mega data），也称为巨量资料，指的是需要新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。在维克托?迈尔-舍恩伯格及肯尼斯?库克耶编写的《大数据时代》中，大数据指不用随机分析法（抽样调查）这样的捷径，而采用所有数据进行分析处理。大数据的4V特点：Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值）。可以说，大数据开启了一个重大的时代转型，已经成为当今重要的社会资源及推动经济社会发展的动力源，完整地把握大数据含义对企业人力资源变革具有重要理论指导意义。

　　（二）大数据的“价值”

　　大数据最核心的价值就是在于对于海量数据进行存储和分析。相比起现有的其他技术而言，大数据的“廉价、迅速、优化”这三方面的综合成本是最优的。大数据的价值一般须经过记录、存档、纠偏、预测等几个方面体现出来。

　　1、记录原始数据

　　“大数据”的提出，离不开数据。从存在人类的时刻开始，数据也就产生了。大数据涵盖到我们生活中的方方面，在人类社会早期，因缺乏各种数据记录的意识或者载体，丢失了很多重要的数据。所以，记录人类一切的生产和生活行为，为人类的一切分析提供海量的数据就是大数据的第一价值。

　　2、数据存档

　　简单的数据记录，只是记录人类生存发展过程中的一些零散的“文字”和“代表符号”。要想使记录的数据会“说话”，还需要我们对数据进行整理，系统存档，这样才能使零散的“文字”和“代表符号”组成一个连贯的句子，能够让所有的数据一目了然，这样才能让我们对人的生产和生活的行为有系统的认识，有助于解决生活中的一些问题。

　　3、纠正偏差

　　“大数据”，将我们的行为和动作都数据化了。在对被记录数据化的行为和动作进行分析，思考的基础上，找出自己的动作行为与预期目标存在的偏差，然后对自己过去的行为进行调整，让自己的动作行为与自己的目标一致。

　　4、科学预测

　　预测（forecasting）是预计未来事件的一门艺术，一门科学。它包含采集历史数据并用某种数学模型来外推与将来。在对数据进行系统记录的基础之上，就能够对数据化的人类行为进行科学的解读和测算。

　　三、大数据时代下人力资源管理的发展趋势

　　在人力资源管理中也存在着大量的数据，包括员工个人资料、员工考勤记录、企业的信息传递过程、业务流程及企业的结构规模等。但很明显，在现阶段我们对这些数据的利用还不充分，会忽视某些重要数据的作用。因此，我们要建立系统化、规范化的数据管理系统，用数据支撑人力资源管理，做出科学的决策。

　　（一）人力资源管理中面临的一些问题

　　在现阶段的人力资源发展中，存在着这样一些问题，如人岗非精准匹配、考核难以量化、人力资源规划与社会发展趋势结合不紧密、高层次人才流失频现、培训激励非定制化、人力资源决策定性比重过大等，这些问题的解决都依赖于对大数据的应用。

　　1、人力资源管理忽视数据的价值

　　在企业的人力资源管理部门，HR在履行职能时会处理各种类型的数据，且在工作的同时也会产生新的数据。但是我们通常缺乏对这些数据的敏感性，忽视这些数据的价值。明明可以通过对全部有用的数据信息进行定量分析的基础上作出决策，而我们总是在忽视一些有用的信息的记录、运用而凭主观经验进行决策。

　　2、人力资源管理模式落后

　　在信息化不断加强的社会里，人力资源管理与时俱进，先后经历了商务软件应用阶段、ERP应用阶段等阶段，但是对于最新出现的大数据、互联网+、云计算等概念就显得跟不上节奏。在大数据充斥到社会各方面的时刻，“大数据之花”显然还没有在人力资源管理上生根发芽。

　　3、数据的分析预测能力薄弱

　　现阶段的人力资源管理的数据的管理只停留在记录、存档的基础上，对于数据分析、科学预测等方面还很落后。在人力资源需求预测时，定性方法有经验预测法、描述法、德尔菲法等，定量方法有转换比率法、人员转换法、趋势外推法、回归分析法、经济计量模型法、灰色预测模型法、生产模型法、马尔科夫分析法、定员定额分析法和计算机模拟法。方法很多，但是定性的方法缺乏科学性，定量的方法在具体操作上存在很大难度，预测效果并不好，所以如何实现趋势预测与现实的高拟合度是当下研究的热门问题。

　　（二）基于“大数据”的人力资源六大模块

　　1、人力资源规划

　　企业的人力资源规划对满足企业总体发展战略、促进人力资源管理活动开展、协调人力资源管理的各项计划以及使组织和个人发展目标一致有重要的作用。在人力资源规划中，人力资源的需求与供给的平衡问题是一个难题。对人力资源的需求和供给进行预测的方法很多，但都存在定性大于定量、预测不准确等问题。所以，在企业内建立人力资源信息库，对每个进入企业的员工的基本信息、行为表现、工作态度、绩效结果、管理能力等各方面进行记录，然后运用大数据思维对这些数据进行系统的分析、预测。 　　2、招聘与配置

　　人力资源招聘与配置要解决的事就是把合适的人放在合适的位置上。首先，我们要收集员工的各种相关信息和数据，然后运用这些数据分析其工作能力、行为特征、胜任力等，预测其可能适合的岗位；其次，要对要招聘的岗位的任职资格，任职要求相关数据进行分析；最后，将前两者分析的结果进行匹配，实现人岗匹配。

　　3、培训与开发

　　员工的培训与开发，首先要了解员工的培训需求。

　　对员工工作过程中的相关数据进行分析，了解员工与岗位要求存在的差距；再对这些存在的差距进行分析，确定明确的培训方案。在此过程中需要对员工的工作过程中的数据进行详细的梳理、分析，同时也要对培训管理部门在培训过程中的数据进行记录和考核，有利于培训部门的培训能力的提高。

　　4、绩效管理

　　绩效管理主要的目的就是对员工进行绩效考核。现阶段的绩效考核一直停留在找差距、纠正偏差、定薪酬、定等级的方面，而没有对员工的考核数据进行连续的统计和整理，将这些考核的数据记录在案，以便在后期员工的考核过程中纵观员工的成长。

　　5、薪酬管理

　　薪酬管理的过程中要兼顾公平性、竞争性、激励性、经济性和合法性。在综合企业财务状况、人力资源规划、企业的薪酬预算、市场薪酬水平等各方面的数据分析时，离不开大数据。最重要的还是要用动态的眼光看待企业的薪酬，用数据来预测企业总体的薪酬趋势。

　　6、劳动关系管理

　　劳动关系看似与数据联系不大，但是劳动关系中蕴含着很多重要的数据，例如试用期、基本工资、薪酬的支付方式、员工与企业纠纷的次数、员工的劳动合同解除率等等。对于劳动关系，要用数据的思维去看待。在企业与员工劳动关系存在期间内的任何数据都应该记录进行分析。

　　四、结束语

　　人力资源管理要用大数据创造价值，就必须做好人力资源的数据收集。首先，要收集反映人力资源现状的事实数据，例如人员数量与结构、学历、年龄等基本概况；其次，反映人力资源活力的动态数据，人力资源动态数据包括招聘周期、招聘完成率、核心员工流失率等；然后，反映人力资源质量的分析数据，人力资源质量的分析数据包括人均人工成本、人力资本投资回报率、员工满意度、员工敬业度等；最后，发掘数据背后的真相。

本文链接：http://www.qk112.com/lwfw/guanlilunwen/renliziyuanlunwen/139920.html