众说纷纭

Q：大数据对人才管理战略的制定有何助益？

叶阿次：大数据本身是超越单个企业的，甚至是超越单个行业的，它是许多数据的集合体。如果能够把这些数据整合在一起，我们就能发现其关联性，预测将要发生的行为，从而制定合适的策略，采取正确的行动。

借助大数据，人力资本可以量化，当人力资本从口头上变为数据上的内容时，人力资源部门就真正做好资本化了，比如人均创造价值比、核心人才流失率、人均成本与回报率等。这种资本的量化可以做到纵向与历史比较以及横向与同行比较，从而使人们清楚知道当前发展的过程与质量，为决策提供依据。

大数据提供了一切的可能去了解一个员工，人员的价值可以得到最大化呈现，许多内部资源也得以展现出来。例如依据6度理论，每一个员工的关系网如果都能被开发出来，那么公司的潜在客户数可能会增加10倍以上。此外，当足够多的数据被整合到一起，我们就可以预测某个个体的行为方式，进而可以采取应对措施。

张月强：大数据的核心不是数据的宏大规模，而是基于宏大的数据进行有效的预测。因此，对于企业人才管理而言，重要的是如何充分利用大数据完成准确的预测，进而帮助企业前瞻性地思考未来的战略和应对措施。

早在2008年初，某中央企业就采用“大数据”进行年度人才战略规划，充分结合市场变化（2008年中国政府4万亿投资计划）、就业市场发展趋势（经济下行，高校毕业生人数庞大且逐渐回归理性）、企业内部人力资源结构、国际同行人才结构、历年企业人均投入产出变化趋势等因素，确定了2008年的人才投入策略为“转型、升级”。一方面，从过去面向单一对口专业领域的人才结构转型为综合性人才结构策略;另一方面，与市场化接轨，将薪酬体系从单一的工资、绩效、福利模式升级为多元化的薪酬体系。在这个案例中，历史数据的变化趋势，是应用大数据的最初雏形，也是最可靠的途径。

时至今日，不少全球性的企业，已经开始娴熟地应用大数据分析来完成劳动力规划，不再单纯考虑经济因素，同时会考虑人口因素，广泛应用互联网信息的汇聚能力，综合同行对标和全球最佳实践，通过超过2000个的度量指标分析出未来10年人力资源的结构变化、行为习惯变化等，进而调整企业人力资源规划及前瞻性地制定相应的人力资源管理政策。

基于大数据的完整劳动力规划需要包括战略分析、预测、风险分析、战略/影响与财务建模、行动计划与财务配套等方面。

杨文清：关于将大数据用于人才管理方案的制定，作为一种尝试，我分析了公司几年来的员工记录（考勤、请假记录、入职时间、离职时间、绩效等），并将之应用于企业招聘。

首先，我对基本资料进行了梳理，将它们分为员工ID、考勤、绩效等级这几个简单的维度。

其次，使用Apriori算法进行关联分析，找出频繁项集（曾有专家通过Apriori算法分析超市购物，发现啤酒和尿不湿总是被同时购买，这时，商家就可以把它们放在一起，提高啤酒和尿不湿的销量）。

最后，经过分析员工记录，我发现短期内频繁请假且时间在半天以上的，离职的可能性很大;经常性迟到的员工，绩效考核的成绩却普遍不错。

这些分析结果可以作为员工招聘的参考因素，迟到与否也不再成为衡量员工的主要标准。对于公司培训而言，则督促我们在培训模块中增设“员工职业素养”课程，并对新员工进行相关培训。

罗伊·桑德森：学习领域的管理层一直在开发能够反映影响业务水平或者投资回报率（ROI）的适用指标。当我们学会在该领域使用分析学和大数据时，我们将会做出更好的商业决策并能预防重大问题的发生。

我们曾选取一家银行的50名经理人进行实验，了解他们平日的销售指标。然后，在接下来的三个月时间里，让25名经理接受“认同培训”，另外25名不接受学习，同时跟踪他们每个星期的表现。数据显示，45%接受培训的经理认为自己认同他人的能力有所提高。

从这次培训数据中，我们分析出了经理在接受“认同培训”前后的绩效有所不同。因此，我们知道相应的行为学习会影响组织绩效，比如在培训结束后的第10个月，接受培训的经理，其下属受到非金钱形式的认可与奖励，比未经培训的经理的下属受到的认可多12例。

并不是每个组织都愿意投资大数据项目，并将数据和学习与发展措施相结合。在这个案例中，我们有机会通过观察数据来证明学习和培训的真实价值。然而，将大数据完全整合到人力资源信息系统、应用于人力资源实践，还需要一段时间。

Q：大数据可以怎样在人才的获取中得到应用？

叶阿次：运用大数据，企业可以更加容易地分析出何种背景的员工会更加快速适应公司的文化，这样就可以减少在人员甄别上的失误。同时，可以很清楚地知道公司需要的人才在市场什么地方，以及这些人才最看重什么，如何才能够吸引到他们。

大数据的运用，比如社交网络，还可以帮助用人部门更好地了解候选人的背景与偏好，尤其是通过对其网络足迹的考察可以了解到候选人日常的价值观取向。从LinkedIn上面的各种案例来看，大数据分析可以帮助企业获取更多的精准定位。

张月强：布拉德·皮特主演的《点球成金》是一部美国奥斯卡获奖影片，所讲述的是皮特扮演的棒球队总经理利用计算机数据分析，对球队进行了翻天覆地的改造，让一家不起眼的小球队取得了巨大的成功。现实世界中，德国国家队以历史数据为基础，利用数据建模定量分析不同球员特点，合理搭配，重新组队;在此基础上，核心在于打破传统思维，通过分析比赛数据，寻找“性价比”最高球员，成功利用大数据分析获得2014年巴西世界杯冠军。

以上球队管理是人才管理的典型案例，企业同样可以借鉴于此，通过大数据分析更深刻全面地掌握一个高潜质、高绩效人才的基本特质模型，并以此为基准指导人才招聘和选拔。包括Google在内的很多企业，每个月会有数以万计的简历，只有通过大数据建立企业内部的能力模型，作为初筛的工具，并且在测评工具中植入大数据模型，得到人员能力和素质的整体情况，更高效地完成人员匹配和招聘过程。endprint

招聘完成之后，还应做好人才的配置。通过大数据分析，针对已有人才制定相应的、个性化的培训计划，有计划、有步骤地提升、改善现有人才结构，以期与高绩效人才高度匹配。同样，大数据应用更重要的是需要立足于企业内部，更精准分析、发现现有人员的潜质和高绩效优势，更合理地确定岗位能力模型、人岗匹配与人才发展策略。美国市政电力公司（AMP）利用大数据分析，将企业的战略分解为每一个人可以执行的目标并完成匹配，同时利用有效工具监控目标进展，逐级钻取，有效提升管理的透明度和战略匹配度，将员工日常工作有效地与企业战略高度契合。

杨文清：按照“冰山模型”理论，员工行为是水面以上可被观察的部分，而水面以下的敏捷度、执行力、认知能力等，则无从察觉。如果能有大量真实、详尽的数据，并建立基于大数据的HR模型，就能获取客观、公正而且高效的招聘方案。

为此，我整理了公司求职者信息的数据系统，分析出不同类别求职者的特征值。以程序员招聘为例，可供参考的变量包括常逛的网站、掌握的计算机语言、数据库技术、工作时间长短、性格内向/外向、每周锻炼时间、技术论坛上是否积极回答别人的问题等。经过数据分析，我发现高绩效的员工具备一些特质，例如优秀的程序员均学历高、跳槽次数少、常逛相关网站、精通几种计算机语言等。

基于这些变量，我建立了一个HR招聘模型，它能显示不同类别员工的行为要求。只要将应聘人员的求职意向及其信息放入模型里，就能算出该求职者与企业的匹配度百分比，进而找出最配对的候选人。而且，随着求职者信息量的不断增多，这个模型会越来越精确。

吴刚：很多经理人都会碰到这样的问题：招来的员工并没有达到预期的高绩效，或者有了高绩效，但稳定性不够。在没有大数据的条件下，发现与选拔都很难做到“全面”。通过大数据应用来提升招聘的效率、准确度与员工稳定性，可以从以下几方面分析。

1.全方位的数据来源分析。企业在以往招聘过程中使用招聘网站、测评技术、人才库技术、面试的基础上，可以从更多方位了解候选人以得到准确的筛选。

2.不同岗位高绩效人员的特质分析。通过现有高绩效员工的行为表现、工作经历等大量结构化数据分析其特质，然后通过员工简历筛选拥有相应特质的员工，用数据说话，远比面谈可靠。

3.通过员工简历预测员工稳定性。基于现有员工的数据样本，通过数据分析与挖掘，找到与员工稳定性相关的特质（指标），建立识别候选人稳定性的模型，然后通过应聘者简历自动给出稳定性评级建议。全球客服的呼叫中心 Transcom曾使用大数据进行员工行为分析。发现那些在“诚实”方面得分高的员工，稳定性会比其他员工高 20%～30%。因此，Transcom 会优先雇佣这些有着同类型特质的员工，使团队的稳定性更高，也节省了培训新员工的成本。

4.帮助求职者选择职业。大数据在招聘方面的应用更多是为企业服务，应聘者处于信息不对称的劣势。如果能够对现有招聘网站上的大量数据进行二次开发和利用，通过相似求职者的工作经历，预测职业生涯路径，给出求职建议或自动匹配合适的岗位，而不仅仅是传统意义上的关键词搜索，能给求职者带来更大的帮助。

Q：在保留人才时，可以怎样运用大数据？

叶阿次：人员的保留主要有两个手段，一个是心灵契约，另一个是物质契约，归根结底是员工的敬业度程度如何。通过分析大数据，员工的敬业度调查会更加方便开展。一个人可能会在敬业度问卷调查中给出一个不真实的数据，但他一定会在最好的朋友那里说出真心话。对大数据的掌握，可以更好地了解企业所关心的核心人员的动态，通过整合数据得到员工的真实状态。这样就可以未雨绸缪，做好人才的保留工作。

人才培养是有利于人才保留的另一个手段，运用大数据可以改善人才培养的方式。例如，大数据带来多种混合式的培养手段，其运用有助于了解个体与行业标准的差距，从而全方位地提升个人的能力。大数据亦可以提升人才培养的效率，减少培养方面的浪费。例如，在大数据环境下，可以更加精准地发现人才的稀缺性。此外，系统性数据的掌握可以让企业更好地看到培养的成果。

张月强：国际知名咨询公司普华永道（PwC），曾经在全球调研超过1000家各个行业领先企业的超过100万员工，在此基础上提炼出近3000个指标，得出很多有趣的结论，比如离家近、不加班成为雇主被选择的重要因素，相对应的上下班时间过长则会构成潜在离职高风险。同样，在很多销售机构，频繁更换直线经理、3年以上工资无增长、死板的考勤制度等，构成了员工高离职风险。

传统的离职风险基于企业内部的历史数据，数据的失真则会直接导致结论的南辕北辙，而大数据分析则将数据样本扩大到全球众多领先企业，数据的可借鉴价值大幅度提升。因此，在人才保留方面，大数据更能够为企业带来针对性的策略和行动计划建议。

Google也基于大数据开发了人才保留算法，借助自己开发的一个数学算法积极并成功地预测到哪些员工很有可能会离职。这项举措允许管理者在为时过晚之前采取行动，并为员工留任提供个性化解决方案的空间。

Q：当今国内企业对于大数据在人才管理与培养方面的

应用，存在哪些困惑与挑战？

叶阿次：大数据来袭，使得信息不对称的情况减少，这对管理水平的要求会进一步提高，原来因为不透明而掩盖的公平和公正问题会受到更大的挑战，企业与员工会处在同一水平线上。在大数据时代，各种信息都是透明的，你的管理必须经得起考验。

杨文清：通过数据预测未来人才需求、建立招聘模型，能更具前瞻性地部署招聘，提升人才与职位的匹配度。然而我感到两个难点：如何保证数据描述的精确性？中小企业如何获取数据？

首先，招聘工作由人力资源部门主导，但岗位需求一般由用人部门提供。如果用人部门和候选人的描述都不够准确，HR只能通过模糊匹配、相似度等其它方式来解决，那么数据分析结果的准确性和效率就会打折扣，怎样才能提高招聘的准确度，使之变得更有说服力？

其次，数据积累与企业的知名度、招聘岗位的种类、投递简历的规模都有关联，只有当数据积累到一定程度，才能支撑一个模型的优化和演进。这对人力需求旺盛的大型企业来说，难度相对较低。但对中小企业的HR而言，怎样做才能积累充足的数据呢？

这些都是我们在如今的大数据实践中面临的问题。

赵博：随着大数据运用在各行各业开花结果，基于大数据的人力资源管理已然成为最近业内讨论的热点话题。未来的人力资源决策将不再是一时兴起或是“拍脑袋”的决定，而是有理有“据”，兼具科学性和公信力的决策，这听起来真是不错。然而理想很“丰满”，现实很“骨感”，真想进入人力资源管理大数据时代我们还有很多基础工作要做。

第一，缺乏数据。很多企业现E-HR系统中储存的都是一些静态的、基础的人员数据，真正的大数据需要记录和积累员工个性化、行为化的数据，比如上下班时间、工作电话时长、电子邮件数量和对象、在线学习记录、培训考核结果、敬业度、能力发展水平等。往往这样的数据才能得出最真实的结果，就好像一个企业的财务报表可以随意作假，但是其厂房一年的用电量是无法作假的，这就是大数据的魅力。

第二，缺乏能力。能够玩转人力资源大数据的人必须了解人力资源管理、了解业务、了解数据分析，这样他才能提出正确的问题、给出完美的解释、做出合适的方案。显然，现有的人力资源从业者在能力素质方面还需大大加强。

第三，缺乏方向。人力资源大数据到底能够给企业带来什么，其实在企业管理者和人力资源管理者心中还是一个大大的问号。或许我们可以从Google等走在前面的企业中看到一些影子，但真正在国内能走到哪一步还需要广大同仁共同探索与实践。

（文中罗伊·桑德森的观点编译自Training）endprint