大数据时代下的企业人力资源管理研究探析

2016-12-27乐美谦

质量探索 2016年4期

关键词：资源管理决策研究

乐美谦

江西财经大学工商管理学院，江西南昌 330013

大数据时代下的企业人力资源管理研究探析

乐美谦

江西财经大学工商管理学院，江西南昌 330013

大数据时代的到来意味着数据从简单的处理对象开始转变为一种基础性资源，对于企业来说，如何更好地管理和利用数据至关重要。本文首先从大数据的概念、特征和类型着手，接着对国内外大数据的相关研究现状进行了阐述，在此基础上，分析了大数据时代下企业在人力资源管理上可能面临的挑战，并就企业在人力资源管理方面提出了一些对策建议。

大数据；企业管理；机遇；挑战

伴随着物联网、移动互联、云计算的兴起，特别是智能终端的应用，数据越来越大，越来越快，越来越复杂，推动了“大数据”(Big data)这一全新概念的产生。最早提出“大数据时代到来”的机构是McKinsey管理咨询公司 (黄升民和刘珊, 2012)。2011年，该公司在题为《Big data: The next frontier for innovation, competition, and productivity》的报告中指出：当今数据已经渗透到各行各业以及业务职能领域，成为重要的生产要素；海量数据的挖掘和运用，预示着新一轮的生产力增长和消费者盈余浪潮的到来(James, Michael, & Brad, 2011)。

1 大数据的基本概念

尽管“大数据”自2009年就已成为信息技术行业的热词，但该词于近两年才开始受到高度关注。对于大数据的定义，目前企业界和学术界尚未达成一致的认识。最初，这个概念是指需要处理的信息量过大，已经超出了一般电脑在处理数据时所能使用的内存量(Mayer-Schönberger & Cukier, 2013)。著名IT 研究与顾问咨询公司Gartner将 “大数据”定义为：以海量、高增长率和多样化为特征的信息资产，该信息资产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。国际数据公司(International Data Corporation, IDC)认为，“大数据”是指出于更经济有效地从海量复杂数据中获取价值的目的，所设计的新一代架构和技术 (Villars, Olofson, & Eastwood, 2011)。

尽管上述的观点不统一，但一个普遍的观点是，尽管大数据与“海量数据” (massive data)和“大规模数据”(very large data)的概念一脉相承，但其在体量、复杂性和速度等方面更为突出，且超出了现有技术手段的处理能力(冯芷艳等, 2013)。

2 大数据的类型与特征

2.1 类型

大数据的类型比传统数据的更多样，主要可分为结构化数据（如人事、财务、ERP系统）、半结构化数据（如电子邮件、办公处理文档以及诸如网络新闻等）和非结构化数据（如传感器、移动终端、社交网络等产生的数据）三种。

2.2 特征

一般来说，大数据的特征可用三个V来描述，分别为量大、快速和多样性(孟小峰和慈祥, 2013; 林志刚和彭波, 2013)。

（1）量大(Volume)。目前，医疗卫生、地理信息、电子商务和影视娱乐每天都有大量数据产生，据国际数据公司的监测统计，截至2011年，全球的数据总量高达1.8ZB，该总量每隔一年呈翻倍增长的趋势。

（2）快速(Velocity)。在许多情况下，创建数据的速度要比数量更为重要。实时或者近乎实时的信息可以使公司比其竞争对手更加灵活。例如，在圣诞购物季的第一天，美国麻省理工学院教授Alex ‘Sandy’ Pentland和他的团队曾在媒介实验室通过来自手机的定位数据推断出梅西百货(Macy)停车场在当天的人流量，这就可先于梅西百货估算出当天的销售量。如此快速的洞察，为华尔街分析师以及缅因街的经理们提供了明显的竞争优势(McAfee & Brynjolfsson, 2012)。

（3）多样性(Variety)。大数据的形式有文字、图片、视频、来自传感器的文本以及来自手机的GPS信号、地理位置信息(LBS)等。

除了以上3V，有机构认为，大数据还有一个新特点，而对于第4个特点又有不同看法。例如国际数据公司(IDC)和Oracle还强调大数据的价值性(孟小峰和慈祥, 2013; 陈如明, 2012)，即如何从海量信息中挖掘出有用的数据至关重要。IBM公司则认为大数据应体现真实性(Truth)，如社交网络发表的言论可能带一些情绪化的内容，不一定真实准确(谢国忠, 2013)。

3 大数据国内外研究现状

当前，大数据已成为企业界和学术界共同热议的一大主题，得到了社会各界的关注，并且相应地出现了一部分研究成果。

3.1 国外研究现状

Nature和Science等国际顶级期刊出版了有关大数据的专刊。Nature于2008年推出了 “Big Data” 专刊，提到了大数据给今后的数据分析处理工作所带来的挑战，认为数据对数学、物理、生物医药、工程及社会经济等多个领域均有日益重要的作用。之后，Science杂志于2011 年推出了以“Dealing with data”为主题的专刊。基于海量数据对当今社会的挑战，其提出有效分析和利用大数据的重要性。此外，数据管理领域的部分学者共同发布了以“Challenges and Opportunities with Big Data” 为主题的白皮书，先后介绍了大数据的产生、处理步骤以及面临的挑战。与此同时，还有学者撰写了大数据的专著，针对大数据及其思想进行了详细论述，如Mayer-Schönberger(2013)的《Big Data: A Revolution That Will Transform How We Live, Work, and Think》和Martin Klubeck等(2011)的《Metrics: How to Improve Key Business Results》。总的来说，大数据在国外具有较高的关注度。

3.2 国内研究现状

相比国外，国内对大数据的研究还很不成熟。本文以“大数据”为主题词，通过“中国知网”学术趋势平台进行检索，发现大数据的研究逐年增加，1997 年之后未曾中断过，其中近三年的文献量最多，并且呈陡增之势（如图1所示）。

图1 1997-2015年大数据的CNKI学术关注度

李国杰等(2012)首先阐述了大数据的研究进展，接着介绍了大数据应用与研究所面临的问题与挑战并对大数据发展战略提出了建议。王珊(2011)、孟小峰等(2013)、覃雄派等(2012)侧重于大数据的分析和查询，介绍了当前大数据处理的主流平台。朱志军和闫蕾(2012)的《转型时代丛书：大数据·大价值、大机遇、大变革》通过实证研究分析了大数据对社会、商业智能的作用，研究结果表明，大数据将带来新的商机。

综合国内外有关大数据的研究，可看出：有关大数据的研究及实际应用尚处于初级阶段，主要涉及大数据的基础问题、应用的战略分析和哲学审视等方面，缺乏微观层面的研究，如基于组织管理的视角去探究大数据对当前组织管理和运营决策等的冲击以及组织如何有效应对。

4 大数据时代下企业人力资源管理所面临的挑战

大数据能给企业人力资源管理带来便利，如在线简历一方面可以为企业招聘工作节省大量的人力和物力，另一方面还可实现招聘岗位与求职者之间更高的匹配度；通过大量的人员数据可以为人力资源管理的提供量化信息，这有利于企业有效地组织人员考核；企业通过大数据（如在线培训）可了解员工的培训需求，有针对性地对员工进行培训，并且能追踪到培训效果，形成有效反馈。与此同时，我们不可否认，大数据也会对企业管理决策和人力资源管理带来一定挑战（James et al., 2011; McAfee & Brynjolfsson, 2012; 何军, 2014; 何莹, 2013; 林志刚和彭波, 2013）。

4.1 对传统Hippos决策模式的冲击

大数据最重要的一个方面是对于如何做出决策以及由谁来决策的影响。当数据稀缺、成本高昂或者我们无法获取电子形式的数据时，传统的做法是由拥有良好社会地位者来作出决策，而他们的决策往往是基于自身的经验以及他们所观察、内化的关系，即直觉。同样，在遇到重大决策时，一般会请组织内部领导者或外部专业人员来解决，即主要依赖HiPPO(highest-paid persons’s opinion)决策模式。在当今的整个商界，更多地还是依靠直觉，数据并没有得到足够的重视。可以说，在大数据时代下，企业传统的HiPPO决策方式受到一定的冲击。

4.2 人才管理

数据专家等擅长处理大量信息的专业人才成为未来组织成功的关键所在。对于该类人才来说，统计技术尤为重要，但大数据使用过程中所需的诸多关键技术却很少在传统的统计学课程中有所涉及。此外，由于新的数据类型很少是结构化的，清理和整合大数据集合的技能比统计技术更为重要。除了上述技术层面的要求，数据专家还需懂得“商业语言”，基于大数据为组织管理者如何有效进行管理决策和运营提供参考和建议。虽然组织对这类人才具有较强的需求，但这种复合型人才往往很难找到(Davenport & Patil, 2012)，这与人才的稀缺性以及企业在人力资源管理方面的问题密切相关。

4.3 领导力

大数据对领导力提出了更高的要求。要想成功使用大数据，企业不仅需要拥有更多或更好的数据，其领导团队也是关键因素之一。领导团队必须设置明晰的目标、对成功作出界定以及提出正确的问题。在大数据时代下，优秀的领袖要有创造性思维，善于发现商机、开拓市场，有能力处理好上下级关系，说服员工投入其新想法。

5 大数据时代下企业人力资源管理的对策

在大数据的冲击下，企业管理者应转变思维，结合大数据时代所面临的机遇和挑战，有针对性地对企业原有的管理模式进行变革和创新（James et al., 2011; McAfee & Brynjolfsson, 2012; 王劲, 2013; 严霄凤 & 张德馨, 2013）。

5.1 基于数据驱动制定决策，转变领域专家角色

传统基于经验和直觉的决策往往是不够的，基于数据驱动的决策也相当重要。管理者想要转向数据驱动决策，可先从以下两种简单的方法开始。首先，在面临重要决策时，他们可以习惯性地问“相关数据怎么说”以及“数据来源于哪”“进行了什么样的分析”“我们对分析结果的信心如何”等问题。如果管理者遵循这样一种思路，将可以快速得到所需的讯息。其次，需要接受自身判断与数据相冲突的可能性。

当我们知道要解决的具体问题时，领域专家就会显得尤为重要，特定领域的专家通常比较了解企业所面临的机遇和挑战。因此，许多企业致力于吸引大量相关领域的专业人才。在大数据的推动下，领域专家的作用在逐渐发生变化，他们的价值不再只体现在提供经验，还在于他们知道提什么问题。

5.2 注重大数据管理人才培养

数据掌握的完整、跨渠道的数据整合能力、数据分析能力等将成为企业实现可持续发展的核心竞争力。因此，要想深度并有效挖掘有价值的数据，企业需要通过合理有效地激励措施来吸引和培养大数据方面的专业人才，如高薪酬、重视对专业技术人才的培训。

5.3 数据跨职能、跨部门的流动

一个有效的组织应将信息和相关的决策权放在相同的位置。在大数据时代，信息被创建和转移，专业知识所发挥的作用已不同于过去。组织管理者应建立一个灵活的组织架构，将“非我发明” (not invented here)综合症降到最弱，并且将企业跨职能合作最大化。具体来说，组织各部门一方面要配备合适的数据，另一方面需要有懂得相关技术的专家。

5.4 企业文化

事实上，许多组织的领导者所表现出来的数据驱动的程度要高于其实际程度。很多管理者往往在做报告时利用了大量的数据来支持其所做出的决策，该决策是通过直觉得出的，只不过是领导者在做出决策后吩咐下属找的数据。这种惯性的做法会因决策的不准确性增加企业风险。企业的领导者应倡导数据驱动的文化理念，将该理念贯穿到企业的日常运营中，养成基于事实与数据的分析判断的思维行为(张文贵, 2013)。

作为一种新兴的理论，尽管大数据在概念、技术、方法方面已经取得一定的研究成果，但大数据在企业管理应用方面的研究相对较少。目前与管理相关的研究不够深入，大多较为笼统，更缺乏相应的实证研究，同时从理论和实证两个角度对大数据的作用作出具体的解释。本文认为技术、应用与管理应该是并重的。大数据的分析处理技术归根结底要服务于社会。因此，后续研究应深入开展基于互联网和社交媒体的企业大数据研究与应用(吴启迪, 2013)。

[1]Bughin, J., Chui, M., & Manyika, J. (2010). Clouds, big data, and smart assets: Ten tech-enabled business trends to watch. McKinsey Quarterly, 56(1), 75-86.

[2]Davenport, T. H., Barth, P., & Bean, R. (2012). How ‘big data'is different. MIT Sloan Management Review, 54(1), 22-24.

[3]Davenport, T. H., & Patil, D. (2012). Data Scientist. Harvard Business Review, 90, 70-76.

[4]James, M., Michael, C., & Brad, B. (2011). Big data: The next frontier for innovation,competition, and productivity. The McKinsey Global Institute.

[5]Mayer-Schönberger, V., & Cukier, K. (2013). Big data: A revolution that will transform how we live, work, and think: Houghton Mifflin Harcourt.

[6]McAfee, A., & Brynjolfsson, E. (2012). Big data: the management revolution. Harvard Business Review, 90(10), 60-68.

[7]Villars, R. L., Olofson, C. W., & Eastwood, M. (2011). Big data: What it is and why you should care. White Paper, IDC.

[8]王珊, 王会举, 覃雄派等(2011). 架构大数据:挑战、现状与展望. 计算机学报,(10),1741-1752.

[9]王劲(2013). 大数据时代的管理变革. 中国商贸,(02), 189-190.

[10]朱志军, 闫蕾(2012). 转型时代丛书: 大数据· 大价值, 大机遇, 大变革: 北京: 电子工业出版社.

[11]何军(2014). 大数据对企业管理决策影响分析. 科技进步与对策,(04), 65-68.

[12]何莹(2013). “大数据时代”的管理创新. 人力资源,(10), 62-63.

[13]李国杰, 程学旗(2012). 大数据研究:未来科技及经济社会发展的重大战略领域——大数据的研究现状与科学思考. 中国科学院院刊,(06), 647-657.

[14]孟小峰, 慈祥(2013). 大数据管理:概念、技术与挑战. 计算机研究与发展,(01), 146-169.

[15]林志刚, 彭波(2013). 大数据管理的现实匹配、多重挑战及趋势判断. 改革,(08),15-23.

[18]郭三强, 郭燕锦(2013). 大数据环境下的数据安全研究. 科技广场,(02), 28-31.