从信息化人力资源管理到大数据人力资源管理的演进——以腾讯为例

● 西楠 李雨明 彭剑锋 马海刚

开发技术

从信息化人力资源管理到大数据人力资源管理的演进
——以腾讯为例

● 西楠 李雨明 彭剑锋 马海刚

当前大数据人力资源管理的研究日益增加，然而大多数文章中所谓的大数据人力资源管理仍是对信息化人力资源管理概念的修补，少有研究界定信息化人力资源管理和大数据人力资源管理的区别和演进关系。本文基于资源基础观，从有形、无形和人力等资源的动态演进出发，对腾讯人力资源数据管理演进过程进行探索性案例研究。研究发现：大数据人力资源管理在信息化人力资源管理的基础上有了质的变化，大数据人力资源管理能够为组织带来竞争优势。研究进一步归纳出大数据人力资源管理与企业竞争优势的逻辑模型。

大数据人力资源管理 信息化人力资源管理 资源基础观

作为时代变革的力量，大数据应用到商业生活中的方方面面，如医疗、零售、管理等领域。大数据在人力资源管理领域的应用主要体现在对人才的分析上，为组织在人才方面的决策提供高含金量的依据。这样的背景也催生了大量的大数据人力资源管理研究（George et al.，2014；George et al.，2016）。然而现有研究存在几点不足：首先，对于什么是大数据人力资源管理，学者还没有形成统一的认识，大数据人力资源管理与信息化人力资源管理（Electronic human resource management，e-HRM）两个概念存在混用现象。其次，对于信息化人力资源管理向大数据人力资源管理演进的研究较少。最后，少有研究对大数据人力资源管理与组织竞争优势之间的“黑箱”进行论述。

战略管理领域的资源基础观（Resource based view，RBV）可以识别组织的有形、无形、人力等核心资源，并解释资源的动态演进。本研究以RBV为视角，界定人力资源数据管理涉及的各类资源，总结信息化人力资源管理的各类资源如何适应互联网时代，融合大数据技术，调整和演变为组织的核心资源，继而为组织打造持续的竞争优势。

自工业革命以来，无论是管理理论的发展，还是管理实践的探索，西方国家总是处于领先的地位。互联网时代的到来，推动着技术革新和商业模式的演进，甚至给产业带来颠覆性的变化。在这一浪潮中，中国企业迎头赶上，抓住了时代的机遇，在不同领域实现创造性突破。本研究从中国情境中选取腾讯这一代表性的互联网公司，它坐拥数据金矿，在大数据领域打造了核心竞争力。腾讯基于大数据技术和资源优势，对自身人力资源数据管理进行不断优化升级。本研究首先分析了构成腾讯大数据人力资源管理的基础设施、技术和人才配置是如何演进的，从其信息化人力资源管理到大数据人力资源管理的演进路径中提炼研究命题。其次，从案例中归纳出大数据人力资源管理与企业竞争优势的逻辑模型。

一、文献回顾

（一）核心概念的界定

大数据是规模超出传统数据库工具能够捕捉、储存、管理和分析的数据（Manyika et al.，2011）。除规模以外，大数据还具有“智能”的特征，通过对行为和结果进行细颗粒度的分析，不仅能解释行为和结果，还能实现预测功能（George et al.，2014）。大数据人力资源管理的定义尚未在人力资源管理学界形成共识，本文综合国内外学者观点认为，大数据人力资源管理以员工在工作中产生的非结构化数据为出发点（Angrave et al.，2016），通过数据分析技术、经验、工具，向员工和管理者提供人才方面有实时性或洞察力的决策参考（王通讯，2016）。

（二）基础理论：资源基础观

Barney（1991）指出，在公司之间可能存在着一种异质或差异化的核心资源，核心资源使得一些公司保持着竞争优势。他概括了企业资源的属性，即有价值、稀缺、难以被复制、其他资源无法替代。早期RBV理论观点认为，核心资源是一个稳定的概念，可以随着时间的推移而持续（Barney，1991；Conner ＆ Prahalad，1996）。这意味着组织一旦有了某核心资源，便不会轻易被竞争对手模仿。然而外部环境快速变化，某一时点被识别出的核心资源，并不能给组织带来持久的竞争优势。组织需要持续地开发新的核心资源（Teece et al.，1997），关注核心资源的存量及增长潜能（Wright et al.，2001）。

1. 有形和无形资源

Prahalad和Hamel（1990）认为生产技能、前沿科技等属于核心资源，通过整合多样化的生产技能，并整合前沿的科技，可以为企业打造核心竞争力。胡水晶（2016）指出，作为创新IT行为——企业大数据，其物理IT基础设施及软硬件属于有形资源。而IT经验、技术能力和根植知识（如员工的技能和技术诀窍）属于无形资产。有形和无形资源共同决定了企业的IT能力存量及增量，是企业打造竞争优势的重要源头之一，因此企业IT能力亦是企业一种难以模仿、无法替代的核心资源。

2. 人力资源

组织中的个体，即人力资源拥有知识、技能、能力，稀缺的人力资源本身构成了组织的核心资源。在RBV的视角下，公司拥有具备差异化知识、技能、能力的人力资源，当组织能够通过共同的思维方式组合并混合个体的知识、技能、能力，达到比竞争对手更好地执行工作任务的效果时，就创造了组织的核心竞争力（Nordhaug & Gronhaug，1994）。因此，组织中稀缺的人力资源，及人力资源的组合（如，团队）属于核心资源。

3. 资源创造核心竞争优势

在人力资源数据管理领域，有大量研究证实人力资源数据管理中的有形、无形、人力资源能带来核心竞争优势（Angrave et al.，2016；Marler & Parry，2015；Bondarouk& Ruel，2012）。Ruel等（2007）指出了人力资源数据管理创造竞争优势背后的一种可能的逻辑，人力资源数据管理降低企业成本，提升HR服务水平并为HR部门减少事务性工作，专注于战略、业务等更产生价值的工作。

（三）信息化到大数据人力资源管理演进研究回顾

从信息化人力资源管理来看，王斌（2013）认为企业人力资源管理工作在现代电子商务环境下呈现出多方面的电子化新特征，电子商务系统内的人力资源管理模式e-HRM也需要进行升级。卢强等（2015）认为企业既要做到在尊重事实的基础上挖掘与搜集数据，又必须拓展获取信息的渠道，预见性地积累数据，将数据转化为核心竞争力。这与大数据人力资源管理的理念相契合。

如何从信息化跨越到大数据人力资源管理？张欣瑞等（2015）梳理了腾讯人力资源管理部门在2012-2014年中，大数据人力资源管理的由来和发展。

大数据人力资源管理作为e-HRM的升级思路，能够为组织创造什么样的价值，如何为组织打造竞争优势？彭剑锋（2015）认为大数据人力资源管理让人力资源部基于数据进行决策，对人力资本价值进行计量管理。徐艳（2016）认为大数据的应用能挖掘员工潜力、优化组织架构，实现企业人力资源绩效管理互联网化，从而提升人力资源绩效管理的工作效率。张丽娜等（2016）基于大数据思维下人事档案信息化建设的探讨，运用大数据技术，实现人岗精准匹配、量化考核、培训激励高度定制化、人力资源规划符合发展趋势、高层次人才稳定。张欣瑞等（2015）在对谷歌和腾讯的大数据人力资源管理实践进行对比时，提出了一个大数据人力资源管理创造价值、达成成果的框架，包括：大数据人力资源管理基础、HR大数据团队、大数据人力资源管理实施方法、目的和成果。

现有的大数据人力资源管理研究中存在以下问题，首先，鲜有研究对信息化人力资源管理如何演进到大数据人力资源管理进行动态性研究。其次，已有文献虽然罗列了大数据人力资源管理为组织创造价值和达成成果的框架，但未能进一步构建大数据人力资源管理中的核心资源如何为组织打造核心竞争优势的逻辑通路。

二、研究方法与资料搜集

（一）研究设计

本文采取单案例研究法，原因是本案例涉及信息化向大数据人力资源管理的演进过程，属于纵向案例（Longitudinal case），宜采用单案例研究（潘善琳、崔丽丽，2016）。其次，腾讯是一家具有代表性的民营互联网企业，其大数据人力资源管理实践是独一无二的（Yin，1984；郑伯埙等，2012）。

研究团队包含四名主要研究人员，分别为人力资源管理领域的教授、管理者、博士研究生和硕士研究生。为了加强单案例研究的信度，研究团队集体讨论制定了研究框架，编写了详细的案例研究计划，明确了研究问题、研究框架、数据来源、研究方法等。

表1 被访者人数与类型

（二）案例选择和资料搜集

1. 案例选择

研究案例选择遵循代表性、理论抽样的典型性等原则（Eisenhardt等，2007）。成立于1998年11月的腾讯公司，目前是中国领先的互联网增值服务提供商之一。腾讯的大数据走在行业前沿，腾讯社交广告、游戏、视频等都构建了行业领先的大数据平台，为大数据人力资源管理提供技术支撑。大数据人力资源管理还处在广泛探索阶段，腾讯人力资源管理的实践具有独特性，腾讯案例具有理论的典型性。

2. 资料收集

本文选取了访谈、档案文件和外部资料等多个渠道的资料来源，确保不同资料之间能够得到三角互证（吴春波等，2010）。

访谈。根据研究目的，本研究对腾讯公司进行调研，被访者人数与类型如表1所示。访谈进行了现场录音，访谈结束后将录音转成文字稿，便于后续编码分析。

取样方法为先框定三个类别（决策层、使用者、大数据人力资源管理团队），各类中采取滚雪球抽样。

访谈采用半结构化访谈，访谈提纲涵盖了本文的研究主题：大数据人力资源管理的有形、无形和人力资源，信息化到大数据人力资源管理的演进，以及人力资源管理创造竞争优势。

档案文件。本研究收集了内部资料，包括腾讯公司官方刊物《腾讯月刊》，腾讯大学相关培训课程。同时，研究者还收集到人力资源数据管理演进过程中的研讨、用户调研和相关会议纪要等资料。

外部资料。笔者对有关腾讯的公开出版图书进行搜集和整理，特别重视对具有官方性质的图书进行阅读和编码（见表2）。

其次，笔者对SSCI、CSSCI等数据库进行文献检索。再次，通过网站、微信公众平台等搜集了腾讯大数据人力资源管理的公开资料，涉及大事记及外界评价等。

（三）资料分析

首先，研究者对资料进行分类汇总，包括访谈录音、公司刊物、培训课程、书籍、文献等（刘善仕等，2015）。将档案资料编码为A，将公开出版的图书，学术期刊论文等外部资料编码为B，将访谈资料编码为C。其次，本研究基于RBV理论（Barney，1991）对访谈资料进行编码，主要从有形资源的演进、无形资源的演进、人力资源的演进、资源创造核心竞争优势四个方面（齐险峰、蓝伯雄，2006）进行编码分析。

三、案例分析与发现

2010年-2011年，腾讯公司在对市场和内部人力资源管理信息化现状进行深入调研和分析后设计规划方案，正式启动人力资源信息化项目，并将该项目分为三期重点执行：第一期：将信息“孤岛”（即孤立的信息系统）及系统数据进行大整合。第二期：提升应用型人力资源管理业务流程对于员工的辅助和支持作用。第三期：加强数据决策力、提升人力资源服务质量。

2012年，启动换“心”工程。采购并实施了ORACLE People Soft 系统，应用其核心人事（Core HR）及Payroll 模块，集成内部人力资源数据，搭建起人力资源的统一结果库，并将外围其余模块的应用端以接口的形式关联至People Soft主系统，员工可直接操作界面相对亲和及友好的外围应用端，保持较高的用户体验度。

2013年，腾讯人力资源平台与微信团队合作，开发了基于移动端的人力资源产品――HR助手，以微信企业号的形式为员工提供便捷、快速的人力资源服务，逐步推动员工自发展与自管理。

腾讯人力资源与管理线目前进行了一系列探索，2014年SDC内部成立了大数据人力资源管理团队①。2015年，COE请外部顾问，建设活力实验室。腾讯人力资源部门进行了一系列项目探索，他们正处于从信息化到大数据人力资源管理过渡的阶段。

（一）有形资源的演进

有形资源主要包括人力资源大数据基础设施及软硬件、人力资源大数据。

1. 人力资源大数据基础设施

e-HRM一般分为三层，自下而上分别是：源数据层、建模层、应用层，而腾讯的大数据人力资源管理架构逻辑多了一个派生数据层，见图1。

源数据层：腾讯人力资源的数据源来自招聘、绩效等人力资源实践产生的结构化数据。这一层最关心的问题是数据汇集和数据质量，源数据需要进行清洗转换，储存在数据仓库中。目前，腾讯SDC与源数据层的关联最多，首先，流据信息维护类服务，数据信息一方面由SDC的工作人员在系统操作产生，数据信息包括OD发文操作、员工转正、数据提取、荣誉数据维护、权限维护等。另一方面，员工通过企业微信中的“HR助手”自助办理事务也产生源数据；其次，权限配置和系统运维，包括人力资源系统的权限维护，清理和监控；最后，数据安全和质量，包括数据安全审计，数据质量规范梳理和需求响应，监控运营。

表2 有关腾讯的公开出版图书

派生数据层：派生数据是对源数据进行计算，形成的便于分析、再次使用的二级数据。如员工的司龄，等于日期减去入职日期。从人力资源数据管理的角度看，直接用到源数据的机会少，而应大量地使用派生数据。实施好派生数据层的关键有两个。第一，明确统计范围和计算逻辑，这样能提升分析的效率和标准化，建立全面、统一、易于调取的派生数据。第二，派生数据的存储和再利用。好的派生数据层可以将经过初步计算的二级数据进行储存，并方便其他人在今后使用，提升效率，减少数据冗余和浪费。好的派生数据层存储的数据应该远大于源数据层。

图1 腾讯人力资源大数据基础设施的架构层次

建模层：这一层通过需求收集、需求分析、逻辑建模、方案设计等步骤建立对一个问题分析的指标体系。待分析的问题都是管理者非常关心的问题，例如潜在的优质人才如何识别、员工健康水平如何管理、绩效表现如何改进等，有了这些问题就要思考问题分析应包括哪些指标和模块。数据建模是问题分析的思路或逻辑大纲。

应用层：这一层关心的是数据对业务的支撑。腾讯人力资源管理通过成熟型、订单型、定制型人力资源产品为管理者提供决策支持、运营监控和专业研究，同时为员工提供个人自助的数据服务。例如，SDC的管理者应用平台，SDC的HR在后台进行数据提取、报告制作和数据分析。管理者从PC、移动端上直观、清晰、实时地了解团队的人事信息。COE的活力实验室主攻应用层，有很多预研性的大数据分析，为管理者提供决策参考。

总结来看，相比信息化人力资源管理，大数据人力资源管理架构更重视派生数据层。好的派生数据层，需要预先构想数据如何存储和使用派生数据。目前腾讯人力资源的派生数据层也没有统一，在COE的活力实验室使用的是自己独立的数据架构，因此它的派生数据层和建模层相对完善。SDC的派生数据层比较薄弱。

2. 人力资源大数据

腾讯的人力资源管理的数据包括结构化数据和非结构化数据。结构化数据是信息化人力资源管理阶段，e-HRM系统产生的招聘、绩效等人力资源管理实践的统计数据员工社交网络上的沟通、网络搜索、电子图片、录像片段和地理位置等数据属于非结构化数据，分散在腾讯各个体系里。每位员工每分每秒都在产生非结构化数据，涉及到的数据量大，属于大数据范畴。非结构化数据将成为突破结构化数据的关键，其拦截与分析在技术上已不成问题，但法律道德的阻碍较大。对比谷歌人力资源管理，它们在源数据层有非结构化数据。百度人力资源数据库也已经开始纳入非结构化数据。腾讯对非结构化数据把握较严格，腾讯高层对使用内部沟通、聊天等隐私信息进行分析是比较抵制的。

（二）无形资源的演进

1. 大数据经验

腾讯大数据走在行业前沿，为大数据人力资源管理提供技术支撑。腾讯社交广告、游戏和视频等业务在大数据领域进行了大量前沿性探索，这为人力资源部门探索大数据人力资源管理提供了丰富的经验。

2. 知识和技能

1.在风险预测的工作中存在没有规律、有序开展的问题。风险预测和评估是企业在经营过程中的基础工作，开展有效的风险预测和评估有利于设计高效的内部控制体系。公立医院作为国家行政单位被要求必须每年至少做一次风险预测和评估的工作，但是在实际情况中大多数的公立医院都未能开展定期、有效的风险预测和评估的工作。大多数公立医院对风险预测和评估认识不足，不利于建设内部控制体系的工作同时降低了内部控制体系的工作效率和效能。

大数据人力资源管理中涉及存储、管理、分析能力和可视化技术等无形资源。从演进的角度来看，大数据人力资源管理较信息化人力资源管理在分析能力方面有如下变化。

信息化人力资源管理的三种分析能力。腾讯大数据人力资源管理的起源是信息化人力资源，信息化人力资源管理又可以划分为三种分析能力：统计、问题分析、监控。图2表达了三种能力的演变逻辑，在一个坐标系中，横轴代表实现难度，纵轴代表应用价值。将三种分析能力按两个维度进行定位，连接起来大致是一条斜向上的线。统计阶段的工作只是对所有人事工作进行统计，产出人力资源报告；发现问题阶段的工作是从数据中发现问题，产出人力资源的问题分析报告。例如管理者从离职率数据中看到异常，于是做一个离职率的问题分析报告，找到并分析问题。监控阶段的工作是通过系统实时、自动地发现问题，产出人力资源预警报告。监控的作用很大，无论是统计、问题分析还是预测阶段，都可以用到监控。

从信息化到大数据人力资源管理。信息化人力资源管理做到位后，实现的是基于统计、问题分析和监控的人力资源管理。但信息化人力资源管理的逻辑路径都是提前设计好的，数据分析多是事后的总结，是一种滞后的管理。大数据人力资源管理则要求能够帮助人力资源管理者进行预测，实现前置的管理。

（三）人力资源的演进

腾讯SDC根据业务需求，自下而上建立了信息建设中心、系统开发中心等，形成了部门内的产品闭环。腾讯SDC的人力资源大数据团队是跨界的，他们拥有人力资源、管理咨询、信息管理、数据库、系统开发等中的一项或多项技能、知识、经验。

比较来看，谷歌侧重于学位背景多元化。谷歌的人力资源部门有一个由十几名名校统计、组织行为学（工业心理学）博士组成的分析师队伍，专门研究不同的人力资源政策和员工绩效之间的关联，并根据研究结果随时调整薪资福利、晋升制度等，确保员工队伍始终处在一个良好的工作状态。

在访谈中，腾讯SDC的负责人指出，腾讯人力资源大数据团队需要懂人力资源管理、组织行为学、统计学的研究性人才。

图2 分析能力的演进

（四）资源创造核心竞争优势

人力资源管理从数据和事实分析中获取价值，为企业提供前瞻性的业务洞察，降低企业用工成本，通过人才地图发掘人才战略信息等。而这些实践都有助于企业绩效提升，使企业获得持续竞争优势。腾讯人力资源管理紧扣战略进行了一系列大数据人力资源管理实践。

1. 对离职进行预警的“红线”项目

“红线”项目是由COE的活力实验室牵头，多部门联合进行的大数据分析项目。项目基于员工的非结构化数据，如研究员工离职前会有何异常表现，总结规律。当其他员工出现这些表现时，系统向管理者预警，管理者采取适当的保留方案或继任者方案。

2. 降低运营量的“先知”项目

腾讯人力资源部自2013年建立了HR8008员工服务热线，为员工提供快速找到HR、获取专业人力资源知识的一站式服务。HR8008热线日常有大量运营工作，“先知”项目的目的是通过对人力运营大数据进行分析降低运营量，让HR从事务性工作中解脱出来。

通过过往的数据，可以找到事物的规律。团队根据同期员工问询的数据，预测什么时候将是某类业务咨询的高峰期，例如，通过对2014年、2015年的数据进行观察，发现7、8月份是“实习生留用考核”问题咨询的高峰期。团队人员通过抓取几个关键时间节点，提前做好Q&A，并将其接入门户热点问题及搜索后台知识库，员工可以快捷地找到相关解答，减少了重复的问询，同时员工的满意度也提升了。

员工感受不到人力资源管理者的存在，反而是人力资源管理理想的状态和努力的方向。2016年以前，团队将咨询升级量作为KPI来考核，绩效的导向是人均咨询量、处理量越高越好。2016年实施“先知”项目以后，理念转变为腾讯员工的人均问询率、咨询升级率越低越好。

3. 助力员工招聘与保留的员工稳定性分析项目

为提升招聘环节的效率和效果，人力资源管理者将腾讯历史上所有的员工按照稳定程度分成多个样本，通过对大数据的挖掘找到与稳定性相关的典型特征，建立起能够识别候选人稳定性的数学模型。招聘系统进一步应用数据分析结果，系统自动根据应聘者的简历，对候选者的稳定性做出评估，向负责招聘的人力资源管理者及业务负责人提供决策建议。这个分析有助于员工特征与职位的匹配，为后续招聘以及保留环节提供参考。

此外，腾讯还在用大数据衡量组织活力，探索一个产品或项目团队，团队的人力配置有什么特点？这个团队是一个比较有活力的团队吗？组织活力是腾讯的人力资源战略重心，是组织的核心竞争力。2012年以后，《腾讯月刊》开始发布图腾栏目，该栏目借助数据分析和图形呈现，对管理者、员工关心的员工健康、企业发展、行业动态等主题进行大数据分析、预警、预测，为管理者、员工提供现象解释、决策参考。

表3 案例证据

四、讨论与结论

本研究首先分析了构成腾讯大数据人力资源管理的基础设施、技术和人才配置是如何演进的，从其信息化人力资源管理到大数据人力资源管理的演进路径中提炼研究命题。其次，从案例中归纳出大数据人力资源管理与企业竞争优势的逻辑模型。

（一）从信息化到大数据人力资源管理演进及相关命题

企业的人力资源数据管理从信息化演进到大数据的过程，涉及有形资源、无形资源和人力资源的演进，有形资源的演进首先体现在，派生数据层的建立，如针对潜在的优质人才的识别、绩效表现的改进等问题建模前，生成派生指标并存储数据。有形资源的演进还体现在数据仅由人力资源职能模块产生的结构化数据构成，到结构化数据加非结构化数据构成，非结构化数据是与员工工作、社交等相关的数据。无形资源的演进体现在人力资源管理从对数据进行统计、问题分析与监控，演进到更多地进行数据预测。人力资源的演进体现在大数据人力资源管理复合型团队的构建。有形资源、无形资源和人力资源的演进效果并非演进后资源的简单加总，而是资源的排列组合，能够为企业带来竞争优势。以上演进过程可以看出，大数据人力资源管理在信息化人力资源管理的基础上发生了质的变化，是对信息化人力资源管理的一个重大颠覆。

1. 有形资源的演进及其与竞争优势的关系

研究发现，派生数据层是一项重要的有形资源。大数据人力资源管理需要设计指标体系，但与信息化人力资源指标体系的不同之处在于大数据人力资源管理的指标体系以派生数据层为基础。分析师能够在发现一些潜在的有价值的数据后，建立数据间的关联，尽量不放过任何一个有趣的数据细节，并总结成派生指标。大数据人力资源管理的指标体系不是固定不变的，通过对非结构化数据的不断演算挖掘，不断会有新的派生指标出现，并推导指标体系，相当于是对指标体系的倒逼，它的形成过程与信息化人力资源指标体系构建过程恰恰是相逆的。大数据人力资源管理指标体系是动态发展的，这也为人力资源管理的不断变革创新提供了更多的可能性。

命题1a：大数据人力资源管理的有形资源中，派生数据层的建设有助于企业构筑竞争优势。

大数据人力资源管理的基础是智能化的人力资源数据，它与信息化人力资源数据有着根本的不同，最本质的区别在于大数据强调的是可以被探测挖掘到的所有非结构化数据而不是传统意义上基于指标收集的结构化数据，结构化数据往往根据现实指标体系的要求对数据主动收集和监测，而非结构化数据则打破了这一框架，不再仅限于人力资源招聘、绩效等实践，更加注重对员工工作日常产生的非结构化数据进行管理，基于算法对这些非结构化数据进行建模，从数据的相关性中发现组织、团队、员工潜在的问题，为组织提供有价值的战略、业务洞察。

命题1b：大数据人力资源管理的有形资源中，非结构化数据有助于企业构筑竞争优势。

2. 无形资源的演进及其与竞争优势的关系

大数据人力资源管理的分析不同于信息化人力资源，人力资源部门在信息化人力资源阶段，始终围绕结构化数据进行统计、问题分析与监控。信息化人力资源分析是事后的分析（Post hoc analysis），信息化人力资源管理也是一种滞后的管理。而大数据人力资源管理基于预测方面的经验、知识、技能，为人力资源管理者预测方面的建议，实现前置管理。

命题2：大数据人力资源管理中的无形资源中，预测方面的经验、知识、技能有助于企业构筑竞争优势。

3. 人力资源的演进及其与竞争优势的关系

在大数据人力资源管理中，管理者发现对于大数据与人力资源复合型人才的需求越来越高，由于涉及计算机技术、数据算法、心理学原理、人力资源、信息管理等多方面的知识、经验和技术要求，大数据人力资源管理复合型人才供给与需求存在缺口的现实问题越来越凸显，很多人才拥有某类知识，对于跨学科知识积累还不够。吸纳和培养相关专业人才，提升大数据人力资源管理效率，组织异质性的大数据人才和技术专家团队，可以为企业提供核心竞争优势。

命题3：大数据人力资源管理中的人力资源——大数据人力资源管理复合型团队，有助于企业构筑竞争优势。

（二）大数据人力资源管理通过组织能力构筑企业竞争优势

企业大数据人力资源管理加强了人力资源用数据决策的意识和能力，让更精确地计量人力资本的价值成为可能，促进员工特征与职位进一步匹配，降低管控成本。这与众多学者的分析基本吻合（彭剑锋，2015；徐艳，2016；张丽娜等，2016；张欣瑞等，2015）。本文进一步将以上四个方面归为人力资源的组织能力，结合上述结论，构建了资源通过组织能力创造竞争优势的逻辑模型，如图3所示。

五、局限性与未来研究

本研究的局限性有：第一，企业人力资源数据管理演进的思路并不唯一，腾讯人力资源部门的数据管理转型仅是其中一种模式。腾讯人力资源数据管理能成功地转型升级，与其有成熟的信息化人力资源管理做基础是分不开的，腾讯的案例具有特殊性，研究结果的普适性尚不清晰。第二，研究总结归纳出大数据人力资源管理能打造组织竞争优势，这一结论尚未通过实证检验。第三，大数据人力资源管理研究选题具有技术性、复杂性，由于研究者专业能力的局限性，无法在访谈、编码中对涉及大数据技术方面的问题进行深入探讨和分析。

因此，本文建议未来的研究可以从以下几个方面开展：第一，选取其他企业的大数据人力资源管理转型实践进行单案例或多案例研究，从众多企业人力资源数据管理演进中归纳路径、经验。第二，对本文提出的研究命题进行量化检验，对结论进行补充和完善。第三，建议人力资源管理学者与计算机、大数据或软件工程等专业的人士合作研究，对大数据挖掘、分类、预测等技术如何具体应用在人力资源管理中进行分析。

图3 大数据人力资源管理创造竞争优势的逻辑模型

注 释

①腾讯公司的组织架构中人力资源部门名为人力资源与管理线（S3）。腾讯实施三支柱的HR体系，分别为：COE、SDC、HRBP。

1. 胡水晶：《基于资源基础观的企业大数据分析技术采用意愿影响因素研究》，载《情报科学》，2016年第5期, 第148-152页。

2. 刘善仕、周子琛、肖祥伟：《基于微创新能力下的人力资源实践研究——以腾讯为例》，载《中国人力资源开发》，2015年第12期，第77-82页。

3. 卢强、冯蛟、郭伟：《数据化的人力资源管理实践——以H企业为例》，载《中国人力资源开发》，2015年第16期，第56-63页。

4. 潘善琳、崔丽丽：《SPS案例研究方法: 流程、建模与范例》，北京大学出版社，2016年版。

5. 彭剑锋：《从二十个关键词全方位看人力资源发展大势》，载《中国人力资源开发》，2015年第2期，第6-11页。

6. 齐险峰、蓝伯雄：《IT资源与持续竞争优势——基于企业资源观的述评》，载《清华大学学报(自然科学版)》，2006年第S1期，第930-935页。

7. 王斌：《电子商务系统内的人力资源管理模式解析》，载《电子测试》，2013年第9期，第197-198页。

8. 王通讯：《大数据人力资源管理》，中国人事出版社，2016年版。

9. 吴春波、高中华、洪如玲：《民营高科技企业成长过程中人力资源管理角色演化模式研究——基于H公司的案例研究》，载《管理世界》，2010年第2期，第127-140页。

10. 徐艳：《大数据时代企业人力资源绩效管理创新》，载《江西社会科学》，2016年第2期，第182-187页。

11. 张丽娜、夏庆利：《高校人力资源管理的现实困境与对策——基于大数据思维下高校人事档案信息化建设的探讨》，载《学术论坛》，2016年第4期，第157-161页。

12. 张欣瑞、范正芳、陶晓波：《大数据在人力资源管理中的应用空间与挑战——基于谷歌与腾讯的对比分析》，载《中国人力资源开发》，2015年第22期，第52-57页。

13. 郑伯埙、黄敏萍：《实地研究中的案例研究》，载陈晓萍、徐淑英、梵景立（编）：《组织与管理研究的实证方法（第二版）》，北京大学出版社，2012年版，第236-271页。

14. Angrave D, Charlwood A, Kirkpatrick I, Lawrence M, Stuart M. HR and analytics: Why HR is set to fail the big data challenge. Human Resource Management Journal, 2016, 26(1): 1-11.

15. Barney J B. Firm Resources and Sustained Competitive Advantage, Journal of Management, 1991, 17(1): 99-120.

16. Bondarouk T, Ruel H. The strategic value of e-HRM: Results from an exploratory study in a governmental organization. International Journal of Human Resource Management, 2012, 24(2): 391-414.

17. Conner K R, Prahalad C K. A resource-based theory of the fi rm: Knowledge versus opportunism. Organization Science, 1996, 7(5): 477-501.

18. Eisenhardt K M & Graebner M E. Theory building from cases: Opportunities and challenges. Academy of Management Journal, 2007, 50(1): 25-32.

19. George G, Haas M & Pentland A. Big data and management. Academy of Management Journal, 2014, 57(2): 321-326.

20. George G, Osinga E C, Lavie D & Scott B A. Big Data and Data Science Methods for Management Research. Academy of Management Journal, 2016, 59(5):1493-1507.

21. Manyika, J. Chui, M. Brown, B. Bughin, J. Dobbs, R. Roxburgh, C. and Byers,A. Big data: The next frontier for innovation, competition and productivity. McKinsey &Company, 2011.

22. Marler J H, Fisher S L. An evidence-based review of e-hrm and strategic human resource management. Human Resource Management Review, 2013, 23(1): 18-36.

23. Nordhaug O, Gronhaug K. Competences as resources in firms. The International Journal of Human Resource Management, 1994, 5 (1): 89-106.

24. Prahalad C K, Hamel G. The core competence of the corporation. Harvard Business Review, 1990, 68(3): 275-292.

25. Ruël H J M, Bondarouk T V, Looise J K. E-HRM: Innovation or irritation.Explorative empirical study in fi ve large companies on web-based HRM. Management Revue, 2004, 15(3): 364–380.

26. Ruel H, Bondarouk T, Velde M V D. The contribution of e-HRM to HRM effectiveness Results from a quantitative study in a Dutch Ministry. Employee Relations,2007, 29(3): 280-291.

27. Teece D J, Pisano G, Shuen A. Dynamic capabilities and strategic management.Strategic Management Journal, 1997, 18 (7): 509-533.

28. Wright P M, Dunford B B, Snell S A. Human resources and the resource based view of the firm. Journal of Management, 2001, 27(6): 701-721.

29. Yin R K. Case study research: Design and methods. Sage, 1984.

■责编/李朋波 Tel:010-88383907 E-mail: lpbup@sina.com

From e-HRM to Big Data HRM:The Evaluation of Human Resource Data Management——A Case of Tencent

Xi Nan, Li Yuming, Peng Jianfeng and Ma Haigang
（School of Labor and Human Resources, Renmin University; School of Arts and Law,Beijing University of Chemical Technology; School of Labor and Human Resources,Renmin University; Tecent Inc）

The big data HRM literature, to date, grows rapidly. However, big data HR in most of articles still belongs to e-HRM. Few studies have been focused on defining the difference between e-HRM and big data HR, and analyzing their relationship. In the Resource based view, the influence of tangible, intangible and Human Resource are systematically discussed. Based on the Resource based view, this exploratory case study summarizes how Tencent’s Human Resource data management changes from the e-HRM to the big data HRM. Study found that big data HRM is the qualitative change in terms of e-HRM, which brings competitive advantage for organization. The logic model of big data HRM and competitive advantage has been proposed.

Big Data HR; E-HRM; RBV

西楠，中国人民大学劳动人事学院，博士研究生。电子邮箱：xinannanxi@126.com。

李雨明，北京化工大学文法学院，硕士研究生。

彭剑锋，中国人民大学劳动人事学院，教授，博士生导师。

马海刚，腾讯公司人力资源平台部总经理，管理学硕士。