大数据时代科技创新人才个性化激励机制研究

2019-07-16谢从晋毕孝儒杨柳

新课程研究·教师教育 2019年5期

谢从晋毕孝儒杨柳

摘要：本文分析了当前科技创新人才激励机制存在的缺陷，并在此基础上，针对不同创新主体的需求层次和个体差异，广泛采集各类创新主体的创新大数据信息，研究大数据时代下科技创新人才的个性化激励机制，激发、维持科技人才从事创新事业的积极性。

关键词：大数据;人才创新画像;个性化激励

作者简介：谢从晋，四川外国语大学重庆南方翻译学院讲师，研究方向为大数据与科技管理;毕孝儒，硕士，四川外国语大学重庆南方翻译学院讲师，研究方向为大数据与云计算;杨柳，硕士，四川外国语大学重庆南方翻译学院副教授，研究方向为数据挖掘。（重庆 401120）

基金项目：本文系重庆市教育委员会科学技术研究项目（编号：KJQN201802301）资助;重庆市教育科学“十三五”规划专项课题（编号：2017-GX-385）的阶段研究成果。

中图分类号：G434 文献标识码：A 文章编号：1671-0568（2019）15-0089-02

人才是科技创新最核心的要素，研究科技创新人才的激励机制，破解人才激励难题，充分发挥人才的创新潜能，从而保障我国的科技创新事业拥有源源不断的人才。

一、传统的科技创新人才激励机制存在的缺陷

1.评估科技人才创新能力的信息来源不足。传统的科技人才创新能力评估体系的信息来源十分有限，往往局限于人才简历表上的数据信息（如年龄、学历、证书、成绩、职称、经历等），没有考虑对人才发展产生重要影响的科技创新环境等信息，这种信息利用方式与大数据时代海量信息处理方式相比显得十分不匹配。

2.科技人才激励手段同质化现象严重。传统的科技人才激励手段将人才按统一标准进行归类处理，如按年龄、职称、业绩等进行简单划分，激励方法往往也是采用相同的方式，没有充分考虑各类科技人才的个性化特征，更不能针对具体的每一位人才的个体特征采取精准的激励措施。

3.科技人才评估存在静态性和主观性。实施人才激励的前提和基础是对人才的评估。由于技术条件的限制，在传统的科技人才评价体系中，对人才的评估标准简单化。静态的指标只能评测出人才在过去某一时段某一方面的成绩或能力，不能全面客观地反应人才创新能力的动态变化特征;传统的评估方法往往局限于观察法、专家评测法等，这种评估方式要么过于简单，要么耗时费力，难以保障评估结果的客观性和准确性。

二、构建基于大数据技术的科技创新人才个性化激励机制

1.大数据时代科技创新人才个性化激励的原则。

（1）科技人才创新信息的多样性。大数据背景下有关科技人才创新能力的信息是海量的、全方位的，另一方面这些信息也是异构的。信息的类别十分多样，包括人才的教育数据信息、职业数据信息、生活数据信息、社交数据信息、信用数据信息，消费数据信息、身心健康数据信息等;信息的来源十分广泛，包括人才毕业的学校、开办账户的银行、工作的机构单位、购物的电商平台或实体店场所、合作的公司、近期看病的医院等。

（2）科技人才激励措施的针对性。激励科技人才从事科技创新活动的措施应该充分考虑各类科技人才的个性化特征，设计具有针对性的激励方案。

由于每一位科技人才的教育背景、知识结构、创新思维、个体需求、专业领域、专业技能都不完全相同，因此要根据人才具体的情况制定出适合人才全面发展的实施方案。

（3）科技人才激励目标的精准性。根据科技人才的创新特质，制订精准化的激励方案并且做到方案的实时更新，保障科技人才在创新事业上充分利用各种有利条件，从而保证激励效能的最大化。

2.大数据时代科技创新人才个性化激励的策略。

利用大数据工具与智能化服务，分析各类科技创新人才的创新特质，制订合适的、有针对性的激励方案，开展科技创新人才个性化的激励工作。

（1）设置符合我国当前产业结构和发展理念的人才激励目标。人才的激励工作既要高瞻远瞩，又必须脚踏实地。激励目标的设置要符合我国国情和发展实际，不能脱离产业结构和发展理念。注重人才激励目标与社会发展质量的深度融合，保证人才激励政策与科技创新管理政策、产业发展政策、体制机制改革政策相适应，形成激励目标与社会政策联动效应。

（2）利用大数据工具“绘制”科技人才的“创新画像”。设计评估科技人才创新能力的创新标签体系，对搜集到的科技人才海量信息进行实时分析和动态处理，绘制出基于大数据分析的科技人才“创新画像”，并且根据大数据信息实时地更新和完善人才数据库。

科技人才的创新标签体系可分为一级标签、二级标签和三级标签。一级标签可设置为理论创新素质和实践创新能力;二级标签中，将理论创新素质划分为创新意识、创新思维、创新勇气、创新热情、创新信念与学习能力等，将实践创新能力划分为创新经历、创新技能、创新方法、创新成果等;三级标签较多，包括学历、成绩、智商、情商、好奇心、业绩、履历、心态、社交圈等。

在开展创新人才管理工作时，通过创新标签体系对人才的创新实力进行动态地监测与评估，研究评估结果与人才创新绩效之间的相关关系并将这种关系反馈到人才大数据的采集与处理环节，让评估更具客观性。

（3）结合当前创新情况设计出具有针对性的人才激励方案。当前我国在一些领域的创新实力已经处于世界领先地位，有的领域则处于较落后状态。制定科技创新人才激励政策和实施相应的激励措施时，要根据产业的不同而制定不同的激励方案;要根据创新主体（包括高校、科研院所、科研人员、高科技企业等团体或个人）的不同而制定不同的激励方案;要根据创新人才不同的发展阶段制定不同的激励方案。

由于激励因素和激励策略具有多样性，所以激励方案的设置应该充分考虑每一项激励因素和每一项激励措施的效果。大数据工具和平台通过采集、处理人才创新信息，识别创新人才在激励需求上的差异性和侧重点，分析实施后的效果信息，从而设计出各项激励因素和激励措施的最优组合，在各类具体的激励因素（物质激励、精神激励、个人与团队激励等）上设置不同的强度，从而得到最优激励效果。

（4）利用大数据技术开展科技人才激励效果的评估。科技人才激励效果的评估至关重要，关系到激励措施是否真实有效，激励目标能否实现也关系到后续激励政策的导向问题。利用大数据工具与智能化服务重构科技人才的创新能力评估体系，实现科技创新人才激勵模式从目标驱动转向数据驱动。

具体实施路径可分为四步：首先，调查目前评估科技人才创新效率的现状，为重构评估体系打下基础;其次，对比国内外科技人才创新效率（创新能力、创新投入、创新产出、创新管理、创新影响）的评价指标体系，分析当前我国科技人才创新效率评估的不足和缺陷;再次，利用大数据工具构建科技人才的创新评估体系，包括基于大数据的评估原则、评价标准、评估方法、评价指标和权重分配;最后，设计科技人才创新能力评估的优化路径。