基于大数据的人力资源管理探析

王涛

[摘 要]人力资源管理是企业管理的核心内容，也是企业获得竞争优势的关键。随着信息技术的迅猛发展，企业管理数据呈几何级增加，为运用大数据技术解决人员招聘、企业培训、薪酬管理等人力资源管理问题提供了可能，同时也为新时代人力资源管理提出了新的挑战。

[关键词]人力资源管理;大数据;应用;挑战

doi：10.3969/j.issn.1673 - 0194.2019.14.041

[中图分类号]F272.92[文献标识码]A[文章编号]1673-0194（2019）14-00-03

0     引 言

随着大数据时代的到来，世界各国纷纷制定大数据发展战略，突出大数据对国民经济发展和提高人们生活水平的重要性，大数据理念在人们工作和生活中的应用越来越广泛，引发了人力资源管理领域变革。人力资源管理在企业发展管理的核心内容是企业管理的重点、难点，是企业发展的生命力，在大数据发展日新月异的今天，为人力资源管理创新提供了方法，但也面临着诸多挑战。

1     人力资源管理存在的问题

人力资源管理最早是由怀特·巴克于1958年在《人力资源功能》一书中提出，经过近60年的发展，先后经历了行政事务管理、人事管理和人力资源管理等阶段。人们开始认识到人力资源的重要性，是企业组织核心能力和竞争优势的源泉，是形成能力与优势的关键，是提高人员能力素质和组织运转效率的重要手段。但受技术支撑、管理水平等因素的影响，当前人力资源管理存在诸多问题，影响管理水平。

1.1   人力资源管理信息综合应用手段少

传统人力资源管理的主要手段是各种各样的表格和问题，往往要求管理者或者被管理者机械性填写。随着信息技术的发展，出现了指纹打卡、钉钉打卡等电子化支撑手段，但依旧是简单电子表格填写。这种表单式管理模式表面上规范有序，实际上“处处留痕”，实际价值不高。以重要的绩效管理为例，在管理过程中，要求员工填写烦琐的考核表，难以保证表格设计的评价内容、评价权重、考核人员等要素的合理性和科学性，最终结果往往“黑不黑划一道”，实际意义不大。

1.2   人力资源管理数据开发利用不充分

在传统人力资源管理模式下，系统收集的数据以定性数据为主，比如常见的人员培训计划主要依靠管理者长期工作经验积累，梳理培训项目、培训内容、培训时间等内容，人员培训的针对性、适用性受到影响。对于培训效果评价，仅仅依靠受训人员的主观感受和培训前后的业绩变化做出简单评估，并未深究业绩变化的真实原因。再加上管理过程中受管理部门不同，管理表单的设计各不相同、相互割裂，很难有效整合。比如招聘表单、绩效表单、薪酬表单很难有效对应，人力资源管理很难有效全面追踪人力资源建设状况，直接降低人力资源管理信息利用率。据IBM调查显示，一般企业有效利用的信息只占储存信息的2%～4%，大量信息资源被束之高阁，造成浪费。

1.3   人力资源管理有效信息整合难

开发传统企业管理信息系统主要为了满足单项事务处理单机运行系统或者多项事务联机处理的作业系统，从而梳理事务数据之间的关系;多采用关系型数据库，大量非结构化数据很难纳入管理系统中，造成人力资源管理无法获得足够的数据支撑，很难利用系统中的关系型数据，很难在短时间内有效识别数据，这些数据对人力资源管理的价值更无从评价。基于商业智能的人力资源管理模式以强大的信息系统做支撑，实现了数据整合，但由于企业组织架构条块分割，造成内部沟通困难;历史数据积累不足，造成基础数据质量不高，以至于很难真正意义上实现人力资源商业智能管理。

2     大数据在人力资源管理中的应用

大数据以强大的数据采集、数据处理、数据挖掘、数据呈现能力推动人们生产、生活方式改变，为人力资源管理注入新的动力。

2.1   招聘与选拔大数据服务员工

一是精准挖掘求职者。随着大数据技术的发展，当前人才招聘开始运用大数据思维，建立集公司内网、招聘网站与社交网络于一体的网络支撑体系，员工在登录内网系统时，自动关联招聘网站、社交网络。在发布招聘信息后，内部员工可以根据招聘内容推荐合适人才，人才搜索系统通过招聘网站简历信息库和社交网络大数据，构建一套同时面对求职者和招聘官的双向扩展匹配算法，找出满足企业需求的潜在求职者，进而通过内部推荐和搜索推荐解决企业人才招聘问题。二是系统评估能力素质。传统能力素质测评，通常采用心理测试、能力测试等测试表格、试题来完成。在大数据背景下，一些表面上毫无关系的现象更能体现出应聘者的隐形素质。比如，从员工流动风险管控看，经常换工作的人不一定是最早的离职者;从员工忠诚度看，参加朋友圈较少的雇员忠诚度更高。尽管内在因果关系无法言表，但这些数据结论可以保障企业进行人员甄选。三是提高人员岗位匹配度。给合适的岗位配备适合的人员是企业招聘的关键。在传统人员定岗过程中，应用比较多的是以“开放性”“责任心”“外倾性”“宜人性”“神经质、情绪稳定性”五要素为主体的“大五人格测试”。在大数据支撑下，减少了大五人格体系中确定某种性格时的人为主观性。比如，被人们津津乐道的优秀性格——诚实，是招聘的一个重要标准。但经大数据分析后，诚实的销售人员往往业绩不是很好，这表明大数据可以为企业招聘提供更加全面的测试工具，有效匹配人员素质与岗位需求，在提高企业人力资源管理水平的同时，提高员工工作满意度。

2.2   大数据打造新型培训体系

入职培训是企业人力资源管理的重要内容，傳统培训需要固定的场所、固定的时间做支撑。随着信息技术的发展，网上培训突破了传统培训模式时间和空间限制，实现培训时间的自主选择、培训内容针对有效、培训地点灵活机动，变传统的“要我学”为现在的“自主学”，极大提高了任职培训的针对性和有效性。在自主学习的同时，为入职者提供了与培训师交流的平台，适时适地答疑解惑。在有效完成培训任务的同时，实现职业培训大数据积累。首先，通过数据挖掘，精确预测和评估培训需求，系统梳理入职培训知识体系，增强培训内容的针对性;其次，有效调动人员培训积极性，通过学员微讲座、微论坛等形式构建人员自主探究、合作学习的新型培训方式;最后，企业通过大型网络教学平台丰富和完善教学内容，引导员工结合工作需要和自身职业生涯规划，有针对性地进行自主学习，并可通过科学的激励措施激发员工的主动性和自学能力，在企业文化中牢固树立终身学习的理念。

2.3   大数据支撑绩效薪酬管理

绩效薪酬管理是人力资源管理的重点，也是人力资源管理的价值体现。一是工作痕跡管理支撑绩效预测。在大数据时代，信息采集处理技术为全面收集员工或部门工作痕迹提供了条件，通过建立企业大数据，从丰富、多样的全样本信息中找出事物发展变化的关联性。通过挖掘全要素、全流程痕迹的数据，可以准确评估员工绩效，进而全面评估企业员工、部门及企业的业绩。二是薪酬云平台助力科学定酬。在大数据支撑下，各企业、实体之间的薪金待遇近乎透明。一方面，企业员工可以利用薪酬福利云平台或者相关晒工资网站，准确定位自己的工作能力、工作业绩，以便保障自己的利益不受侵犯。在云平台的支撑下，员工还可以根据个人需求自主制定薪酬支付方式，在企业薪酬框架内弹性调节薪酬结构，实现个人兴趣爱好与需求的统一;另一方面，企业可以动态追踪行业薪酬福利变化，营造拴心留人的企业内部环境，为企业健康可持续发展奠定人才基础。早在2011年，众多企业就借助易才集团推出薪酬云外包薪酬评测业务，实现更加及时、更加准确、更加人性化的薪酬管理。

2.4   大数据改善员工工作关系

随着大数据技术在人力资源管理中的应用，传统的经验管理或表单式管理被企业大数据挖掘处理、分析、预测所替代，通过对大量数据进行精准评判或者案例研究，为人力资源管理提供完备的建议、方案，为决策、实践提供支撑，比如最常见的员工离职问题，传统模式下都是将业绩持续下降、考勤变动异常、团队关系紧张等现象作为离职先兆，但这种方法观测时间长、费时费力，受管理者主观影响大，不利于企业发展。再加上这些现象大多发生在离职前夕，挽回余地较小。在大数据技术加持下，通盘考虑员工个性、职业发展规律、行业发展变化、企业内外环境等因素，可以提前预测员工离职倾向，提高人力资源管理的预见性和精准性，企业采取针对性措施确保人才队伍稳定，在满足企业人力资源管理的同时，也实现员工与员工之间、员工与企业的无障碍沟通，既增强了员工对企业发展建设的参与意识，又拉近了管理者与被管理者之间的关系，提高了企业对员工的熟悉度，增强了企业凝聚力。

3     大数据在人力资源管理应用中面临的挑战

大数据挖掘应用在企业管理领域得到应用，在企业市场营销领域取得丰硕成果，大数据支撑人力资源管理是大势所趋，数据驱动的人力资源管理必将成为企业取得竞争优势、实现组织战略目标的关键，但人力资源管理运用大数据的过程中还面临诸多挑战。

3.1   数据分析难

企业汇集了海量管理数据，在对海量数据用不用、怎么用等问题上，给企业管理者造成了许多困惑。第一，海量数据“用不用”的问题。人力资源管理领域应用大数据实质上就是尽可能利用可量化手段解决管理问题，对企业管理者而言，就是掌握了更多数据，但是数据可信度成为数据管理的焦点。由于大数据具有低密度特性，不能等同于好数据，采集手段不完美、人为因素影响等问题，极易影响数据的真实性，进而影响最终应用效果。即便能够确保数据真实性，但企业管理是管理者认知模式、知识、情感、决策环境共同作用的结果，大量心理学和组织行为学研究表明，企业管理中起决定作用的依然是人，不能过分依赖数据，尽信“数”不如无“数”。因此，在基于大数据的人力资源管理过程中，应充分认清大数据技术的辅助支撑作用，不能忽略管理者的经验和直觉。第二，数据“怎么用”的问题。面对海量企业管理数据，人力资源规划部门感觉束手无策，数据甄选成为决策者的难题。管理部门可以借助企业云平台，获得财务、市场、生产等部门数据信息，辅以员工个人数据、企业政策数据、公司文化特征、薪酬福利制度、培训管理数据和绩效考核数据等，预测企业人力资源管理需求。但对这些数据进行关系梳理、权重划分、数据分析工具选择都是令人头疼的问题。

3.2   数据获取难

胜任力模型是人力资源管理的核心工具，企业岗位职责分析、人员招聘定岗、员工培训鉴定、工作绩效考核、薪酬福利确定都以胜任力模型为基础。但构建胜任力模型不仅需单个企业收集数据，还需要获得同类企业相同岗位人员的特征;需要企业管理通用要素信息以及企业时代特征、文化制度，甚至国家经济环境信息;需要员工工作场景信息支撑，还需要个人生活信息辅助。只有充分占有信息，理清内在关联关系，才能制定出比较客观实用的胜任力模型。构建一些新增岗位的胜任力模型，往往需要类似岗位经验数据做支撑，这就要求企业在制定模型的过程中，尽可能去除个人主观性，确保胜任力模型的客观性。

3.3   不能满足高标准的安全要求

企业在人力资源管理中应用大数据，实质就是整合、分析、挖掘和利用全方位记录公司内网、个人社交平台上各式各样的信息。在方便管理者了解员工需求的同时，不可避免地会接触到员工个人隐私数据，数据分析利用不可避免地会威胁到个人隐私。在互联网时代，个人隐私权不再仅限于简单的防护行为，而是更加注重个人数据的二次加工利用以及传播范围控制。在大数据交叉验证技术的作用下，传统的匿名式网络交互几近透明;网络实名制推行，增加了个人隐私保护的难度。如果不能妥善解决个人隐私泄露问题，极易激发员工的自我保护本能，一方面使企业面临法律纠纷的威胁，另一方面造成员工不愿通过网络表达自己的真实意愿，使大数据分析在一定程度上失去了价值，这需要配套完善的法规体系和具有高尚道德情操的管理员作为保证。

主要参考文献

[1]张钰.大数据在企业人力资源管理中的应用[J].产业与科技论坛，2016（14）.

[2]丁俊发.大数据时代的机遇与挑战[J].中国储运，2013（7）.

[3]唐魁玉.大数据时代人力资源管理的变革[J].中国人力资源社会保障，2014（3）.