大数据时代下企业人力资源管理新探索

2022-02-05谢丽李吉吴希贤

商展经济 2022年13期

谢丽李吉吴希贤

(1.江苏通信置业管理有限公司江苏南京 210003; 2.南京审计大学江苏南京 211815)

人力资源管理，是指运用现代化的科学方法，根据企业发展战略的要求，通过招募、遴选、培训、报酬等多种管理形式，有计划地对企业相关人力资源进行合理配置和有效运用，在满足企业当前发展的同时，顾及未来长远发展的需求，确保实现企业经营目标与成员个人发展最大化的一系列管理活动。人力资源管理过程中，涉及许多有关企业和员工的基础数据。大数据作为一种数据集合，是信息化系统不断记录着的客观数据，通过对这些历史数据的挖掘和分析可以预测未来，产生新的知识点。因此，对于人力资源管理来说，运用大数据技术可以大幅提升管理水平。

1 企业人力资源管理中存在的问题

1.1 人力资源规划不科学

人力资源规划是企业战略规划的重要组成部分,也是企业各项管理工作的基础和依据[1]。然而，相当一部分企业并没有围绕其发展战略目标对人力资源进行规划，不清楚企业到底需要什么样的核心人才。此外，当企业战略发生调整时，人力资源规划却不能及时随之调整。如常见的企业重组，往往只是整合了业务和人员，而定岗定编等方面却没有随环境的变化而及时规划，造成员工的个人职业生涯发展规划与企业的战略目标不契合，制约了人力资源管理的有效发挥。

1.2 人才招聘陷入两难境地

随着我国中西部经济的快速发展，当地提供了更多的就业机会，沿海地区就业优势减弱，人才就业的选择更加多样化，就地择业受到青睐。在经济高速发展过程中，自主创业、自主就业等形式增加，90后、00后新生代就业主力军所追求的不仅是薪酬待遇，提高个人阅历、展现个人风采、实现个人价值等高层次的个人需求也是他们选择就业非常重视的因素，这在很大程度上也造成了企业招聘的困境。此外，大量中小型企业在人才选拔流程中没有在心理测评、性格测评、能力测评、职业倾向测评、行为面试、职业背景调查等环节做到面面俱到，很难将人才和企业及岗位进行精准匹配。因此，当下很多企业时常面临“招人难”的问题。

1.3 员工诉求得不到有效支持

当前，企业为员工提供的福利往往只体现在工资和绩效上，并不能完全满足员工的合理需求。通过专业机构对员工及其直系亲属提供指导、培训和咨询，可以解决员工及其家庭成员的各种行为和心理问题，提高员工的工作效率。依靠对组织环境的分析，提前发现并消除可能存在的影响员工绩效的各种因素，从而提升企业内部员工的团结程度，提高企业凝聚力，最终达到提升企业形象的效果。这些都需要企业为员工制定一套系统的、长期的福利与支持制度，否则会削弱员工工作积极性，进而影响整个组织机构业绩目标的实现。

1.4 绩效考核缺乏定量标准

许多企业对员工的绩效考核标准与权重往往是接近年末时才匆忙制订的，其绩效管理目标不是从企业的发展战略逐级分解得来，从而不能引导所有员工的行为趋向组织的发展目标，导致与企业战略目标相背离[2]。除此以外，企业制定考核标准时通常仅从员工德、能、勤、绩等定性方面考虑，没有量化性指标，实施困难，绩效考核客观上流于形式。绩效考核层面存在欠公平、不科学的问题，导致员工满意度降低。再加上绩效奖励缺乏弹性，千篇一律的奖励机制损害了竞争性和公平性，无法起到激励员工的作用，导致优秀员工缺乏工作动力，而后进员工又缺乏压力。

现行人力资源管理制度中存在的这些问题，会使得员工丧失进取心，进而影响企业整体效率。此外，很容易造成人才流失现象，经常性岗位空缺会增加人工成本，同时也会影响企业内部员工的凝聚力。

2 大数据分析在人力资源管理中的应用

下文给出了大数据分析技术针对当前人力资源管理中普遍存在的问题方面的一些应用场景和案例，以期为企业在暗流涌动的市场中获取主导地位提供有益参考。

2.1 针对性的人力资源规划

考虑到经营模式的调整优化及其他业务的需求，企业在业务快速发展的同时，对人力资源的需求也不断攀升。然而，随着企业员工数量的快速增长，不仅造成了用工管理风险急剧增大，也会不可避免地提高人力资源费用及其他相关费用的支出。

如果人才结构配置不合理，很容易导致人力资源浪费，引发人才频繁流动[3]。在信息化、数字化管理广泛普及的21世纪，企业的各类信息管理系统层出不穷，为了顺应当今的大数据时代环境，人力资源部门的主管应当借助这些管理系统，搜寻并整理员工数量和质量、人力资源管理结构、人员的流动、员工个人发展等成体系的数据集合，同时将企业的整体发展规划和人力资源管理的理念相结合，为企业的人才储备计划和合理有效的人力资源规划提供科学化、数字化的决策指导，摒弃传统的人力资源规划靠感觉、凭经验决策的旧方法，推崇人力资源管理用事实、数据为依据。

人力资源管理会产生大量高价值的数据，通过对这些数据的合理采集和利用，我们可以提取企业用工类型及用工总量、各部门用工总量、人员流动性等信息，从中针对性地辨析发现问题，并对需优化改进的方面提出举措建议，辅助经营管理决策。例如，可以利用大数据多维度可视化技术即时概览组织形态及当前配置情况，清晰地辨析出组织结构、管理分工、各职能部门分类设置，以及人员配置现状。又如，在当前人才结构状况的基础上，通过马尔科夫链模型制定人才流动方案。根据人员流动性等信息，制定人才调入调出逐年计划，使人才数量接近理想人才数量，并用遗传算法实现人才规划的数学问题求解，提高决策效率和决策效果。

2.2 精准化的人才招聘机制

传统的招聘流程一般包含以下几个部分：首先，将线上App或网站发布与线下宣讲相结合，多方向、多角度地发布企业招聘信息，力求尽可能多的接收就业者投递简历；其次，当一定数量应聘者提交求职简历后，对投递的简历进行初步筛选，统计出复试名单；再次，通过面试、复试选出最佳的企业职工候选人；最后，确认最终招聘名单，完成员工招聘。除了效率低、耗时长等问题，传统招聘模式的最大弊端在于，在求职人员的筛选过程中，面试官可能凭经验进行面试，在对面试者的能力进行评估时存在依赖面试官主观经验的现象，这些弊端可能导致所招人员技能与岗位不匹配、错失优秀人才等问题。

依托大数据，招聘单位首先明确各岗位技能需求和胜任力等特征，然后基于大数据从外部人才供应商或者人才服务市场中得到候选人画像，在此基础上建立起一套有效考察、全面评估、确保筛选到优秀人才的员工招聘机制，同时，为了有效评估识别高水平的人才，应当针对不同的职位分别描绘其“数字画像”，在识别人才的同时实现岗位安排的科学性与合理性。

针对企业不同的岗位招聘需求设计人才测评问卷，以企业内部高绩效人才填写的问卷为依据，全面评估岗位的员工职能需求，完善高绩效人才的“数字画像”，提高招聘精准度。例如，领英基于全球近10亿人才数据库，结合大数据和人工智能发布了“领英大数据洞察”。该产品可通过多维度数据(身份数据、行为数据和动机数据)帮助企业克服常见的数据使用痛点，包括数据的时滞性、质量差、单维度、不实用和微观散点等，实现了从人工智能到人才智能的转变。该产品可帮助企业根据自身的需求获取实时数据，并转为贴近自身需求的、有价值的信息。当决策者或HR在领英平台上输入任何关键词或选择某个行业后，经过人工智能加工处理，可派生出相应的报告。在实现高效查找目标人才的同时，与潜在人才进行良性互动，以达到提前培养未来人才、将人才智能贯穿于人才决策全过程的目的。

2.3 个性化的员工帮助计划

信息化时代，员工的知识储备需要及时更新，完善培训体系对人力资源管理提出了新的要求。企业可通过健全场景学情数据中心，以数据驱动提升组织培训效率。一方面，以游戏化服务激发员工学习兴趣，打造智慧、自驱型组织。员工可以通过网页、App小程序进入答题页面，并通过趣味答题和实时监控反馈发现员工学习兴趣。另一方面，企业可以依靠大数据主动锁定培训对象。例如，利用基础信息(如考勤数据等)，过滤出加班超过常规时限的人员，然后通过分析识别是因为技能不足，还是工作负荷较大导致的加班。如果是技能不足，可为相关人员及时安排个性化培训。此外，通过对员工关注点的数据搜集，可以及时发现员工需要援助的点，并第一时间给予支持帮助。大数据还可以通过对员工表情、情绪的识别，实时了解员工的压力情况，把信息及时传达给上级从而让他们给予员工支持。

利用基于大数据的实时压力与情绪监控，能保证员工的心理健康从而保证员工绩效的稳定，实现良性循环。例如，初创公司Tinypulse开发了同名的大数据应用程序来评估员工表现，包括员工的信心和心理健康水平。通过Tinypulse，企业管理者将能够了解员工对工作的看法。TinyPulse采用简单调查的形式，可以让员工在工作日完成调查。它使用深度学习更好地了解员工的表现，并提供更好的见解。然后，该应用程序提供有关员工情绪和工作感受的详细统计数据。这可以帮助管理人员以与传统销售数字或绩效评估不同的方式，有效解决项目中或特定团队成员的确切问题。企业团队的心理健康水平将对他们的工作产生重大影响。通过Tinypulse，管理人员可以了解团队成员的感受，并能够尽早解决问题，这表明企业不仅注重员工的贡献，也关心员工的身心健康。

2.4 合理的效绩考核评定

大数据思维正在成为企业推动绩效考核的重要一环，可以解决传统考核体系中存在的缺陷及问题。在数据分析技术的加持下，现代企业应当尽可能提高绩效考核制度的公平性与科学性，使绩效考核制度真正起到对员工的约束作用，充分调动企业员工的积极性。数据分析技术能够对员工近期的工作数据进行详细统计，包括员工每日工作量、每日打卡签到、制度考试成绩、每月绩效考核成绩、迟到早退、病假事假、评优评先等一系列数据，同时再参考近几年的考核基础数据，能够更加合理地制定考核目标[4]。对员工全年绩效进行综合考察评定，并将全体员工的年终绩效奖金与公司当年整体指标完成情况进行挂钩，通过考核形成“倒逼机制”，促进员工针对自身不足，努力补齐“短板”，不断提升能力素质。

针对不同岗位，需要设置不同考核项和考核周期。例如，市场运营的当期建设行为往往不能立即体现其价值，可通过延长考核周期，针对业务成长速率、客户数量变化等数据进行长期观察，实现业务人员的价值变动的动态分析。不同于将考核周期拉长的传统长线考核，现代长线考核主要注重对业绩趋势变化的一种滚动性与动态性的观察，运用大数据分析技术，考虑到被考核行为的特点的同时，选择适宜的考核阶段，对被考核对象进行综合性的准确评估，从而有效提升评估的精准性。数据分析的准确性会伴随数据收集的频率增加而提升。

3 人力资源大数据服务平台建设举措

为大幅度提升自身人力资源管理水平，企业应对新概念、行业领域业务进行深入学习研究，以大数据的思维方式实施管理和治理，围绕优化人力资源的目标，打造自己的大数据平台。

3.1 大数据采集与运维

企业应设立大数据运维组，实现采集规划需求与运维生产职能相结合，将主动采集作为运维团队的核心职能；以企业级中台概念为指引，将数据仓库建模下沉为企业的公共服务，致力于满足企业各个部门的数据诉求并进行有效整合；将联机分析处理OLAP的开发与运维相整合，以效率为先实现大数据标准及治理。下文主要从人力资源管理相关的数据采集、数据清洗、数据标准及数据安全几个方面给出具体参考。

(1)数据采集。在信息化时代，企业人力资源系统基本上囊括了所有员工的基本信息，包括：岗位信息、学历信息、合同信息、绩效信息等。将各个数据库汇入数据池，从人力资源经典的冰山模型角度分析，确定大多数人所适应岗位的类别。在这些静态信息基础上实现全状态采集，包括企业的社群、留言板、群聊、会议中的图像音频、物流路线的动态跟踪等，以及企业外的开源性和非开源性数据、公共系统数据，如朋友圈动态、社交媒体账号、消费账单等，刻画出更加立体、全面、真实的人力资源数据。将重点放在数据之间的相关性分析，全面分析数据与结果之间的关联，抛弃传统的对应测数据的分析，让无意识、下意识的数据取而代之，同时，还需注意将评价体系转换到互赞数据。

(2)数据清洗。数据清洗是指发现并纠正数据文件中可识别的错误，包括检查数据一致性，处理无效值和缺失值等。与问卷审核不同的是，录入后的数据清理并不是由人工完成的，而是由计算机完成。数据的错误性、数据的残缺性、数据的重复性及数据的不一致性是数据清洗主要的清洗对象。

(3)数据标准。数据标准涵盖了数据字典、逻辑数据模型、元数据标准。数据规范包括数据建模规范、数据编码规则、数据集成规范。现阶段人力资源数据标准化包括：基础表单、元数据格式；社会关系、职业关系、网络关系等标签；工作行为的场景化、颗粒化设计；员工能力维度、标签及能力项的设计。标准化的最终目标是易于机器识别，提升效率，除了常规信息字段的标签统一和语言统一外，从与任务相匹配的角度来制定标准，为算法做基础性工作。

(4)数据安全。人力资源管理中牵涉的员工数据往往与隐私密切相关，所以从数据地图的设计角度应该以企业内部数据多角度、多流程的获取为主。在所有的数据生成之前，需要有一个确认环节，让员工清晰知道自己在平台上可能会留下痕迹。使用公开数据，如在微博中展示的照片、文章等需获得员工同意。此外，开源性数据也要选择员工自愿公示的数据。要保护信息系统或信息网络中的信息资源免受各种类型的威胁、干扰和破坏，即保证信息的安全性。未经用户授权，任何人不得触碰用户数据；工程师所有的运维管理操作，都会被记录并有审计；每次登录系统都需要通过双因素验证方可操作。企业信息化和数据化建设过程中需要人力资源部门深度参与，而且人力资源部门需要建立一个共同价值观，即保护元隐私，并将其放在首位。

3.2 大数据中台开发与管理

企业完成了人力资源大数据汇聚只是走出了第一步，而如何将这些数据对外开放是巨大的挑战。因此，还需要组织力量负责大数据中台工具建设及优化、数据开发及挖掘服务环境建设及优化，以及数据中台新技术的落地。利用大数据中台强大的分析功能可根据业务需要快速完成数据报表开发，同时，基于人力资源多维分析模型，业务人员可进行自助分析，快捷查询出分析数据。另外，对于集团型企业而言，系统外人力资源业务数据获取相对困难，往往通过下属企业线下上报汇总。而数据中台在线数据填报能有效解决线下填报低效和数据准确性差的难题；还可以基于预置分析模型动态生成人力资源数据分析报告，使人力资源专题分析工作化繁为简。大数据中台充分挖掘了数据的业务价值，变身数据服务平台，不仅减轻了业务人员工作量，提升了工作效率；还使人力资源工作的开展有据可循，支持业务创新。

随着人力资源管理工作的精细化，还要提供跨平台一站式可视化数据开发生产环境，直接面向开发和人力资源管理人员，提供标准化的开发方法，降低开发门槛；以交互式、分布式及可视化的方式提供机器学习训练、发布及预测的一站式服务；提供从元数据管理、数据质量管理、数据资产评估、数据与系统运维监控的一体化管理平台。