数据分析下的人力资源管理优化与提升.pdfVIP

数据分析下的人力资源管理优化与提升 ◎ 宏景软件总裁 房宏 当前，移动互联网、社交应用、大数据等技术浪潮凶猛来袭，正在加速驱动着企业人力资源 管理的信息化进程。那么，到底如何有效迎接这一浪潮，如何以价值为导向，整理、分析，并发 掘出关键信息加以分析利用，从而提升人力资源管理效益，是每一位管理者面临的问题。宏景软 件总裁房宏先生在“企业人力资源管理与信息化交流研讨会”上发表了关于“数据分析下的人力 资源管理优化与提升”的精彩演讲，以人力资源数据分析类型、价值、模型为核心，结合实际案 例和新技术应用，分享了如何通过建立人力资源数据库，完成全面的数据化分析，实现用数据说 话，真正推动企业人力资源管理转型升级，支撑企业战略发展。现将内容摘录于此，与大家分享 交流。 目前，各行各业都在谈论数字化，大家也强烈地感受到数字化已经离不开我们，人力资源管 理也需要快速摆脱事务管理、主管评价、感性决策的现状，逐步步入到数据化、网络化的科学管 理时代。因此，我们首先要了解人力资源数据分析的类型、价值以及常见的模型。 根据市场研究机构Gartner 的预测，2015 年大数据分析产品和服务的市场规模将高达3.7 万亿美元，如此庞大的数据说明各行各业都会加强数据的应用、管理与分析。同时德勤人才管理 顾问Bersin 分析指出大数据在人力资源领域的市场潜力更大，也就是所谓人才分析（Talent Analytics），因此对于企业的人力资源管理来讲，怎么利用数据是当前需要思考的。Google 已 经为人力资源管理专门成立了一个由数据挖掘工程师、心理学家和MBA 人员组成的人力分析小组， Google 所有的人力资源决策都是基于数据和分析的结果，这也就是大家经常说的无工具不管理、 无数据难决策的意思。所以谈到企业的人力资源管理，我们首先要考虑在目前大数据背景下如何 开展人力资源数据的整理与分析。 一、人力资源大数据的关键要素 对于大数据在人力资源管理中的应用，最关键的不是数据绝对化的大与多，而是信息的丰富 性与连续性。有的企业可能认为企业人员没有那么多，人力资源数据不足以“大”，因此觉得企 业的人力资源数据分析没有价值，可以不用做数据分析，实则不然。人力资源的大数据分析主要 有三个关键要素：第一，要全体不要抽样，也就是不再像以前调查采用抽样的模式，而是要全体 数据，即全部员工的数据，越全越好；第二，要相关不要因果，即我们在分析和应用数据的时候 要相关性的，而不是因果性的，要考虑规律性的相关关联关系，也就是说不是当A 导致B 时就一 定导致B，而是A 的 80%可能会导致B，要的是这类相关因素；第三，要效率不要绝对精确，我 们在做数据分析时，很多数据更关注的是效果，而不是绝对准确、绝对精确，比如日常应用中用 到的平均年龄，28.1 与28.2 可能就没有什么绝对的差别，这时候往往更关注的是效果。因此对 于人力资源数据而言，我们首先要考虑的是数据的丰富性、关联性、全体性，这样在做数据分析 的时候就能够做出各种关联要素的分析。 二、人力资源数据分析类型 对于企业的人力资源管理数据建设，常见的人力资源数据类型主要包括以下三种： 第一，事实性数据。可分为个人层面的、组织层面的、岗位层面的。个人层面的数据有人员 数量与结构、学历、年龄、性别、家庭背景、工作经历、技能特长等，就个体而言这些数据通常 是唯一的或不经常变化的静态性数据，虽然年龄会随着时间而变化，但是每个点是不变的。这类 事实性的数据，在企业人力资源管理中常被称之为人事档案信息，这也是人力资源的最基本的信 息数据，是多数分析的基础。那么首先要实现全体员工人事档案的全面数字化管理，再利用这些 数据做有价值的分析。 第二，动态性数据。这类数据通常是变化的，是在人力资源业务处理过程中产生的动态性数 据。比如招聘业务，我们计划招聘20 位员工，但是这个过程中可能会收到500 份简历，面试50 人，过程中的数据就会分析反映出招聘效果与效率。 第三，整合性数据。这类数据往往是通过计算、分析、挖掘得到的，是综合整理、关联运算 出来的综合性数据，比如人事费用率、人均效益、人均工资等。 以上三种数据组合起来就形成了企业全面的人力资源数据。基于这三种数据，人力资源数据 分析又分为哪三种类型？ 第一类：基础信息数据分析，即基于静态数据进行的分析，包括人员总量、人才结构、人员 状态、人力资源配比等，这些都可以通过基础信息来获取，从而反映出企业人力资源现状。 第二类，职能业务数据分析，也就是