大数据变革人力资源管理的路径研究

作者:未知

  【摘 要】大数据驱动的人力资源管理,其变革发生在与人力资源关键指标相对应的三条主要路径:在日常操作层面上优化人才分析、在部门运作管理层面上创新项目设计、在企业决策层面上对接经营战略,最终实现人力资源管理的战略转型和人力资源部门影响力的提升。
  【关键词】大数据;人力资源;人力资源管理
  现代管理学有一句经典名言:“管理部分是艺术,部分是科学”。在人力资源管理领域,可以说“艺术”的力量远远大于“科学”的作用。相较采购、生产、物流、营销等其他管理模块,人力资源管理的可定量程度较低,决策更多依赖的是经验而非数据,这样的现状不利于人力资源管理价值的客观评估、专业性的广泛认同乃至话语权的掌握。然而,大数据时代的来临,为变革人力资源管理的游戏规则带来了绝佳的契机。
  1.“大数据”在人力资源管理领域具有“大价值”
  “大数据”(Big Data)一词最早出现在美国咨询公司麦卡锡的报告《大数据:创新、竞争和生产力的下一个新领域》,被用以描述和定义信息爆炸时代急速增加的海量数据并命名与之相关的技术发展和创新。大数据是继云计算、物联网之后IT产业又一次颠覆性的技术变革,在三个方面改变了传统管理思维:1)采用并分析相关全样本数据而非随机抽样数据;2)接收并处理混杂的非结构化数据而非确定的结构化数据;3)发掘数据背后的相关关系而非因果关系。
  ●大数据的特点
  大数据的主要特点可以用4V概括:Volume(规模性)、Variety(多样性)、Velocity(高速性)和Value(价值性)。1)规模性体现在巨大的数据体量,数据量的描述已从TB发展到PB甚至ZB。2013年全球数据存储总量达约1.2ZB,相当于12亿个1TB移动硬盘的存储量,预计到2020年将达到35ZB,增长近20倍。2)多样性体现在不同的数据类型,包括数字传感信息、交易记录、视频、图像、地理位置信息等結构化、半结构化和非结构化数据。3)高速性体现在高速处理实时数据流,需要快速演进的算法和处理工具为此提供支持,体现其与传统数据挖掘技术的本质区别。4)价值性体现在较低的价值密度和较高的商业价值。对数据的全方位收集、处理和分析有助于充分挖掘具有重大价值的数据信息。
  ●大数据引领人力资源管理的发展趋势
  大数据正在影响企业的决策、组织和业务流程。借助大数据管理,企业将在汇集、整理、分析和挖掘指标的基础上开展有效的运营管理。在大数据技术的支持下,人力资源管理将由当前偏向主观感觉、个人经验和企业价值观体系转变为依靠客观数据。人力资源的选、育、用、留都可纳入量化范围,从而大幅度提升人力资源管理的效率和精准度。总体而言,人力资源管理系统将提供更加全面的量化参考,综合招聘、配置、培训、考核、绩效等各业务模块中的人力资源信息,提出人才流动分析、考核结果分析、培训需求及效果分析等内容,并通过持续深度挖掘,建立人力资源核算或人才测评分析等方法,体现大数据具有预判能力的核心价值。
  2.面向操作层:大数据优化人才分析
  大多数企业都拥有大量的人力资源数据信息,包括记录基本信息的原始数据、反映培训情况的能力数据、体现工作绩效的效率数据和预测发展前景的潜力数据等。与业界讨论众多的市场营销和消费市场研究方面相比,大数据应用于人力资源领域具有更大的市场潜力。
  2.1人才招聘
  当前企业在重要岗位招聘上往往通过长流程、高费用和多人参与保证招聘的质量。当大数据遇上HR,提高人才招聘的效率和准确度自然成为变革产生的首要路径。以谷歌公司为例,被称为“人员分析”的谷歌人力资源团队借助大数据技术对招聘流程进行了精简:让所有在职员工完成一份300道问题的问卷、根据问卷结果建立了一套数学模型,并以此为据,在每月至少10万份简历中筛选出最适合公司的申请者。与此相类似的是,全球客服呼叫中心Transcom公司在2012年使用大数据进行员工行为特征分析,根据负责收集和分析数据的Evolv公司提供的定量分析结果,Transcom公司改变了招聘策略,有针对性地提出需求,实现更精确的职位匹配,从而提高了整个团队的稳定性,也节省了培训新员工的成本。
  大数据时代的企业招聘,从技术方法角度看,是持续的数据挖掘过程;从信息角度看,是持续的供需信息匹配和关联信息的交叉组配过程;从人力资源管理专业角度看,是对人才价值评估和岗位胜任力理解的专业展现过程。有互联网企业将数据资源和数据价值提升到自己的核心战略中,研发出一系列利用社交网络和大数据技术的招聘服务产品,如招聘规模报告、在线企业方案等。2012年,IBM公司以总价13亿美元的价格收购了美国人力资源外包公司Kenexa。Kenexa的业务遍及21个国家,其中世界500强客户约4000家,占其总客户数的一半以上。而SAP、甲骨文等公司也分别收购人力资源管理软件公司,跟进大数据招聘领域的服务。通过这种融合,企业从以流程和效率为中心向以人为中心进行转化。
  2.2人才测评
  人才测评作为人力资源管理领域的一项专门技术,主要通过专家评估、综合考评等方式进行。而胜任力模型的构建需要通过访谈、编码、调查问卷、统计分析等过程。依托大数据技术将彻底改变当前的主观测评方式和传统的构建模式,对人才测评中的人才绩效考核、人才选拔分类等进行研究,从大型的人力资源信息库中寻找依据,帮助人力资源管理人员发现数据间潜在的联系并指导人才测评工作。大数据技术可以精确计算出胜任力特征,即特定岗位中优秀员工的素质特征,使岗位胜任特征成为人才选拔的标准。
  例如Hay Group提供国际上使用最广泛的海氏三要素测评法,为世界500强企业中的三分之一以上所采用。而国内专业提供人才测评产品的北森公司,利用行业专家经验积累了200万名测试者的数据并据此构建模型进行测评。从定量化积累、跨领域分享到模型化挖掘,越来越多的专业人才机构和创业团队正在为企业提供人才数据分析的大数据服务。   3.面向管理层:大数据创新项目设计
  在运用技术提升操作层面处理效率的同时,大数据应用的发展也促使企业在管理思维上发生变革、寻找大数据时代人力资源管理的创新突破口,从而带动整个人力资源战略的转型。IBM公司创建的Professional Marketplace数据库完整收录IBM员工的技能描述、薪资水平、近期日程安排等信息,通过数学运算找到最佳的资源配置方式。这项技术使得IBM的项目主管得以简单、准确、有效地组建项目团队。企业在进行项目设计、尤其是职业培训体系的设计时,运用大数据一方面可以对员工知识和技能差距进行精确量化,另一方面可以对员工的培训需求和偏好的学习方式进行准确定位。
  自全球知名的人力资源管理信息化服务商PeopleSoft公司提出“我的个人服务平台”概念以来,利用数据库改善员工服务和员工关系已成为业内共识。以员工职业生涯为主线衍生的各类服务功能一方面为员工采集关注度高的信息,另一方面通过数据分析使运营管理层掌握员工行为特征,主动为员工提供“度身定制”的职业引导和规划,从而形成智能型的人力资源管理体系。
  在谷歌公司,被称为“人员运作”(People Operations,简称POPS)的人力资源部门以一项复杂的员工数据跟踪计划为核心部分,意图通过数据分析提升企业人力资源管理的整体水平。POPS以严格的科学实验室方式运行,从各种微小的细节入手,对公司的工作环境和福利政策进行统计分析。同时,谷歌还聘用了社会科学家一同参与研究,包括设计科学的薪资福利计划等。
  社会科学家和公司人力资源团队组成了“人力和创新实验室”(People Innovation Lab,简称PiLab),通过数十项员工相关的实验计划,寻找大型公司人力资源管理的改善路径。
  大数据技术在人力资源运营管理层面发挥作用,首先要求企業提高对基础数据的管理水平、拓展数据获取的渠道。人力资源部门要和信息管理部门协同配合,或设置专岗的人力资源信息管理员(HRMIS管理员)做好数据库的管理和数据的提取支持工作。同时要求人力资源部门具备高度的敏感性、专注力和创新思维的能力,“拨云见日”,将关联指标与企业人力资源运营战略有效连接。
  4.面向决策层:大数据对接经营战略
  在以知识和技术为根本的经济环境下,人力资源在当今企业竞争中占据绝对重要的位置。人力资源管理需要在管理层的支持下将部门工作和企业整体战略相结合,通过全面的关联性分析使各项人才决策有据可考,最终提高企业的核心竞争力。在人力资源战略中,管理决策需要大量的信息作为支撑,尤其需要对未来发展有一定的趋势性分析。实践中主要利用商业智能(Business Intelligence,简称BI)工具实现对人力资源数据的挖掘与分析。
  4.1利用HR-BI工具实现HR对企业经营的支持
  商业智能由美国信息技术分析公司Gartner于1996年提出,是一种数据挖掘、展现与分析的工具,其本质是提取数据并进行智能化分析,揭示企业运作和市场运行情况,帮助管理层制订明智的经营战略。商业智能工具在人力资源分析中的应用,被称为人力资源商业智能(Human Resource Business Intelligence,简称HR-BI)或人力资源决策分析系统。传统的决策支持更加依赖统计数据,而BI工具通过建立一系列人力资源指标分析模型对相关数据进行深入挖掘和多维分析,经由信息集成和信息推送,实现人力资源与企业经营的对接。
  HR-BI工具收集的人力资源数据包括:人力资源管理业务数据、企业内部与人力资本相关的经营数据、竞争对手和企业外部环境相关数据等几种类型。HR-BI工具的功能包括数据的整合、审查、归纳和总结。其价值体现在三个方面:首先,利用指标分析模型和BI工具平台量化评估人力资源管理的整体效能和各项业务绩效,从而证明人力资源管理对企业战略的价值所在;其次,针对企业的集团化管控和人力资源规划的精细化管理,进行实时的人力资源管理过程监控,从而提升人力资源部门的战略伙伴地位;第三,结合人力资源管理系统充分提升数据价值,从而推动人力资源管理对高层管理人员的影响力。
  4.2构建HR-BI人力资源指标分析模型
  当企业同时具备业务需求和平台支持时,可以考虑引入HR-BI系统,在数据分析基础上进一步提升应用价值。一个完整的HR-BI人力资源指标分析模型的建立过程分为以下六个步骤:1)识别关键指标,即对指标进行大致的定义;2)定义指标的详细内容(包括基准域和标杆值)、关联指标及相关参数的数据来源,要求企业内部形成对某一项指标的统计规范和标准,以不同形式表现不同类型的指标;3)结合外部标杆和内部经营状况对每个决策指标进行基准定义;4)结果预能分析;5)易化指标;6)具体的设计和开发。经过数据的获取、储存、共享、分析、清洗、统计乃至可视化呈现等一系列过程,HR-BI指标模型评价的内容包括人力资本增值、人力资源策略有效性以及人力资源职能执行力,将人力资源管理部门从一个支出部门转变为一个价值导向部门,更加接近核心决策层。
  5.结语
  人力资源管理在大数据时代进入了新境界。就操作性指标和运营性指标而言,大数据使得人力资源管理的各个环节实现全过程的定量化和科学化,达到科学管理所要求的可测量、可记录、可分析、可改善,大大增加人力资源管理的专业性;就决策性指标而言,大数据使人力资源部门有机会成为业务部门不可或缺的战略合作伙伴和主要支撑部门。与此同时,人力资源全产业链也将发生巨变。然而,无论大数据的量化分析技术如何演进,人力资源管理的本质仍然“部分是艺术、部分是科学”。在大数据技术的支撑下,未来人力资源管理的目标是让科学的部分更加科学、让艺术的部分更加智慧。
转载注明来源:https://www.xzbu.com/1/view-14897976.htm

服务推荐