开发利用大数据，HR如何有建树？

————选自相关媒体网络的新闻报道，报道中的观点不代表劳律通顾问中心的观点

　　大数据现在很“红”，以至各行各业都在开发大数据这个“金矿”。确确实实说，大数据已经给不少企业、组织赢得了商机、或是提高了管理效率。

　　相对于其它组织如火如荼地开发、利用大数据，企业的人力资源部门在开发、利用大数据方面却未见走在前列，也鲜见利用大数据获得很好效率和效益的例子；埃森哲的调研（数据分析实战：实现高投资回报的突破与阻碍）也证明了这一点：人力资源部门在数据分析法应用方面远远低于财务、客户服务、生产/运营、销售等职能部门。
 
　　那为什么人力资源部门会在开发、利用大数据方面落伍呢？我认为有以下几个方面的原因：
 
　　第一，大部分企业的人力资源管理注重过程、流程，缺效益思维。
 
　　比如，人才招聘，人力资源部门注重的是招聘速度和到位率，却很少去追踪人才到位后在多长时间内发挥了作用、创造了效益；培养也一样，人力资源部门注重的是做了多少培训、有多少人参加、“满意度”（其实这种满意度也是暂时的）如何，很少去追踪经过培训后参加者在技能上、行为上有何改变？是否提升了工作效率、创造了效益？薪资管理上问题更严重，不少企业每年都在加薪、发奖金，却很少有人追踪加薪、发奖后对提升人力效率的贡献，也没有研究出加薪、给重奖在哪些人身上会创造最好的效益、回报最高？
 
　　第二，过重地将人力资源工作看待为“艺术”，不注重运用科学来管理人力资源，也没有意识将人力资源管理上升到管理科学。
 
　　人力资源管理发展经历了不同的历程，早期的人事管理强调的是控制，为此，所有的人事制度重点都是“不准什么”，“如果违反，会怎样？后来转化为人力资源管理后，又强调“服务”，有些人力资源部门把自己定位为服务部门，招聘是服务、培训是服务、薪资发放也是服务，殊不知随着时代的发展，特别是现在所处的移动互联时代，大数据的开发已经可以为企业的方方面面决策提供了依据，为此，人力资源管理理应从“服务”走向“决策”。人力资源管理应该从数据、数据衡量与分析开始，将人力资源管理的各个系统整合起来，并着眼于最优化人力资源，迈向科学管理。
 
　　国外已经有学者在研究如何将人力资源管理转型为“人力资本学”。
 
　　第三，大部分企业的人力资源工作者是文科背景，数学基础不好，对数据不敏感。
 
　　据《2014德勤全球人力资本趋势》报告调查，越来越多的人力资源部门在使用大数据做明智的人才决策，预测员工绩效，并提前做好人力资源规划。然而，当今只有7%的人认为他们有能力解析使用的数据。
 
　　美国管理协会（AMA）于2013年携手企业生产力研究所（Institute for Corporate Productivity， i4cp）开展的一项调研也显示，人力资源管理人员的分析能力在研究开发、财务、运营、营销等人员中是最差的。
 
　　第四，人力资源管理信息系统的缺陷与限制阻碍了数据的开发、利用。
 
　　在我与不少人力资源工作者交流时发现，现在很多企业所使用的人力资源管理信息系统都存在不少缺陷，要么使用不友好、很复杂；要么功能上难以满足，系统的缺陷、或使用不友好阻碍了人力资源数据的开发利用。
 
　　比如，个性化、私人定制是未来一个趋势，人力资源管理也需要重视个性需求，需要通过数据分析、了解了员工的需求后为员工提供个性化的服务。象“菜单式”福利应该是受员工欢迎的，但限于信息工具、系统的能力，不少公司的人力资源管理部门就不敢、或无法推出这样的福利安排。
 
　　了解了为什么人力资源部门在开发、利用大数据方面落伍的原因后，那应该怎么做呢？我认为的主要方法和途径有以下四个方面：
 
　　1、培养数据意识，以数据说话
 
　　人力资源部门应该从现在起，就要有意识地建立、积累有关人力资源管理活动的数据，养成用数据说话的意识；学会运用数据计算、分析，特别需要提升数学能力。
 
　　在“决胜未来，你的脑袋里应该装点啥？”的博文中强调过，数学是科学的基础，几乎所有的科学都与数学有关。数学分析、计算可以帮助人们验证、发现或解释自然现象和社会现象，数学能力强，也可以帮助人们创造发明。
 
　　2、从某个领域开始，尝试利用数据进行基础性分析
 
　　人力资源部门应该认真检视自己现有的数据资源和分析能力，尝试先从内部某个领域开始运用数据，特别是要从能为业务提供最高价值的领域开始。
 
　　比如，可以从人力资源规划开始，去收集和了解：人口趋势、市场人才供应量（如：每年的大学生毕业数）、本单位人员离职趋势（数据）、人力成本上涨趋势、未来公司销售增长趋势、行业发展趋势等数据，从而得出人力配置最佳比率。
 
　　3、从基础分析到预测分析
 
　　托马斯.H.达文波特和珍妮.G.哈里斯所著的《数据分析竞争法：企业赢之道》指出，数据分析要获得竞争优势，需要从描述性分析上升到预测性分析：
 
　　在描述性分析时，我们只会问：到底发生了什么？有多少问题？问题出现了多久？问题出现在哪里？最多也只会问：究竟出现了什么问题？需要采取什么样的行动？
 
　　但在预测性分析时，我们要在数据统计分析的基础上问：为什么会出现这种情况？同时，根据统计分析做出预判或推断：如果这种趋势继续发展下去，将会怎样？
 
　　4、建立数据管理模型，从预测到决策
 
　　人力资源部门需要根据业务需求，制定大数据开发计划，统筹考虑现有数据、技术和技能，确定从何处入手、怎样配合公司的业务战略来建立数据管理模型，从数据的发现、数据的归整、数据分析、提炼到数据管理，建立一整套的数据管理模型，为最优决策提供依据。
 
　　埃森哲最近发表的一篇文章“你真的了解员工吗？”中指出：企业在做重要的人事决策时，不能仅依靠表面信息，可以运用人才分析法，即，基于精确及科学的分析法来帮助企业深入了解员工情况，帮助管理者基于客观数据做出科学决策；激发创新、提升业务绩效、助力企业打造出真正的人才优势。
 
　　5、提升数据分析能力
 
　　人力资源管理应该向经济学靠拢，经济学注重的是数量关系，人力资源管理也应该注重数据分析。据美国管理协会（AMA）的调研，现在和未来三年内，数据分析被列为最重要的五项技能之一。
 
　　其实，管理一直强调是数据，如全面质量管理中使用的帕累图分析、散布图分析等以及无不强调数据分析。
 
　　提升数据分析能力不仅能显著提升组织绩效，还能改变人力资源部门在开发、利用大数据所处的落伍状况。