本文整理自王爱敏老师主讲的华博咨询线上课程《人力资源大数据应用实践》

各位同仁大家好，今天我们共同来探讨一下最近这两三年在我们人力资源圈子里面，相对来说热议的一些问题，这样的一个关于人力资源大数据。

我不知道大家对人力资源大数据是目前掌握到一个什么程度？是不是在我们的企业里面也进行了这一方面的一些探索？我对这个问题的研究，其实是基于两年前，我在研究的基础上和百度的人力资源大数据中心的一位负责人，也就是在我们人力资源三支柱里边是SSC的负责人，共享服务中心的负责人，可能咱们在听讲座的一些企业也建立了一些SSC这样的人力资源共享服务中心。其实对于百度来说，他们把SSC已经建成了人力资源大数据的一个平台，在国内行业来说，对大数据的应用，人力资源做的还是非常最成熟的。在上个月，我跟百度的还有一个从美国回来的一个大数据专家，还有一个人才学的一个奠基人腾讯王春玉老师，我们一块来合作了一本书就叫《人力资源大数据应用实践模型技术应用场景》，把最前沿的关于人力资源大数据的一些内容以书本的形式呈现给大家。在这个基础上一直是在探索，毕竟人力资源大数据是非常新的一个东西，一直在探索，在一个月之前我也是在一个比较大的平台，DHR工会里跟他们分享了类似的内容，当时也跟腾讯的SSC的一个总监，人力资源大数据平台的一个负责人也跟他进行了一些交流。

我把我这两年对于人力资源大数据的一些研究，包括和百度、腾讯、华为这些在内的大公司的一些人力资源大数据方面的实践，综合到一块来给大家做一些分享。由于这个时间的关系就一个小时，因为不知道咱们在听讲座的对人力资源大数据熟悉到一个什么程度，我就假设大家对人力资源大数据都是比较熟悉的，一些基本的理念都熟悉的基础上，我给大家再延伸一些内容。那么主要是从这几个角度：第一个是关于核心概念，大家容易混淆的概念；第二个方面从思维逻辑角度，就是从循证这个角度；第三个方面是从指标体系的建设以及角色应用。从这几个角度给大家来分享一下人力资源大数据研究的一些核心问题和实践前沿的一些核心问题。

首先我们看第一个方面，关于人力资源大数据的核心概念，跟大家来分享的第一点就是数据统计，第二是挖掘，第三是大数据。因为在人力资源大数据各方面应用大家可能也都清楚了，比如用在招聘上、临时预测上、背调等等这些方面。但是我们从技术的角度来说，涉及到的一些核心概念到底是什么？在说几个核心概念之前，我还是从几个小概念给大家说起，哪几个小概念？比如说数据、信息、知识、智慧、行动。为什么给大家介绍核心概念要从这几个小概念来说起呢？我们可以看看人力资源大数据分析或者一个平台的基本逻辑图，这个图中最底层的我们叫数据，我们身边的数据要描述事实或者事实的一个描述；在这个基础上我们进行数据的加工，对这些加工的数据进行信息的提炼，然后我们进行人文的洞察，来判断最后我们在基础上采取行动。

遵循这个逻辑，我们先去了解一下关于这几个小概念到底它是一个什么意思。首先我们看数据，其实从字面意思来说很简单，数据是最原始的一个记录，它没有被加工解释，也就是说在我们身边存在的这些事实。这些数据之间一般情况下，它是分散的孤立的。比如说张三这个人是我们的一个员工，每一个员工身边都会存在这些数据：性别、学历、出生年月、所在的部门、他的一个专业序列、他绩效考核的一个结果，那么这些数据是孤立的、零散的，大家也能够直观看到的。咱们传统的HR，包括传统的一些人力资源的信息平台，我们收集的就是这些原始的数据、最原始的记录，这就是我们身边的数据。我们经常谈数据分析，数据分析到底是什么呢？我们说大数据和数据是什么？首先我们看数据是什么？数据就是这些原始的记录，对任何一个企业来说，不管规模大小、什么类别，我们这个数据都是存在的，但是它是分散的和孤立的，没有充分利用起来。第二个小概念叫信息，信息是什么呢？对我们身边这些原始的数据进行加工处理，使数据之间分散的孤立的数据，我们给它架起一种桥梁，相互联系。

那么数据之间建立这种相互联系，形成了我们来回答某些特定问题的一个文本。比如说前面张三的这些数据，有它最基本的这些分散的、孤立的数据，我们再看看它的信息反映了什么。张三他的司龄系数是一，反映出来他绩效的一个情况，那么根据绩效，我们看公司的绩效管理制度，奖金系数是什么？比如说1.5，目标奖金系数是2，他的月基薪是3万奖金，那么达到9万，这个是什么？我们是在分散、孤立的原始数据基础上形成了信息，这是第二层级的一个概念叫信息。那么这个是数据和信息这两部分，就是通常意义上说的数据统计分析。那么从学术定义上来看，它是指用适当的统计分析方法，对收集来的大量的数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程，这是从学术上这么定义。那数据分析可以帮助我们做出判断，以便我们采取行动，比如说我们对HR的一些客观数据进行描述，基础信息数据、客观数据，比如说组织部门、岗位职级、个人信息、学历、工作经历等等。比如说对于职位信息，像招聘、培训、绩效、薪酬、福利、晋升等等这些运营数据的分析，这就是我们通常意义上说的叫数据统计分析。我们继续往下看，第三个叫知识，知识是体现了信息的本质、原则和经验，能够积极的指导任务的执行和管理，来进行决策和解决问题。

通过数据挖掘，从数据中去发现隐藏的趋势和不同寻常的这种关联、规则，这就是我们说的知识层面。从数据到信息再到知识的过程是一个数据不断变得有序、不断得到验证，并最终来揭示所存在的固有的逻辑规律的这么一个过程。比如说我们数据挖掘对HR进行的一些综合数据分析，比如说各个企业都比较关注的人效问题、组织效能问题、组织的活力问题、人员的舆情分析、风险把控、组织的健康度、员工的敬业度等等这些数据挖掘，这是数据挖掘方面的一个含义。那么数据挖掘我们从学术的角度来讲是什么呢？从大量的、不完全的、模糊的、随机的这些实际数据中获取隐含在其中的、大家不知道的，但又是潜在有用的信息和知识的这么一个过程，这叫数据挖掘。它融合了统计学、机器学习、数据库与数据仓储、高性能计算和众多计算机应用领域的技术，最核心的是机器学习和数据库以及数据仓储技术，这个都是比较专业的、比较技术层面的。

我上一次给DHR去做讲座的时候，他们当时在场的2万多人大部分都是做人力资源信息系统出身的，或者说是公司人力资源共享服务中心这样的负责人，这些人有一部分是HR本身出身，有些是从计算机这些专业技术出身的，这是两类人员的组成。我估计这次来参与的可能也是由这两类人员的一个组成，这个里边如果涉及到这些，因为尤其是对于技术出身的HR来说，对这些可能是更容易理解一些。

最后我们看智慧和行动，智慧是什么？是基于知识基础上，形成对事物的深刻的认识远见，体现为一种卓越的判断力，并由此来采取的策略和行动。我们通过数据挖掘得到隐含的各种场景的趋势，哪些场景？比如说离子预测、高绩效、发展潜力、管理风险等等，那么通过这些场景我们来形成的是一种什么智慧？通过智慧我们采取进一步的行动。有一张图，这张图纵坐标是绩效，横坐标是能力，根据一些基础的数据、信息、知识，根据一定的逻辑结构形成的智慧是什么样，大家从象限图里面其实可以明确的看到哪些人员， ABC三位是我们要重点发展的人员，比如哪些是高绩效、哪些是具有发展潜力的、哪些是具有管理风险的，一目了然的从这个图里边能够去分析出来。这就是我们通过前面的数据、信息、知识形成的这种智慧。那么根据这种智慧，我们需要采取行动，那么这种智慧我们通过数据挖掘、建模、算法迭代得出来趋势报告。这个报告出来之后，根据这个报告我们就可以看出，A先生和B先生一定是我们要留住的人员，我们要重点发展的人员。而C级的女士我们根据企业的一个情况，绩效和能力相对他们来说可能是要欠缺一些，但她绩效还是不错，我们对于C女士应该采取一个什么样的行动？对A和B我们应该采取什么行动？

从这个报告中我们还能看出来， ABC其实都是高绩效高能力的，尤其是A和B。同样的我们看从离职预测上它的风险指数，那么大家可以看到A先生的指数是0.88是最高的，B先生也是比较高的，这两位都是我们重点保留的人员，但是他的离职风险比较高，我们该怎么办？我们看继任人选，根据A和B去选择。那么行动建议，对于A来说，根据他的一个情况，比如说A先生他是离职风险比较高，我们根据一些基本的数据的分析我们得到结论，作为管理者反过来去看，对于我们想要发展的、留住的我们怎么样采取什么行动、什么样的人力资源的项目，能够初始达到我们的目的。那么可能对A先生来说，比如说他是一个技术人员，那么可能就会有想要学得更多的专业技术轮岗的一个需求；那么对于B先生，咱们大家也知道从激励的角度来说，一个是从我们直接晋升，比如这个是技术人员，我们可以走双通道，管理通道还是技术通道，再结合马斯洛需求层次理论采取激励措施。其实这就是从这个图里面，我们从前面这些来得到智慧，通过这些智慧，我们采取这样的一个行动。

在这个地方我也特别来强调一下，因为我在17年左右的时候接触人力资源大数据，然后我们去做调研，去了成都几个地方对于HRD、VP进行调研，当时去成都的时候，他们就提到了说是HRD就特别害怕人力资源大数据，人力资源大数据来了，但是我们不是技术人员出身，这个大数据不懂，我们会不会被代替，我们怎么样去用好。其实从这个角度来说，我们在人力资源大数据智慧的基础上，其实行动是我们应该采取的，是我们现在大家传统的HRD或者是我们人力总监或者HRVP我们来去考虑那些得出来的技术的数据，我们怎么样去回头看我们的管理的问题，我们哪些从管理进行的一个完善，后面角色应用会具体来给咱们大家说。