编者按：一家全球IT服务公司如何将它的工程师们最佳分配至上千个项目中？如何满足一个希望将人员配置到最能发挥他们才能位置上的监狱系统？又如何让一家医院保证它盈利能力最强的外科手术部门持续满员？HP的杰出科学家Shailendra Jain，同时也是一个全新HP实验室的共同领导人，指出所有这些问题都是人力资本管理系统所要解决的。他所带领的团队正在重新定义大数据时代的人力资本管理，包括更宽泛的资源管理及优化。Jain说：“你如何规划项目人员会给一个企业的运营效率、员工士气和客户满意度带来极大影响。”

    大多数企业只用到了他们所拥有的人力资源的75%，许多员工没有人尽其用或者被安排在并非最优的位置上。Jain说，在这方面获得哪怕一些小小的改善，都会给整个企业的财政健康度带来非常大的变化。
    但是为了能获得这方面的收益，需要有能力在成百上千的项目中正确地安排几千名员工。在上面提到的跨国IT服务提供商的例子中，它的员工可能具有超过1500种不同的技能，而且每个人的技能程度又有所不同。
    “那么在这种情况下，你如何能在正确的时间，为正确的客户提供具备正确的技能的正确的人员？这很难，首先企业的规模很大，其次这个任务本身又很复杂，另外每项工作的完成又具有不确定性。”
    为了开发出相应的解决方案，HP实验室团队充分借鉴了他们在管理系统方面的专业技能：能够实时从多种不同信息源取得大量数据。
    对于IT服务规划，他们也许需要用到关于许多员工在数据库内的结构化数据，同时也会用到来自个人简历的非结构数据，以及每个项目的具体规格。他们可以加入其他有用数据，比如项目的报价邀请书或者是员工方面对于过去项目所作的报告，以及员工在求职方面的社会化网络上所透露的招聘信息。
    Jain说：“这些信息中的大部分都是非结构化数据。我的同事Tere Gonzalez所带领的团队正在开发用于文字挖据和信息提炼的新技术，以便我们能够在信息来源中找到有用信息，并且进行配对。”
    随后信息被输入到一个工作分配程序的原型中，采用复杂的算法来尽可能优化人员与工作的配对。为了处理不确定性，采用了概率计算的方式以覆盖多种不同可能性，并按照发生的可能性进行加权，这样计算出来的结果可以被当作是人员与工作之间配对基本最优的情况。
    Jain透露在这方面开发出了一些非常复杂的算法，将规模、不确定性、结构化和非结构化数据以一种前所未有的方式进行了整合。他说：“能够解决如此规模的问题是团队的一大成功。”
    在HP杰出科学家Pano Santos所带领团队的努力下，这项研究的一部分成果已经提供给了HP的服务和软件业务方面的同事，被用于HP自己的资源规划以及客户参与。
    高级研究员Alex Zhang所带领的另一个团队通过研究长期人力资源规划，为开发人力资源战略优化科技及工具提供服务。这项研究最早是为了支持HP自己科技服务部门的长期规划而开发的，已经成功地在多个国家和地区进行了试点。
    取得了多项成果后，研究团队计划将他们的研究范围从IT服务扩展到医疗、政府、金融服务以及其他面临类似复杂人力资源规划问题的行业。他们已经和斯坦福大学Lucill Packard儿童医院一起开发出了一个优化及模拟工具的原型，用于对医院的手术室进行手术日程安排。它不但可以保证最大化资源使用率，还可以通过一次性服务提供增强病人的满意度。这个原型已经交给了HP企业服务部门进行商业化准备。
    Jain说：“无论是对于HP自身还是其他企业，这都是一个巨大的机会。分析和信息优化是IT服务方面一个主要的增长领域，我们非常有信心在这方面为我们的业务伙伴提供一些有价值的创新科技。”

原文链接：http://h30507.www3.hp.com/t5/Innovation-HP-Labs/HP-Labs-is-reinventing-workforce-planning/ba-p/126063