加载中…
人力資源管理中的大數據
(2022-09-04 21:52:55)
标签：
人力資源管理中的大數 |
分类： 管理實務 |
人力資源管理中的大數據
隨著互聯網的發展和大資料時代的到來，企業已具備掌握並處理大量資料的能力。將大資料這一全新概念運用到人力資源管理領域，帶來了巨大的機遇和挑戰。
(美)雅克．菲茨恩玆(Jac Fitz-enz), (美)約翰．R. 馬托克斯二世(John R.Mattox 11)著;
趙磊，任藝譯的《人力資源與大數據分析:新時代HR必備的分析技能》為大數據分析在人力資源的應用，提出解答。
作者在「內容提要」中如是說「儘管教據分析很早就被應用於商並領域，但是對於人力資源領域來說，仍是相對地新。很多HR還會問“我該從哪裡下手”、“可以使用哪些工具”等問題，之後，通過真實的案例，說明簡單報告中的數據是如何展開，並轉化為商業智慧和可操作的資訊。
作者結合一系列圖表描述了數據分析的實用課程，展示了數據分析的更多用途，展望了人力資本分析的未來。書中內容可以幫助人力資源經理、人力資源高級管理人員迅速成長為人力資源分析師或分析團隊的負責人。
由於社交工具的使用，人們在組織中不再控制資訊流，取而代之的是，他們現在成了風險管理者。在數據大規模流動的壞境下，分析的方法論成為一個重要工具。
在人力資源或能力資本領域，財務、產品或者市場領域的改變，是持續不斷的。勞動力的有效性和成本、技能發展、領導力、敬業度以及人才留用問題等，隨著商業需求和市場的動態改變，正在不停地演變。隨著市場動態發展、競爭者的行動、新科技以及客戶的變化頻繁，前一年的選拔方案，可能會在一夜之間失效。在二十一世紀的第一個十年，互聯網泡沫的破滅，以及清償性的危機，全盤打破了勞動力模式。之前的技能要求會隨著科技進步、新客戶需求和政策的調整而遭到淘汰。
隨著經濟水準的提升，關鍵任務所需技能獲取和保留，已經成為一個大問題。人力資本管理的動態性，需要我們用數據分析來重新配置人員方案，並且預測我們下一步的最佳行動。
每家公司的創立，都由三個基本元素組成：願景(Vision)、品牌(Brand)、文化(Culture)，三者簡稱VBC。領導者如果不對這三者清晰界定其內涵，並在組織宣導達成共識，則制訂戰略計劃、決策與分析，就會喪失其動能。如果你不知道公司的願景、品牌與文化，最直接有關分析問題就是：「你為了什麼目的而分析？」
人力資本分析被視為管理勞動力資源，從而使績效最大化並留住人才的最佳途徑。人力資源職能有責任支持經營者在招聘、任職、薪酬、開發、敬業和維持強大團隊等方面的工作。入力資源管理部門通過人員系統的設計，促進組織營運績效的提升，而勞動力是驅動組織營運，創造出讓客戶感興趣的產品的積極因素。只有有勞動力的有效發揮，客戶才會對組織做出正向的回饋，最終使組織實現經濟價值和財務價值。
隨著互聯網的發展和大資料時代的到來，企業已具備掌握並處理大量資料的能力。將大資料這一全新概念運用到人力資源管理領域，帶來了巨大的機遇和挑戰。中央大學人力資源管理研究所鄭晉昌教授在《傑報人力資源服務集團》發表他的看法如下：
大數據分析技術的商業策略意義不在於掌握龐大的資料與資訊，而在於對這些含有意義的資料進行專業化處理，提供企業商業經營上的洞察。企業人力資源管理活動也會產生龐大的人事數據量，商業智慧工具幫助人力資源管理從憑藉經驗的管理模式，逐步朝向依靠事實資料的管理模式轉型。此外，人才評鑑也可以由主觀性強的專家進行評測，轉向建構數學模型依靠大數據處理技術進行評測；企業人才招募過程，也同樣可以正朝著越來越依靠社交網路和大數據分析技術的方向發展。這樣的轉變可以讓企業人力資源管理團隊，透過資料收集與分析，掌握更廣泛的業務需求，提出更正確的見解，協助組織人資政策的制訂和人才投資與培育的方向。
多年來，人力資源管理系統一直收集著員工資料，這些資料可以讓企業做出更好的業務決策。但僅僅擁有這些資料並不意味著這就是價值。如果用得不好，這些資料不會展現關鍵的商業價值。例如，員工流動率-只提供了一個全公司一個籠統的數字，但該公司可能有極高和極低的不同事業單位的流動狀況，需要做進一步的分析。
事實上，深度資料探勘可以展現令人驚訝的結果，甚至可以提供相反的見解。企業需要可以提供深入見解的資料分析方式，而人力資源管理團隊要想有效管理及運用人力資源相關資料，必須採取以下步驟：
確保人力資源策略有效連結企業策略；
所收集的資料可以提供洞察以協助商業策略的執行；
有效區辨資料價值上的差異，確保所收集到的資料能夠協助因應企業當前和未來業務所面臨挑戰；
整合企業孤立的資訊源，讓資料有效整合為企業經營管理提供更大的洞察力和價值。
以下說明大數據分析技術，可以協助企業在人力資源管理方面管理決策上的應用。
(1)人力資源規劃
人力資源規劃可運用大數據分析技術來預測人才需求，以滿足公司戰略目標。預測的內容，可以從只包括人才的數量擴展，到包括人才的具體類別和所需要的素。預測的範圍也能更加長遠，使得中長期人力資源規劃更加準確。例如，陶氏化學
(Dow Chemical Company)
根據公司4萬名員工的歷史資料以及產業及財務大數據，預測出整體化工行業，以七年為一波週期的勞動力需求情況，據此估算出企業的員工晉升率、內部職位調動和其他人力供應情況，並設計了陶氏策略性人員配置比例，用以估算5年後的人員需求以及剩餘員工的數量。
(2)人才招聘
人力資源大數據將會改變招募的運作方式，從人才搜尋的角度，從過去公開招募資訊的被動搜尋，轉向基於大數據的人才定位的主動搜尋。中國大陸的騰訊公司旗下的TalentBin，從諸多利基網站和社交媒體平臺上匯總候選人資料，然後為每個人創建唯一的標識檔案。在人才篩選方面，人力資源大數據可解決勞動力市場的資訊不對稱問題，可以讓企業以最少的投入，找到最佳人選。騰訊公司透過將過去及現在所有員工的資訊，按照典型特徵建立數學模型，與候選者進行匹配，為後續的人才招募提供了參考。同時騰訊公司在其龐大的社交網路上精準投放招募資訊，這樣會讓資訊傳達更加聚焦。
利用大數據進行定向挖掘，人才配置，把最合適的人放在最合適的職位上幫助人力資源主管透過大數據在社交招聘中的應用，成功實現精準化、智慧化、個性化的人才招募。
(3)員工培訓
企業對員工的知識技能的培育與開發，是人力資源管理中非常重要的一環。為了滿足員工發展的需要，對於訓練需求的掌握與培育成效，是負責企業人力資源發展的專業人員所要面對的難題。借助大數據分析技術中的自然語言處理、機器學習等方法，管理者可以對員工工作及訓練過程產生的各種資料，進行相關分析，識別出學習需求、行為、模式及訓練效果。
(4)績效管理
大數據收集，使企業從週期性績效考核轉向即時追蹤員工績效波動，為員工提供及時績效回饋，並依據績效動態調整激勵薪酬的績效管理模式。過去的績效考核資料搜集成本高，所以大多以半年或一年為績效評核週期。人力資源大數據提供了豐富的績效資料內容，並且其中大部分是即時更新的，能夠反映員工的績效波動情況，並透過線上系統對員工提供自主性的績效回饋。績效評估的主觀因素也隨之降低，評估方式更加透明。基於能夠精準反映員工工作過程的人力資源大數據，新的績效評估不僅衡量工作的結果，也解釋了產生結果的原因，為績效回饋提供更具體的改進建議。
(5)員工關係模組
在大數據環境下的員工關係管理，可以透過資料動態追蹤，分析出員工工作情況和狀態。以員工離職管理為例，不同於以往當員工明確表現出離職意向的時候才採取留任措施，透過分析公司以往員工的歷史資料，包括員工離任行為對應的大數據資料，就能夠建立預測模型。透過對員工進行持續監測，可以提前3至5個月識別出具有潛在離職傾向的員工，為人力資源單位提供了主動採取留任措施的時間。例如，美商德勤
(Deloitte)公司基於員工的出勤記錄、工作時間、休假時間、對客戶的影響、付出的努力以、旅行的頻率和公司與住家距離等大數據，透過統計模型識別出離職傾向排名前10
%的人，發現其離職意願是以德勤以往案例研究所得到的平均水準的330%，並且能夠及早識別出個別人物、時間和離職原因。也就是說，預測模型可以針對企業關鍵人才的離職傾向提出警示，及早發現及因應，以有效防止人才的流失。
人力資本分析被視為管理勞動力資源，從而使績效最大化並留住人才的最佳途徑。人力資源職能有責任支持經營者在招聘、任職、薪酬、開發、敬業和維持強大團隊等方面的工作。入力資源管理部門通過人員系統的設計，促進組織營運績效的提升，而勞動力是驅動組織營運，創造出讓客戶感興趣的產品的積極因素。只有有勞動力的有效發揮，客戶才會對組織做出正向的回饋，最終使組織實現經濟價值和財務價值。
（美）維克托•邁爾•舍恩伯格《大數據時代：生活、工作與思維的大變革》，指出所謂大數據(Big
data)代表大量、不精準、相關性(高於因果關係)的數據，他認為：大數據帶來的資訊風暴正在變革我們的生活、工作和思維，大數據開啟了一次重大的時代轉型，並用三個部分講述了大數據時代的思維變革、商業變革和管理變革。
維克托最具洞見之處在於，他明確指出，大數據時代最大的轉變就是：放棄對因果關係的渴求，而取而代之關注相關關係。也就是說只要知道“是什麼”，而不需要知道“為什麼”。這顛覆了千百年來人類的思維慣例，對人類的認知和與世界交流的方式提出了全新的挑戰。
大數據是人們獲得新的認知，創造新的價值的源泉；大數據還是改變市場、組織機構，以及政府與公民關係的方法。維克托認為，大數據的核心就是預測。這個核心代表著我們分析資訊時的三個轉變：
(1)第一個轉變：在大數據時代，我們可以分析更多的數據，有時候甚至可以處理和某個特別現象相關的所有數據，而不再依賴於隨機採樣。
(2)第二個轉變：研究數據如此之多，以至於我們不再熱衷於追求精確度。
(3)第三個轉變：因前兩個轉變而促成，即我們不再熱衷於尋找因果關係。
書中展示了谷歌、微軟、亞馬遜、IBM、蘋果、facebook、twitter、VISA等大數據先鋒們最具價值的應用案例。
維克托還指出大數據時代處理數據理念上的三大轉變：“不要隨機樣本，而是全體數據”“不是精確性，而是混雜性”“不是因果關係，而是相關關係”。
抽樣分析是資訊收集手段不完善時代的產物，它或許能更快更好地發現問題，但卻不能回答事先沒考慮過的問題。喬布斯是世界上第一個對自身所有DNA和腫瘤DNA進行排序的人，他得到的不是樣本，而是包括整個基因的數據文檔。由於醫生可以按照所有基因按需下藥，最終這種方式幫助喬布斯延長了好幾年的生命。
大數據時代的另一理念是要效率而非絕對準確，要允許一點點的錯誤和不完美。谷歌2006年涉足機器翻譯，谷歌翻譯系統為了訓練電腦，會吸收它所能找到的全部翻譯。谷歌將語言視為能夠判別可能性的數據，而非語言本身。假設你要將中文譯作俄語，它可能會選擇英語作為仲介語言，因為在翻譯的時候它能夠適當增減詞彙，靈活性提高了很多。
隨著大數據的出現，數據的價值也在發生改變。所有網民都會被網站要求過填寫證明你是人而非機器的驗證碼，這項技術在2000年被發明時是為了防止垃圾郵件和不必要的騷擾，後來發明者又尋找到了使人的計算能力得到更有效利用的方法，發送兩個單詞，其中一個單詞用來確認輸入結果，另外一個機器無法識別的字元則隨機發送給五個人，直到他們都輸入正確才確認這個單詞。2009年谷歌收購了這家做驗證碼的公司，並將其技術用於圖書掃描項目，每年為谷歌省下十多億美元。
作者最後提到，如果數據不能為我所用，那我們將會淪為數據的奴隸。要防止這種失控局面的出現，至少需要我們在管理層面作出四種變革：
(1)將個人隱私保護從個人許可到由數據使用者承擔責任；
(2)個人該為其行為負責而非傾向；
(3)不能讓大數據成為黑匣子，它需要雇傭外部監察人來維護公眾信任；
(4)反數據壟斷大亨。
從大數據與雲計算來看，雲計算是核心競爭力。大數據是金礦，開採技術、冶煉技術就相當於雲計算。各個國家未來的核心競爭力就看誰對大數據的挖掘分析等計算能力強。