用大数据助推HR变革

　　当HR遇上大数据，企业需要在大数据平台能力、连接的效能、牵引HR方向这三方面寻求突破，进行创新性的研究和探索，提升HR对企业的价值和影响力。

　　HR管理经过几十年的发展，理论基础仍是工业时代的科学管理经验。近年来面对汹涌而来的移动互联网大潮以及层出不穷的各种新的管理挑战，HR管理的理论和方法并没有出现相得益彰的创新内容。企业需要应用大数据助力HR管理升级，迎接这个崭新的时代浪潮！

　　I时代的挑战

　　I时代是一个由Internet（互联网）、Individualism（个体主义）、Innovation（颠覆式创新）聚合而成的时代。这个时代的特征完全颠覆传统经济中的大鱼吃小鱼和快鱼吃慢鱼理论，抱着传统管理思想的企业和管理者将不断面临着生死考验。

　　这已经是个革命者层出不穷的时代，很多企业通过颠覆式思维，利用先进的技术和跨界的创新，使事情变得更简单，从而完成弯道超越老牌大企业，实现令人难以置信的突破式增长。这也是个更加注重情感链接和用户感观的时代，了解人性、捕获人心成了商业的制胜法宝，也成为管理上的核心要素。

　　今天的我们已经处在这样一个经济、社会与技术的大变革之中，面临这场变革大潮，HR将会遇到什么样的挑战？挑战很多，有两点最关键。

　　挑战一：I时代下HR管理的理论基础——管理科学将被重新定义。

　　在传统的管理被颠覆之际，HR管理是不可能独善其身的。

　　中国工程院工程管理学部副主任郭重庆认为，传统的管理将被颠覆，……从管理学界来看，是历史难得的大机遇，大数据是最接近映射真实世界的手段，云计算是社会化配置的计算服务工具，以及无所不在的互联网，开启了管理科学研究的新范式。

　　挑战二：从工业时代过渡到I时代，HR管理研究的方向发生了变化。

　　通过对比可以发现工业时代和移动互联网时代在组织和人的研究方向上不仅是不同，甚至是完全相悖。

　　在迎接移动互联网的过程中，HR管理的变革在所难免，那么，我们又该如何应对？有一点可以确定的是：传统的HR管理已经无法满足变革时代的需求。新时代的HR管理需要转型升级，而转型升级的重点，建议从三个层面着手：

　　一是HR组织模式的升级：需要改革传统的按照“选育用留”这种功能模块设置的HR组织模式，打造由COE（Centers of Experts，专家中心)、BP（Business Partner，业务伙伴）、SDC（Shared Delivery Center，共享支付中心）共同组成的三支柱模式，提升HR对战略的驱动力，对业务的支撑力，以及对员工的影响力，让HR真正成为企业的变革推动者、领导者、业务伙伴和HR业务专家。

　　二是HR信息化的升级：HR信息化的目标将不再仅仅是信息化办公或者提升工作效率，而是通过移动端、云、BI等新技术的使用，打造成能够有效连接COE、BP、SDC以及HR所服务的管理者和员工的信息高速公路，促成HR管理的颠覆性创新。

　　三是HR数据能力的升级：当我们所处的环境都被数据化以后，管理决策所依赖的将更多的是数据而不是经验。这也要求HR的数据能力不再是传统的数据统计，而是包括了数据的分析、挖掘、建模、训练、验证、管理改进等一系列的完整活动。类似于谷歌的People Analytics团队、腾讯的活力实验室、人平数据哥这类研究HR的大数据应用的团队将会出现在越来越多企业的HR队伍中，并发挥越来越重要的作用。

　　如果将转型升级后的HR管理体系想象成一个智能机器，那么组织模式就是机体，信息化是连接机体各个部位的神经网络，大数据就是“大脑”，这三者相辅相成，缺一不可。

　　大数据推动HR转型

　　搜索一下“HR+大数据”，可以轻松得到几百万条记录，可见大数据在HR领域并不是一个陌生的话题，遗憾的是，热度有余而深度不足。北大光华的穆胜博士在其写的《大数据为何走不进人力资源管理？》一文中提出“HR可能误会了大数据”，这一点我也是比较认同的。HR的大数据需要有自己的玩法，其不同于传统的HR数据分析的功能可以概括为三个方面：

　　一是养成平台的能力：大数据的特征概括为4V，即Volume（大量）、Velocity（高速）、Variety（多样性）、veracity（真实性）。这也决定HR的大数据绝不仅仅是把一些数据拿过来分析，而是一个涵盖数据的产生、存储、抓取、清理、分析、挖掘、建模、训练、验证、呈现的全过程的综合平台。

　　二是要有连接的效能：与传统的数据分析只需要得出一个数据性的管理结论不同，HR的大数据分析包括了提出概念、分析框架、数据准备、数据清理、数据挖掘、模型创建、训练验证以及管理行动，其过程充分卷入了HR三支柱的COE、BP和SDC，乃至于管理者和员工，其目标是推动HR管理的持续改善。

　　三是能够牵引HR的方向：传统的数据分析多是事后的总结，是一种滞后的管理。而HR的大数据分析则要求能够帮助HR进行预测，实现前置的管理。

　　在此，还有几点建议给到准备进行HR大数据探索的同行们：

　　——从现在开始，夯实数据基础。以腾讯的某个HR大数据项目为例，一次调用的数据就超过了600万条，400多个字段，一般的PC机以及excel、spss等工具都无法支撑此种量级的数据挖掘，但是其量级又达不到使用TDW的程度，加上数据敏感性等诸多因素，最终发现需要搭建用于HR大数据分析的服务器。

　　——数据质量决定数据的价值。涂子沛在《大数据》一书中用了整整一个章节来阐述数据质量，足见数据质量的重要性。在此我想用一句话来补充说明：在一堆错误的数据中，你能指望得出正确的分析结果吗？

　　——是挖掘数据而不是统计数据。仅从统计学的方法上看就可以看到差别，传统的HR数据分析用的最多的统计方法就是描述统计、箱型图等。但是到了HR的大数据分析，相关性分析、方差分析、回归分析、聚类分析、决策树模型等用的会更多。

　　马海刚