“大數據技術+”與人力資源量化管理的研究展望與多維分析

王萌萌

(中共重慶市委黨校，重慶400041）

?

“大數據技術+”與人力資源量化管理的研究展望與多維分析

王萌萌

(中共重慶市委黨校，重慶400041）

［摘要］大數據浪潮席卷而來，人類社會已經進入了大數據技術發展及應用的新時代，也為人力資源量化管理帶來新的變革。依據中國人力資源管理現狀，從“大數據技術+”的角度分析了當前人力資源量化管理的現狀及未來發展的瓶頸，建構了一個涵蓋“數據采集”、“數據挖掘”、“數據可視化”三大程序的人力資源量化管理框架體系。“大數據技術+”在人力資源量化管理的實踐中面臨許多瓶頸，主要是在人力資源量化管理的理念、技術、人才、管理上，需要進一步發展與研究。

［關鍵詞］大數據技術+；人力資源；量化管理

一、引言

快速發展的移動互聯網，使得每個人與每個組織的行為軌跡都納入到互聯網之中，由此產生海量的、低價值密度和多樣化的數據信息，與人力資源管理相關的數據更是迅猛劇增中。大數據浪潮已然席卷而來，數據已經深植社會各個行業和業務職能部門，大數據是企業未來發展的戰略性資源。大數據時代的開創性人物——數據科學家維克托·邁爾·舍恩伯格在《大數據時代》中強調：大數據技術是推進醫療改革、交通管理、基礎設施和公共服務的重要技術支撐［1］。大數據技術帶來的數據思維與技術應用正逐步改進人力資源管理的管理思維與企業的“數據革命”。通過對“互聯網+”概念的延伸，結合大數據時代需求得出“大數據技術+”概念。“大數據技術+”人力資源量化管理是大數據時代需求和人力資源管理革新的交融，是一種新的人力資源數據處理技術、管理模式與管理思維。如何確保量化管理的科學性、精準性也成為人力資源管理最為關鍵的問題，關鍵在于數據的采集、挖掘與可視化等大數據技術的應用。運用大數據技術提升人力資源量化管理的能力，是人力資源管理2.0語境下的創新。

二、人力資源量化管理的數據層面

人力資源管理最為關鍵的問題在于數據的采集、挖掘與可視化等大數據技術的應用，大數據技術運用的前提依據是人力資源相關數據的保障。抓住數據、理解數據與分析數據是人力資源管理下一次變革制勝的關鍵。

（一）人力資源量化管理實踐中的數據問題

人力資源管理是一項關乎組織未來發展的系統工程，建立在一個科學規劃的管理體系之上，而人力資源相關數據是該系統中的關鍵因素。相關人力資源政策及其管理活動，多是依據管理層的主觀經驗或者常規性基本數據（員工信息等）、各職能模塊的內外部信息（績效數據、人力資本數據、培訓需求數據）、專家調查測評數據等傳統方式獲取數據，以此開展人力資源管理［2］。大數據時代各個組織存在于動態化、立體化環境中，員工復雜的個體“異質性”訴求與心理行為極為突出，數據往往是這些個體動態變化的行為軌跡。實際證明，傳統的常規性數據獲取方法具有一定的局限性及主觀性，獲取的數據也難免碎片化、片面化、單一化、靜態化，致使人力資源管理在預測組織未來人力資源趨勢，員工成長曲線、員工離職傾向等層面極為困難，難以彰顯其科學性、全面性及前瞻性。企業能否獲得數據，如何分析數據與運用數據，直接影響到企業的人力資源需求預判、決策的科學性及管理的前瞻性。應借鑒大數據時代的數據理念，根據企業的實際發展情況，從多渠道采集、挖掘、分析相關人事業務信息等，探索全面的數據管理，通過數據提高企業的人力資源管理“價值”與“智慧”。

當前，盡管部分企業在人力資源量化管理上已著手人力資源管理平臺的數據采集，但多停留在結構化的數據表格上，極少關注非結構化或半結構化數據，如訪問量、視頻與圖片信息等數據，極易忽略管理中員工關系網中的復雜多變、其隱含的多元訴求與行為特征趨勢等。單一的結構化數據使得人力資源管理總是誤差較多，決策政策不夠科學全面。大數據技術為改善人力資源量化管理提供了現實可能和改革動力。研究運用大數據的目的是分析復雜組織網絡中的個體及群體性行為與心理態勢、員工特質與業務績效的關系，運用到人力資源戰略管理中，其預測的前瞻性價值就是對人力資源相關數據進行關聯分析，不僅關注因果關系，更關注其相關關系。根據大數據時代的數據理念，將改變只關注與組織戰略目標相關的抽樣數據分析的有限方式，變為關注挖掘總體數據，包括看似不相關的員工個體愛好、體貌特征、以往行為習慣等綜合數據，為系統分析所蘊藏的個體行為趨勢及組織文化開拓空間。換言之，人力資源量化管理的數據不應局限于結構化的、表層的、“看似因果關系”的抽樣數據，更須關注全面的、動態的把握組織中相關關系的綜合數據。

（二）既有人力資源量化管理工具方法的拓展

不同行業領域人力資源量化管理都面臨著不同程度的數據采集時效性與數據分析不足的局限，進而制約其人力資源管理的整體質量，導致人力資源供求出現問題，或人力成本居高不下等問題。改善數據采集與分析的質量是人力資源量化管理研究實踐的必然選擇。根據理論研究與企業實踐現狀，盡管對于人力資源量化管理測評方法和管理工具的使用有差異，但其技術均基于定量技術與定性技術，有部分學者提出建立完善的人力資源管理系統指標體系的建議［3］。在企業選人、育人、用人與留人環節上，一般采用現場面試與專家測評等方式，易受到個人主觀經驗的制約。更理性的管理工具是指標考核，依托于考核模型和關鍵指標體系，將抽樣數據計入模型而達到高效配置人財物的目的。此類數據分析工具也面臨著信度和效度的測評局限，該工具的指標體系篩選爭議較多。針對人力資源管理系統的指標設置、權重等未經科學論證，存在一定人為操作空間。而抽樣數據及其指標的靜態性，也使得該工具難以擺脫時效性差、信度與效度低的困局，制約了人力資源管理的前瞻性。尤為重要的是，基于線性因果關系的管理體系忽略了對組織文化和員工心理趨勢的監測。

數據信息爆炸時代下，當前的人力資源管理工具已跟不上數據應用需求的步伐，大數據技術的運用成為必然。大數據技術從全體而非抽樣的、動態的、海量的人力資源管理數據中，挖掘其隱含的規律，預測其未來管理與戰略規劃趨勢，以提高人力資源量化管理價值的目的。如Google運用大數據技術，根據調研大量的內部員工建立一個數學模型，這一模型輔助Google從十萬多份簡歷中高效找出較為合適的簡歷，有效地提高招聘工作的速度與效果。因此，獲取動態數據、多源數據、多結構數據的能力，將決定著未來人力資源管理部門的地位與價值，重視運用大數據技術進行數據預處理、數據分析挖掘等。

三“大數據技術+”人力資源量化管理體系概念框架

一直以來，人力資源量化管理是個難題。大數據時代背景下，運用大數據技術可促進人力資源的量化管理，使其創造更大的戰略價值，形成對業務部門的戰略性支持。為此，必須轉變傳統的人力資源管理體系，探索“大數據技術+”人力資源量化管理體系，幫助組織人力資源部門開展“數據多維采集”、“數據挖掘分析”、“數據可視化”。通過數據找到人才管理和勞動生產率之間的聯系，推進企業人力資源管理模式的轉型。

（一）數據多維采集

“大數據技術+”人力資源量化管理的基礎在于數據的時效性、連續性與全面性。在人力資源管理的模塊眾多，從戰略規劃、招聘培訓、績效考核、薪酬管理、勞動關系、企業文化等環環相扣，數據的多維采集決定著人力資源量化管理的整體效果。通過多種技術方法采集那些種類復雜的數據信息，是大數據技術應用實踐中最為基礎的部分。數據多維采集是指拓寬人力資源量化管理在數據分析上，所需要的多模態數據來源及采集渠道，獲取人力資源實時數據的采集與監測，確保相關數據的時效性、連續性與全面性。

數據的多維采集是人力資源量化管理進行數據處理的初始階段，這一程序需要人力資源管理部門轉變常規的“樣本”采集思維與靜態的“報表數據”采集行為，變為采集“源數據”與“全貌”采集思維與行動，實現數據立體、動態、多維的采集原則。不僅關注代表企業人力資源現狀的基本事實數據，如人力資源基本數據、相關問卷與量表、考勤記錄等等常規結構化數據。還要關注網頁、監控視頻、圖片等半結構化與非結構化數據，如員工微信、微博聊天的關鍵詞，可以提取其心理態度與工作協作度等［4］。大數據背景下，人力資源管理可以有效運用的數據采集工具主要有搜索引擎分類工具與分布式計算系統等。尤其是互聯網的普及，通過互聯網在商業信息網站與競爭對手網站等搜集信息有利于加強人力資源動態數據的采集范圍與精確度。采集的數據內容應呈現多維度：一是代表企業人力資源活力的動態數據如核心崗位招聘周期與市場行情的關聯關系；二是代表人力資源質量的分析數據；三是人力資源項目投資回報率相關的數據；四是人力資源管理活動的時空序列數據，即跨地區、跨年度的關聯性數據，通過數據獲取企業人力資源管理活動演化的規律。

（二）數據集成挖掘

從紛繁復雜的海量數據中發現數據價值、尋找數據規律、預測未來趨勢是大數據時代最為主要的理念。大數據這種挖掘數據規律和預判未來發展趨勢的價值追求符合人力資源量化管理的價值目標。數據集成挖掘是人力資源管理量化管理的核心，即運用專業化手段實現采集數據的清洗去噪、分解整合、關聯性分析、聚類分類、傾向性趨勢分析與模式識別等，逐步提取有價值的數據，深入分析組織內不同部門和職能間的人力資源現狀與趨勢。

大數據的重要特征之一即多樣性，同時數據采集的多維性也注定了數據類型和內容極為復雜，必定存在諸多雜質。如員工心理與行為數據，有員工對人力資源管理工作的心理反應數據，也有與此毫不相關的繁雜瑣事、錯誤信息等數據，這就要對相關數據進行“去噪”，以防其數據關聯性分析造成干擾。對數據進行“去噪”多少是在數據挖掘中設置數據過濾器，運用聚類與關聯性規則將多余數據去掉。為提升數據運行速度，可開展分類數據庫的設置。原始數據的初步處理技術有序列模式挖掘、數據智能算法、云計算和數據高級統計等。

人力資源量化管理的目標是人力資源精細化管理與規劃，因此在數據挖掘中，應提取出人力資源各模塊數據信息之間的關聯度，這需要聚類方法的應用支持。聚類法是指在混亂復雜的數據庫中，根據核心數據指標特征，如績效數據的員工信息、發生時間、地理分布、培訓需求、滿意度等，將類似特征的數據信息劃為同類，并且根據數據特征組成不同的數據類，以便進行標記分析挖掘。數據挖掘而來的模型，可通過數學公式或判定樹等來表示。數據模型將大大地提升后續新數據的分析效率，通過輸入相應模型，快速的預測其人力資源管理的現狀及趨勢。但是員工心理態度與行為變化的易變性，員工心理數據的挖掘分析常常是不夠全面的，這是影響人力資源量化管理的一個局限。

（三）數據可視化

“數據可視化”是指為便于有力的呈現數據挖掘分析的結果，通過借助一定工具以可視化的形式呈現，作為相關管理決策工作的基本依據。人力資源管理者最關注的可能并不是數據挖掘的細節與過程，而是對數據分析結果的展示與解釋，在意人力資源量化管理現狀、趨勢判斷和相關管理建議。在人力數據多維采集和數據集成挖掘程序基礎上，人力資源量化管理還應運用“數據可視化技術”，是數據挖掘結果最直觀的呈現方式，可直接揭示大數據隱藏的規律與價值，便于人力資源管理工作人員對大數據分析結果的理解和認同。可視化技術一般包含集合技術、圖標技術、像素技術和分布式技術等。

通過可視化技術，可直觀有效輔助企業管理者與人力資源管理部門進行人力資源管理與規劃。在利用大數據工具對數據可視化結果的解讀中，還應鼓勵多部門參與到信息協同機制中，鼓勵聘請專業人士對數據分析結果開展客觀的論證，增強數據分析的客觀度與精確度。

四、“大數據技術+”人力資源量化管理的多維分析

當前人力資源量化管理面臨著大數據時代需求壓力與傳統人力資源管理困境的局限，同時大數據技術也給予人力資源管理更大地創新潛力和管理空間，是人力資源量化管理的發展，也是轉型。

（一）技術：數據質量的前提條件

保障大數據挖掘分析數據效能的前提是有海量、低密度、高質量的數據，也只有這樣，大數據分析工具才能挖掘出潛在的、精確的、高價值的數據規律與數據信息，人力資源管理部門做出管理活動才會取得預期的效果［5］。當人力資源量化管理數據從結構化數據轉變為包含結構化數據、半結構化數據與非結構化數據時，數據從靜態化文本轉變為多維（圖片、網頁等）形式，數據可能存在雜質與沖突的地方，也可能是無效的數據信息。要對海量復雜的數據種類與內容進行篩選與處理，是一件困難的工作。基于大數據多樣性需求，單一的數據結構已經遠遠不能滿足大數據存儲的需要，人力資源管理部門需專業的數據庫技術和專門的數據存儲設備，以保證數據采集及存儲的有效性與完整性。目前我國政府部門人力資源管理數據多以結構化數據為主，主要用的傳統數據存儲設備，如關系型數據庫，對非結構化或半結構化數據，需要進行二次轉變再行存儲處理，該過程對數據質量有很大的時效性與整體性損耗。同時，大數據具有低價值密度的特征，網絡采集的數據往往伴隨著大量冗余、錯誤的數據，對真正有用的人力資源數據信息造成干擾，影響數據挖掘與分析［6］。因此，清洗數據需要更加高效且專業化的工具。傳統的數據存儲與處理技術已然無法應對數據挖掘工作。事實上，當前國內一些地區政府部門對于大數據相關技術的運用多集中于分布式存儲及并行計算方面，這對基于“大數據技術+”人力資源量化管理實踐造成了較大的阻礙。

（二）資源：數據挖掘的必要基礎

目前，人力資源管理的數據采集工作，基本停留在專家考評、日常記錄數據、調研問卷等“樣本”采集階段，仍未達到運用大數據技術開展數據采集和挖掘的層面，政府人力資源管理工作更是處在大數據浪潮的尾部，專業的人力資源量化管理數據挖掘人才極為缺乏。加之大數據本身的復雜性與專業性提高了“大數據技術+”人力資源量化管理的難度。掌握大數據挖掘技術，同時又熟悉人力資源量化管理操作程序與政府運作規則的綜合型人才，是當前推進“大數據技術+”人力資源量化管理應用最急缺的人才。相反當前部分企業如谷歌、百度和騰訊等，早出現了“首席數據官”等中堅群體。

大數據時代背景下，未來各層級政府可在內部設置大數據人力資源數據信息監測分析部門，并設置相關培訓部門負責培養相關的復合型人才。要求按照各政府組織部門的實際需求選擇合適的數據庫及數據采集、清洗工具與挖掘技術，并根據數據挖掘結果，形成可視化結果對人力資源管理活動提出建議與對策。政府部門亦可將該項業務進行外包或進行公私合作，鼓勵企業，如百度、騰訊等數據密集型企業的參與到其中，聯合開展“大數據技術+”人力資源量化管理應用開發。

（三）管理：數據公開共享的組織保障

大數據浪潮來襲，企業組織結構的拓展及外部環境的變遷，職能部門之間的數據共享與人力工作協調成為極為關鍵的一環［7］。企業人力資源管理的最終目標是實現組織的長遠發展和當前企業和員工績效的提高，“大數據技術+”的引入與運用的目的也應當是朝著這兩個目標努力。部門間的數據信息共享是促進“大數據技術+人力資源量化管理”的前提基礎。海量的、多模態、多源性的和異構性數據是進行整合性挖掘，獲取人力資源潛在價值的前提基礎。假設缺乏數據公開與共享的支撐，那么數據處理工具與平臺建設將毫無用處，人力資源量化管理目的也很難實現。當前不論是企業組織還是公共部門，其內部都是以封閉獨立的部門為主的“信息孤島”，數據信息共享的意識及管理流程缺乏。為實現數據信息共享與互通，必須轉變組織管理思維，進行組織結構與流程再造，打破固有的碎片化管理思維與部門崗位間的限制，提高組織的協同效率，保障數據的可獲取性與共享性。這就標示著大數據時代人力資源管理日益呈現出協同化、多維化與智能化特征，其模式將由職能型向流程型的轉變。可搭建組織內部的數據化平臺，或借助外力購買“大數據技術+”人力資源量化管理的外包服務，促進大數據時代的人力資源量化管理。人力資源管理的數據化與智能化管理，將大大提升其工作效率，節約成本。

（四）理念：人力資源管理的主體思維

大數據思維，即將每一個數據視為一個信息節點，以一定的科學手段，通過分析數據網絡間裂變式的傳播交互路徑，重點挖掘其中蘊含的具有重要價值的數據及其隱含的規律［8］。思維、技術、數據是拉動大數據應用研究的三駕馬車，思維是發動機。共享開放的數據思路，是使用數據進行創新管理的根本。

大數據背景下人力資源管理不僅僅面對技術層面的障礙，更深層次障礙在于組織內部人力資源管理思維的轉型。一直以來，傳統管理經驗式管理思維與管理手段占據主導位置，慣有的數據采集思路即根據框架采集相應的數據依然落后，缺失“循數治理”的數據管理觀念。這使得“大數據技術+”人力資源量化管理的理念在應用實踐層面將遭遇一定的困難。尤其是在公共部門的原有行政觀念下，如果管理者缺少數據管理思維與變革意識，缺乏對“大數據技術+”人力資源量化管理價值的正確認識，將直接導致大數據技術的應用研究滯后，價值挖掘與技術創新也無法得到保障。大數據時代人力資源管理者對數據的處理能力決定了他們的地位，數據管理思維中的變革及管理角色的轉換，加深了他們的恐懼，使其試圖退回所謂的“安全區域”［9］。實踐證明，在大數據浪潮中贏得先機很關鍵，谷歌的人力資源管理者已然轉變角色，變革思維，使其人力資源管理工作彰顯了智能化、核心化的價值。管理者應具備大數據的思維模式，從大數據技術中掌握新的技術手段，扮演更為主動的角色，建立開放視野和專業素養能力［10］。以此推進組織變革與流程再造、及其決策方式的創新，從戰略的層面思考才能獲得核心競爭力，贏得新的生機與優勢。

五、結語

大數據技術的應用為人力資源量化管理帶來新的契機。但是與傳統人力資源管理數據采集分析思維與流程不同，強調數據采集多源性、內容的多維性、數據量全面性、數據時效性等，數據的多維采集、集成挖掘與可視化面臨重重挑戰，而大數據質量的保障已成為當前人力資源量化管理的重大障礙。加之企業與公共部門管理者的大數據思維及工具技術、數據應用體系尚在探索或試驗階段，“大數據技術+”人力資源量化管理的應用研究道阻且長。但是我們應看到，大數據技術為人力資源量化管理的研究開拓出新的發展機遇與應用前景。未來依靠大數據技術可以有助于提高人力資源管理的核心價值與探索其潛在規律，其智能化與數據化的管理模式也將使得人力資源管理以商品化的應用創造新的商業模式。

參考文獻：

［1］維克托·邁爾·舍恩伯格，肯尼思·庫克耶.大數據時代:生活、工作與思維的大變革［M］.杭州:浙江人民出版社，2013.12-72.

［2］唐魁玉.大數據時代人力資源管理的變革［J］.中國人力資源社會保障，2014，（3）.

［3］李越恒.企業人力資源管理基于大數據的“挖掘”［J］.人力資源管理，2015，（5）.

［4］王群，朱小英.大數據時代企業人力資源管理創新思考［J］.沈陽工業大學學報(社會科學版)，2015，（3）.

［5］李琳.大數據時代人力資源的創新管理［J］.領導科學，2014，（10）.

［6］王姍姍.大數據時代對人力資源管理的影響［J］.中國管理信息化，2015，（2）.

［7］杜娟.大數據時代企業人力資源管理變革的思考［J］.中國管理信息化，2015，（5）.

［8］和云，安星，薛競.數據時代企業人力資源管理變革的思考［J］.經濟研究參考，2014，（11）.

［9］李志華.以價值量化管理:激活基層組織人力資源效能［J］.中國人力資源開發，2013，（11）.

［10］涂子沛.大數據:正在到來的數據革命［M］.桂林:廣西師范大學出版社，2013，.349-351.

［中圖分類號］F249.23

［文獻標識碼］A

［文章編號］1009-6566（2016）02-0031-05

［收稿日期］2016-01-04

［作者簡介］王萌萌（1989—），女，河南開封人，中共重慶市委黨校行政管理專業碩士研究生，研究方向為公共管理學和管理博弈論。