2015年01月刊 专题
Stella作为一家大型企业的人力资源总监,经过了多轮部门间的博弈和反复地对老板的游说,终于让大家同意实施人力资源管理大数据方案了。她很是兴奋,觉得自己企业的人力资源管理终于要步入高大上行列了。想到此,Stella觉得自己似乎荣升为一名技术咖了。
可是,世界太纷扰,Stella,千万别被忽悠了。有一句话叫做:“这个世界上有两种谎言,第一种叫谎言,第二种叫统计”。
Stella误解了大数据
事实是:多数人力资源管理者在现有企业里拥有的数据几乎都算不上大数据。你没看错,这不是笔误。在中国很多的企业里,即便是非常大型的企业,有哪家企业的人力资源高管敢如此自信,称自己企业的人力资源管理数据可以真正称得上大数据?人力资源管理者需要做的是让更多的事情以数据的形式被完整记录。Stella总不能一边在用Excel做数据做报表,一边称自己是大数据专家呀。
早在上世纪80年的,美国就最先提出大数据概念。到2000年的时候,一些企业的数据已累计达到了“太”(terabyte)的级别。学术界很多专家们刚开始给大数据最流行的定义就是:200太就是大数据。但是,到今天,数据增长的速度更快了。可是在现实中,很多人力资源管理者可能还没有了解这一真相。
但人家华为创始人任正非之前就说了:“大数据流量时代应该是很恐怖的,因为我们都不知道什么叫大数据。流量之大也令人不可想象。我说的大数据与业界说的也不一样,业界说的大数据,不是大,而是搜索,如邬贺铨院士说的,数据的挖掘、分析、归纳、使用,使数据创造出价值。”
任总裁所说的大数据是指数据流的波涛汹涌,指不知道有多么大的数据要传输与储存。数据量大是大数据的便签。那究竟数据多大才算大?说得简单粗暴些,能用Excel、SPSS等各类统计软件工具捕捉和管理的数据几乎都不能算是大数据。
再直观地讲,Stella的企业有一万左右的员工,将现有的几乎所有员工数据包括胜任力、考勤、绩效、岗位、薪酬等数据等纳入后的数据级别单位最多为“吉字节(GB)”。这在大数据专家的眼里根本不算大数据。因为,大数据通常以“太字节(TB)”为单位。太字节是什么概念?1TB=1024GB。
为什么说Stella的企业之前误解了大数据,这是由于过去若干年的思维习惯所致。用信息管理专家涂子沛的说法就是现实中的人力资源管理者们,往往是“先有思考框架,再收集相应数据”。比如Stella在做员工绩效考核时,往往是从部门经理那里根据每个员工的考核绩效指标,汇总的数据。这样的数据即便再多,也是单一,根本不叫大数据。
原来天天让人力资源管理者们头疼的繁杂数据,根本还称不上大数据。既然数据量还没那么大,为什么有那么多人提大数据?因为她能带领我们接近真相。
另一个真相是什么?
Stella的企业要做员工满意度调查,即便样本量再大,它也并不是大数据。但是如果能对所有员工的发言进行关键词的抓取,对员工行为进行分析(如早到时间、加班时间、协作次数、申请培训数量等),由分析进而产生了更多的数据便可能是大而全的数据,这就可能会形成大数据。
Stella的企业要想往大数据方向发展,她就要知道:企业中越来越多的事情都可以以数据的形式被记录。
Stella称自己理解了大数据的真正核心概念,并表示接下来的工作要继续帮助企业产生更多的数据记录。或者Stella所在的企业数据量级别已经够大了。但无论如何,对数据的分析工作要赶快行动起来了。接下来,面对浩瀚如海的数据,Stella很是头疼,如何管理和利用呢?
谢天谢地,Stella终于要发现大数据的真相之一了。大数据不只是指海量的信息,更强调的是人类对信息的筛选、处理。由此来看,在多数企业的人力资源管理实践中,对数据的分析至关重要。
真得抱歉,还得提醒Stella一句,谎言无处不在,请小心。
不过,在揭露新的谎言之前,还是先让我帮Stella和她企业的首席执行官厘清一下他们自己的需求吧?是不是可以用这样一个简单的链条来表示——数据到信息,信息到知识,知识到利润?
Stella表示认可该公式。但是完美解开这个公式的过程,其实是人类智慧提升和进步的过程。况且,在这个过程中,谎言又来了。简而言之为:
人们看到的是他们想要看到的东西
当年恺撒曾用替换加密的方法与他的将军们进行联系,后来称为恺撒密码。恺撒密码解码效应中,人们倾向于对自己有利的方式对数据分析。别忘了,恺撒密码好用却非常容易破解。人们在数据分析时,常常会像设定凯撒密码一样,加入一些主观因素。企业人力资源管理者即便利用了真正的大数据,利用大数据进行预测也可能会失败。因为分析过程中不免需要加入其他因素,因素的复杂性可能导致分析结果和现实不吻合,有时甚至还会带来伪联系。
喊话数据分析和管理方法——你还差着远呢
Stella说我们团队的数据分析技能水平有限不要紧,我可以站在巨人的肩膀上,利用最新的分析工具和方法。现实也有些许残酷,那就是人力资源管理分析方法和工具虽已出生,但在苛刻的企业首席执行官和人力资源高管眼里,这些方法还差得远呢!其实,也可以理解,因为目标和起点之间存在太多复杂因素了。
比如Stella要做人才预测,她不仅仅需要盘点人才的数量、质量和结构,还要考虑管理幅度、组织决策速度、把数据放在组织模式(经营模式、业务流程、组织结构、岗位系统)中才能产生绩效。这其中存在的难点很多。何况,数据分析师们经常会给出很多因素之间的相关性,但相关性并不代表因果关系。
……
本站仅提供存储服务,所有内容均由用户发布,如发现有害或侵权内容,请
点击举报。