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。
