《大数据解决公司人力资源管理现存的问题.docx》由会员分享，可在线阅读，更多相关《大数据解决公司人力资源管理现存的问题.docx（8页珍藏版）》请在三一办公上搜索。
1、大数据解决公司人力资源管理现存的问题一、大数据解决公司人力资源管理现存问题 当前全社会多领域正在经受着大数据浪潮的洗礼，人力资源管理领域也不能例外。商业智能工具帮助人力资源管理从凭借经验的模式逐步向依靠事实数据的模式转型；人力测评由主观性强的单一专家进行测评转向构建数学模型依靠大数据处理技术进行测评；企业招聘过程也正朝着越来越依靠社交网络和大数据技术的方向发展。 大数据助力HR-BI Human Resource Business Intelligence,以下简称HR-BI，即人力资源商业智能，主要解决通过数据对整个人力资源过程监控，对人力资源管理监控分析。它是商业智能在人力资源管理决策分析
2、过程中有效应用的结果，是通过建立一套基于企业人力资源管理过程的分析模型，利用商业智能分析统计功能强大和展现形式丰富的特点，实现支持企业人力资源管理决策分析的分析系统。例如：随着某公司“软实力”的提升，对人力资源管理理念与管理能力提出了更高的要求，人力资源决策迫切需要从“经验+感觉”模式向“事实+数据”模式转型，这时候就是HR-BI派上用场的时候了。 区别于e-HR，即面向业务过程的一般性报表的电子人力资源管理，HR-BI的价值在于通过其多维数据仓库功能，进行数据建模，提高大数据情况下的人力资源分析效率，使得人力资源管理体系能够找到不断调整与优化的方向与策略，更好的支持业务发展，真正适应企业整体
3、发展战略的需要。 业界的佐佑人力资源管理咨询顾问公司和企业应用软件巨头Aptean公司就分别从“数据“、“信息”和“洞察力”以及预算管理和薪资等方面提供了足够好足够多的案例。 大数据助力人才测评 随着人力资源管理日益成为企业生存关键的时候，人才测评作为人力资源管理的一项专门技术也越来越受到人们的重视。 通过对目前国内外人才测评状况的了解得知，现在企业的人才测评大多处在单一的专家评估上面，明显带有强烈的主观性。为此，利用大数据技术对人才测评中的一些问题如人才绩效考核、人才选拔以及分类进行研究，改进以前算法中的一些不成熟的地方。 大数据技术能从一些大型的人力资源数据库中找到隐藏在其中的信息，帮助决
4、策人员找到数据间潜在的联系，从而有效地进行人才测评。 北森是国内最早做测评并且专注于做测评的公司。在云计算平台和大数据技术的服务使得北森的测评工作更加高效准确。北森利用行业专家经验，积累了200万测试者的数据，构建模型进行测评；国际上的Hay Group在测评方面更是资深行家，其核心产品海氏系统法从实质上讲就是一种测评方法。这种方法是国际上使用最广泛的岗位评估方法。据统计，世界500强的企业中有1/3以上的企业岗位测评时都采用了海氏三要素测评法。 大数据助力企业招聘 在大数据爆发的时代背景下，互联网企业开始重新审视自己的行业定位，将数据资源和数据价值提升到自己的核心战略中，并衍生出一系列新型服
5、务和产品，而这种趋势还在继续迅速爆发中。当然招聘网站也结合大数据技术的特征，研发出一系列利用社交网络和大数据技术的为企业招聘服务的产品。 一些公司提供人力资源管理解决方案和行业宏观分析报告,并把他们售卖到人力资源部门、猎头、招聘网站、媒体、*。靠售卖招聘规模报告，在线个人方案，在线企业方案来赢利。比如Wanted Analytics和Forensic JobStats这两家B2B模式的公司就比较典型。同时它们还可以通过快速确定在何处放置招聘广告，轻松填补职位空缺，了解在哪里可以找到候选人等方法帮助企业更快速的找到合适的求职者。 前程无忧的“个人竞争力分析”与Wanted Analytics 功
6、能类似。通过它企业可以看到投该职位的应聘者人数，工作年限，学历等信息，这样企业就能比较这些人的竞争力ZhengYi1 。竞争力排名是一个动态的数字，会随着投递人数的变化而发生变化。 二、人力资源管理公司的商业模式 大数据人力资源部门管理到底为我们解决了哪些问题？它帮我们解决了招聘过程中的信息不对称和信息不透明问题。这里的信息包含了企业信息和候选人的个人信息。 企业信息的透明化 传统招聘网站上的企业信息不透明，因为这些信息都是企业人力资源部门提供的，不够客观。如今人们能够通过网站发布与获得更多来自企业内部员工对企业的评价，更加真实可靠，是寻求信息对等和雇主与雇员之间信息沟通的渠道。 代表企业有G
7、lassdoor、分智、Simply hired和ResumUp几家。它们都提供工龄、企业评价、评级、薪水报告、面试问题、招聘启事等信息。 Glassdoor的核心产品是提供包括公司内部情况、薪酬、公司内幕和工作环境之类的信息。 在这里注册的求职者资历通常较深，因此更愿意推广自己，并展示自己给企业带来的利益。与Facebook整合后，Glassdoor还可以告诉你应该结识一家公司中的哪些人，这点类似下文将提及的ResumUp。由于98%的Glassdoor用户都与Facebook账户进行了关联，该网站还可以帮助雇主通过社交数据确定求职者适合的职位，从而实现精准定位。 分智可称为中国的Glass
8、door，其核心产品可以提供薪水查询服务，提供详尽的工资待遇信息，工作地点、所在公司、工龄、工作时间以及工作职位。这些信息都是由用户编写产生的，再返回去为这些用户提供服务。 Simplyhired将Google地图、薪酬研究网站http:/PayS、社交网络社区LinkedIn、MySpace等机构提供的内容整合在一起，借助社交网络的便利，提供查看某公司内部资讯、查看某公司内部“是否有自己认识的人”、甚至能够查看某公司对职工婚姻状况是否存在“潜规定”等特色内容，这点很像Glassdoor。Simply Hired提供的服务是免费的，广告是其主要的收入来源。Simply Hired还把招聘市场的
9、各种资料数据有偿地提供给研究组织，也会为雇主提供其它周边服务，以此来增加收入。 Resumup的核心功能是个人的职业规划，提醒个人用户如果想达到某个职位，便要按照Resumup提供的一个step-by-step职业路线图去奋斗。用户看后会清楚地知道如果想得到更好的晋升机会，他们需要做什么、需要学习什么知识、提高什么技能等。 Resumup的数据来源于Facebook和LinkedIn，就产品设计角度而言ResumUP解决方案的特点是从根本上简化了用户体验。ResumUP跟identified很像，都可以载入Facebook的个人信息，自动生成个人简历的60%左右，之后手动填充，填充内容可以加分
10、，直到填充满：教育背景，工作经历，技能等信息为止。ResumUP还会显示你有什么Facebook朋友、LinkedIn 联系人已经步入了你想要的工作目标，或者他们正在朝那条路上走。这样你向他们取经和交流。 个人信息的深入挖掘 传统的招聘网站上的个人信息不透明，都是候选人自己编辑上传的文字，如今大数据技术可以实现从社交网络上来查询并深入挖掘候选人的信息，让企业更清晰的了解候选人的情况。此类中最具代表性的企业有Talentbin和Identified。 TalentBin公司提供针对社交网络的职业搜索引擎服务，它收集应聘者在社交网络上的信息，整理编辑出一个以人为中心的数据库，想招聘某种人便可以去T
11、alentBin搜索。大数据时代，有效的数据收集和分析工具在人们获取数据时是至关重要的。 Identified 公司提供基于 Facebook 的职业搜索引擎，对企业提供服务，可以对求职者进行打分，它的核心功能是是通过工作经历、教育背景和社交网络三项指标信息给人们打分。这些信息都来自 Facebook，用户还可以添加更多信息。Identified类似于Google PageRank的人物版本。 候选人与职位匹配 招聘过程的最根本诉求是解决企业职位与候选人之间匹配的问题，而大数据技术恰恰能更高效精准的完成这个匹配过程。此类中最具代表性的企业有Bright和Path.to。 Bright与Resu
12、mUp类似，对空缺职位和求职者的匹配度的评分。它从用户上传的简历和社交网络上提取候选人的总量数据，然后用大数据技术进行分析，通过考察数千个数据点，给求职者和空缺职位的匹配度评分，分值越高则匹配度越高。Bright能帮助企业和求职者有效的缩短应聘时间，为他们提供更好的服务。 Path.to网站的用户需要输入他们所擅长的工作，或者从LinkedIn导入自己的工作经历，而且还要回答一些关于他们喜欢怎样工作的问题。之后Path.to通过独特算法完美匹配员工与雇主，这一点与Bright相似，Path.to的商业模式就是算法，算法是它的竞争优势。通过Path.to网站寻找职位是免费的，但是企业发布职位信息
13、则要收取一定的费用。 三、大数据是中国人力资源与招聘行业决胜的关键 大数据处理技术的应用在全球范围内迅猛增长，推动整个社会进入了大数据时代。而大数据处理技术本身也将成为中国人力资源管理与招聘行业决胜的关键。 人力资源管理与招聘行业内以大数据技术为支撑的产品和解决方案在全球范围赢得了迅猛的增长。人力资源行业企业通过出售经过处理分析的商业报告来获取直接的利益，以商品化的大数据应用创造了新的商业模式。 在eHR系统数据建设中，数据源源不断汇集到数据库，确保数据能用、可用，且操作者对其善于运用，这才是数据建设的核心。数据是否可用和可信，是用户关心的两个层面，也是eHR数据建设的两个根本。 可用是技术层
14、面问题，是指数据的格式、内容等能否被用户读取和使用，方便地进行深入处理和分析。 可信是数据质量问题，是指数据在准确性、完整性、及时性和有效性方面能否满足应用要求。 凭借“大数据”理念进行数据建设 凭借“大数据”理念进行数据建设，不但能确保数据可用和可信，也将在数据使用上获得意想不到的效果。与一般数据信息相比，大数据除了具有大量、高速、多样、真实等特征，更关键的，是 数据的流通与互动。eHR系统数据建设除了在数据准备阶段要恰当选择数据处理的原则和方法，还要应用好以下五个实施策略，有效维持特性，才能满足系统运行后的数据分析、数据挖掘需求。 1数据整合 大数据虽然数量庞大，但并不是简单的数据堆积。系
15、统设计者必须整体考虑企业的eHR建设，使数据库成为自由共享中心，掌握各应用系统专业数据范围，明确数据的归口管理单位，制定相应的数据标准，避免数据多源、重复。 2数据与流程协同 要使eHR系统中的数据成为“活数据”，须将数据与系统各业务流程模块协同，达到数据的有效流通和互动。流程即是开展业务的实现途径，也是数据的管控手段，静态数据与动态数据的平衡互相均借此实现。 3数据标准化 数据标准化才能显现处理和统计速度的乘数效应，离开数据标准化，搭建数据统计的分析模型、进行数据挖掘等就成为纸上谈兵。 4数据相关性 做数据相关性分析，可把涉及的其他专业数据进行分类，对数据源进行追溯，利用基础数据的相关性衍生
16、某些数据，减少非专业数据在建设中数据采集、录入和统计的工作量。 5数据质量控制 数据质量控制一般围绕适用性、准确性、完整性、及时性、有效性5个质量特性，从数据源、数据录入、数据上报点着手，建立内部和外部监督，在数据约束、相关性分析、数据逻辑分析的基础上建立完善的数据校验程序，并通过各级用户对数据的准确评估来掌握和校正数据、提供质量。 数据可用、可信只是为ehr系统提供了有价值的数据资源，真正做到让数据“说话”并不简单。 首先要准确建立数据分析模型。 eHR系统虽然汇集了海量的人力资源信息，但这些数据通常不能直接应用，而需要利用工具把相关数据提取出来，通过建立数据模型加以计算，最后对结果进行分析
17、和诊断。因此，HR能否将人力资源管理的实际问题抽象化、掌握方向和要素，将直接决定着建立分析模型的成败以及能否对现实工作进行诊断。 其次获得数据分析人才的协助。 数据分析是大多数HR的数据短板，因此，为了使eHR系统带来更好的收效，企业需聘用一批数据分析方面的专业人士，以弥补现有人才的不足。 最后要明晰HR在数据管理中的角色。 相当一部分HR，要么认为数据管理是IT部门的工作，要么认为自己并非内行，无法参与到数据在企业内部的共享过程。事实上，HR应该认识到，未来的企业人力资源与信息化的契合水平将日益紧密，HR只有尽快从业务管理转变为数据分析的引导者和提供者，才能真正成为管理者提供人力资源的战略决策支持。
