大数据分析在企业人力资源管理中的应用探索?

摘 要：自2013年麦可锡公司提出大数据概念以来，大数据已经开始影响各传统行业，大数据时代已经到来。大数据，代表的不仅仅是数据的数量大，更代表着一种新的管理方式、管理手段。大数据时代，运用大数据思想应用于企业管理是必然的发展趋势，企业人力资源管理作为企业最核心的“人”的管理环节也不能置身于外。本文结合自身企业人力资源管理工作经验，分析了在人力资源管理中大数据的数据采集方式，提出了企业每个部门每个人都是数据的制造者、企业每个部门每个人都是数据的使用者、企业每个部门每个人都是数据的质量保证者的观点，并针对人力资源管理工作阐述了阀值模型、相对值比较模型两种大数据分析模型在具体工作中的应用。

关键词：大数据;企业人力资源管理;模型

马云说过，当我们还没有弄清什么是互联网的时候，大数据时代已经到来了。第一个提出大数据概念的是2013年的麦可锡公司（世界级领先的全球管理咨询公司），2013年可以看成是大数据元年。大数据的内涵，包括数据的采集、清洗处理、统计分析、挖掘，重点是找出数据的关联、重点、规律、趋势，也就是数据的运用。大数据在管理中的应用有很多成功的案例，例如马云的大数据团队和淘宝、天猫的成功;麦可思公司的第三方教育大数据分析，领军了整个国内高等教育大数据分析市场;网球冠军李娜的成功也离不开对训练中的大数据的统计与分析应用。大数据，代表的不仅仅是数据的数量大，更代表着一种新的管理方式、管理手段。大数据时代，运用大数据思想应用于企业管理是必然的发展趋势，企业人力资源管理作为企业最核心的“人”的管理环节也不能置身于外。

一、企业每个部门每个人都是数据的制造者

企业每个人的基本信息（工号、姓名、政治面貌、宗教信仰、性别、出生年月、年龄、学历信息、信箱、手机号码、信箱、岗位工种、参加工作时间、家庭成员情况等）都是企业人力资源管理的基本数据，属于静态数据。

在工作中的业务完成情况、计划执行情况、出勤情况以及学习情况、培训情况、考核情况、奖惩情况、科研情况等数据也是企业人力资源管理的基本数据，属于动态数据。

企业庞大的数据源，就是由每个部门每个人的静态数据和动态数据组成。

二、数据的采集方式

在人力资源管理中，数据的采集方式有人工采集和信息化采集两种，其中以信息化采集为主。

如果大量地采用人工采集，就改变了信息化建设简化、节约人力劳动的意义，给企业人力资源管理带来了额外的工作负担。根据调查，个别企业的人力资源管理办公业务系统功能看似很强大，但是大量数据采集工作没有和现有工作结合起来（办公流程业务系统走一遍、人事管理系统又走一遍，信息采集脱节、重复，甚至纸质原始办公业务流程还要走一遍）、没有利用信息化采集手段，企业人力资源管理运行变得更加复杂、低效，除了正常业务工作外，增加了大量的人工信息录入工作负担。并且，这种人工数据采集，难以保证数据采集质量，依靠这种没有质量的数据去加工、分析、使用数据就缺少置信度。

各业务系统采集数据后，通过互联网数据传送至数据中心，数据中心进行清洗处理、统计分析、挖掘，然后以数据、图形、表格等形式直观地显示给相关人员。目前，大部分企业有业务系统，但业务系统或陈旧、采集数据有限，或业务系统没有联网、没有建立数据中心，信息孤岛现象比较普遍的存在。企业要想深化内部改革，提升工作质量，必须注重信息化建设，注重大数据分析应用。

三、企业每个部门每个人都是数据的使用者

目前，在传统的企业人力资源管理中，经常性的需要填表、对上对外报送人事相关的各种数据，这些工作往往需要人事管理部门组织各相关部门及相关人员填报数据，由人事管理部门汇总并审查。

若建好了人力资源管理的信息化软件，则这种传统的数据填报工作就理应消失。单位人事相关数据，都理应从人力资源管理的业务系统软件的数据中直接取出数据。若建成了数据中心，则除了可以从数据中心直接获取数据外，还可以对数据进行加工处理，例如筛选出女职工的人数、男职工中党员数量、专业技术人员年龄结构等。如此，人人都是数据的制造者和使用者，但不是数据的“填报者”，填报职能由业务软件、数据中心来实现，并且数据统计准确、快速、便捷，解放了全单位大部分人的数据填报麻烦。

四、企业每个部门每个人都是数据的质量保证者

一是每个人的静态数据是个人通过计算机向业务系统录入，也就是人工采集，需要保证录入的数据准确性，否则将会影响数據分析结果。

二是在企业运行过程中，每个人的相关动态数据采集需要利用信息化的采集手段自动采集，保证数据采集的原始性、真实性、及时性。并且，每个岗位都应该有工作目标、工作目标的质量标准，通过仪表、图像、表格的形式反馈给相关人员，用以对工作质量的自我诊断以及上级监督、考核。

例如：维修工作人员的工作质量标准，可以用出勤情况、服务时间、问题解决率、维修服务满意度4个工作质量标准来衡量。见下表所示，最终通过数据中心将维修服务工作人员的工作质量用仪表、图形、表格和数字的形式直观地显示给维修工作人员及其部门领导和人事管理部门。表 维修服务工作质量标准

五、企业人力资源管理中的大数据分析模型建立

笔者借鉴在工业、教育中相关的大数据分析成型软件，结合自身企业人力资源管理工作经验，针对人力资源管理工作提出了阀值模型、相对值比较模型两种大数据分析模型在具体工作中的应用构思。

1.阀值模型

以企业现员结构为例。一个企业得掌控本单位的管理岗人员指数，避免出现管理层臃肿。一个现代化的企业管理岗人员数量的比例通常在1：50到1：200之间，根据自身企业的行业特点和业务特点，不同企业的管理岗人员数量比例不同，企业管理层可设置自身企业的比例阀值。

以图1模型所示为例，本企业设定管理岗位人员数量比例阀值为1：50和1：100，即当管理岗人员数量比例超过阀值范围点亮红色报警灯，设定接近值点亮黄灯，在规定范围内显示绿灯。此图显示在企业主管人事工作的高层领导的业务软件中，为领导人才招聘、内部员工岗位调整、机关减员等提供决策依据。这种用图形表示、设定阀值并用信号灯警示的模型还可以用于员工流失率分析、在职职工学历分析、在职职工职称分析、在职职工年龄分析、项目执行进度管理等，显示比较直观。

2.相对值比较模型

以培训学习为例。员工参加培训学习可通过培训学习管理业务系统或业务办公流程软件实现原始数据的自动采集，依靠数据中心对数据加工，形成显示图片。例如图2所示，通过自身的手机微端或电脑业务界面，个人可自查自身的党建学习、业务培训、单位会议的参加情况，知道自身在全单位的培训学习情况，包括全单位的平均值、最大值、最小值，以及综合总分、综合排名，有一定的自我预警、自我诊断作用，也使得年终综合考核中此项考核变得具体、量化、过程可溯、公平公正。

参考文献：

[1]方心兰.人工智能时代人力资源管理发展思考[J].商讯，2018（20）.

[2]产天娇.人工智能在企业人力资源管理中的作用研究[J].商场现代化，2019（05）.

[3]李寅龙，武晓红.浅析人工智能对人力资源管理的影响[J].人力资源管理，2018（03）.

[4]武延军.大数据时代已经来临——人机物融合的大数据时代[J].高科技与产业化，2013（05）.

[5]王元卓，靳小龙，程学旗.网络大数据：现状与展望[J].计算机学报，2013（06）.

作者简介：车克妍（1988- ），女，籍贯：黑龙江省肇东市，助理工程师，研究方向：人力资源管理、电力