人力资源数据?
随着互联网产业快速发展,注重质量、注重效率、注重速度成为组织发展的内在要求。同时,数字时代的来临,无论企业大小,都开始转型升级,在过去几年中,全球在利用人力资源数据分析、预测和提高绩效的实用性和应用价值上不断攀高,而且,未来还有进一步普及推广的趋势。
一、国内人力资源数据分析面临的问题
在德勤2018年的《全球人力资本趋势》调查中,84%的受访者都认为人才分析重要或非常重要,“人才分析”的重要性在“2018年的10个人力资本趋势”中高居第二位。例如,Visa,IBM等公司开发出一套分析工具查找“非显著”电气求职者并推荐相关培训。
但在国内,人力资源数据分析目前还存在着人力资源综合信息管理水平较低的问题,其阻碍了企业人力资源管理水平的提升,导致无法对经营过程产生的大量数据进行收集、分析、挖掘,进而影响企业真实地展现组织经营过程,打造完整的人力资源管理价值链。如果企业在生产经营中忽略了人力资源价值链的构建,使得企业人力资源管理工作遇到问题,那么很有可能就会给企业的经营发展带来重大问题,产生无法对企业中人员的业绩进行全面跟踪,无法将业绩成果与收入进行有效对应等组织决策效率及人员激励等问题。
究其原因有三点:第一,由于组织管理者对大数据理念在人力资源管理中应用的重要意义并没有深刻理解;其次,企业还是比较偏向相信有经验的人力资源专家;但即使是最有经验的人力资源专家难免也会带着无意识的偏好和偏见,大数据分析方法有助于去除偏见和干扰,通过数据,可以更公正地分析实际情况,提出客观的解决方案。第三,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。
二、HR如何利用数据分析做人力资源管理呢?
那么企业在生产经营中要如何构建人力资源价值链,HR如何利用数据分析做好人力资源管理呢?
首先,根据分析目标,准确建立人力资源数据分析模型。人力资源相关应用主要集中在招聘、绩效、培训、评测、员工服务等方面,以上模块都非常需要对数据的整合、分析、挖掘来提供决策支持。同时,也必须从公司的战略和业务出发,从支撑公司发展的驱动因素和核心能力着手开展人力资源管理活动,并构建数据分析模型。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,根据分析模型,确定哪些数据是可用的,并搜集数据,通过对不同类型的数据库的梳理、整合,企业可以建立起统一的数据仓库或者数据湖,为进一步的数据分析奠定基础;随着电子化人力资源管理(E-HRM)、网络职业招聘平台、社交网络应用、在线劳动力市场等技术在企业人力资源管理中应用程度的不断加深,以及大数据技术的日臻成熟,组织收集、存储和使用与人力资源管理相关的海量数据变得更加便捷和系统化。数据收集成本越来越低,员工的调查问卷,员工的代码行为,员工的社交网络内容等都可以用来对员工的绩效,招聘、流失率进行科学客观的分析。
一般人力资源大数据,分为基于内容的数据、基于关系的数据、基于用户行为的数据,如下图。
需要注意的是,在搜集数据的过程中,一定要注意数据的合规性。GDPR以及网络安全法都已经将数据安全保障作为一个必须要遵守的严格规范,因此,企业在搜集这些数据的过程中,要尽量避免额外、敏感数据的搜集。此外,还需要注意这些数据在储存、调用过程中的安全性。
推荐阅读
- “一部手机读云南”上线力争建成国家方志大数据中心西南中心
- 联合国大数据全球平台中国区域中心在杭州成立
- 银行的数据中心可以跳槽去互联网公司吗
- |大数据赋力 半个多月前拉客的“黑车”精准落网
- 数据采集终端|
- 关于用phpfsocket 写Post, 模拟http 报文怎样写入要传输的处理数据
- 假如把中国电信监测到的3亿人一个月每天上网的所有行为打个包,哪些数据应该被提出从这些数据能得到啥
- 游戏公司一般咋识别游戏脚本
- 城市数据团是怎么样一个团队
- 上海或苏州有没有比较好的大数据培训机构
