书城管理大数据在中国
4433900000026

第26章 大数据与管理变革(1)

数据说话--更加理性的决策

现在普遍采用的人力资源管理方式大多存在很多问题,诸如主观性太强、单凭经验感觉去判断、信息不对称不透明等,这种人为管理的方式更趋向考察HR的个人能力,而大数据的出现,则为HR头疼的问题提供了强大的解决助力。

美国的IBM公司是把大数据技术应用到人力资源管理等方面的典范。作为一家跨国公司,它将大数据技术的优势发挥到了极致,其创建的ProfessionalMarketplace数据库包含了IBM员工的技能、薪资以及近期日程安排等等可考信息,并且通过数学运算从中攫取到一种资源配置最优的方式。

显然,这对于人们组建团队的帮助是不可小觑的,尤其是项目经理需要组建一支全能团队的时候,就可以参考ProfessionalMarketplace数据库,找到最适合的员工。就像在一堆车票中挑选你最喜欢的位置那么简单。

☆人才测评

人才可以计算吗?当然可以。在大数据与云计算时代,几乎没有什么是不可以量化和计算的,人才作为一种资源,自然也可以作为数据和计算的一部分。而且,这种用数据说话的人才测评方式,能够帮助HR更轻松地找到所需的人才。

归根结底,人才的管理是资源管理的一部分,从本质上可以实现量化的、数字化的管理。比如财务预算管理掌管一个企业的经济,制订企业的财务计划;人才管理则是企业对于人才的计划,通过量化的方式,对企业的人才进行评估、盘点,从而挑选出目标人才进行培养、训练、提升,最终完全符合企业的要求。

在一个企业当中,现有的人才状况是否与行业要求相符,差距在哪里,有哪些优势和缺陷,是技术差距还是素质差异等等,这些通过什么分析出来呢?当然是数据。如果没有大量的数据分析,仅凭HR的观察和直觉判断,必然存在着巨大的误差,人才管理的科学性也就不存在了。

尤其是当企业发展到一定的规模之后,企业的人力资源管理更是需要科学数据的支撑,对人才的测评通常涉及很多方面,比如人才的绩效数据、人际关系测评数据、技术素质数据等等,企业如果有一个数据库,就可以通过比对数据得出结论,可以有依据地确认企业目前缺乏哪方面的人才,员工在哪些方面普遍存在欠缺,以及哪些人才真正适合企业未来发展等等。

大数据时代让人才资源管理摆脱了过去传统人才管理的“糊涂”“模糊”

模式,进而进入全方位的数字化管理新时代。作为中国最大的人才管理与测评解决方案提供商,北森公司在几经变革之后,也跻身到了大数据与云计算领域。北森人才管理平台开始采用一种新模式为客户提供服务,比如SaaS模式,正是利用了云计算技术来搭建平台。

这是一个充满了无限前景和潜力的全新领域,也将给HR带来更加开阔和创新的人才管理思维。

☆绩效考核

我想,现在已经不需要为大数据做什么广告宣传了,各大企业的CEO、CFO们也都非常清楚这一点:大数据是这个时代的发展趋势,而且在不久的将来就会成为扼住企业咽喉的生存关键,更是企业制胜的一大法宝。因为大数据打穿了企业传统管理中横亘在量化和非量化、内部和外部、管理和执行之间的IT鸿沟,为企业科学管理决策提供了有力的依据,能够大大地提高企业的决策质量。

绩效管理作为现代企业不可或缺的管理工具之一,其本质就是通过收集各种绩效数据,然后进行分析,从而为企业的各项管理决策提供支持,并对企业未来进行预测以及流程的改进。目前看来,EPM(能效与生产维护管理)显然将会是企业未来竞争的主要目标之一,这也将引发企业信息系统的一次新变革。

现在大多数的企业对EPM的关注重点仍然还集中在对KPI(关键业绩指标)的监测上,这显然是不够的,决定EPM成效的基础前提首先应该是如何选择合适的、准确的关键战略指标。有少部分大型企业已经意识到了这个问题,他们已经开始通过聚合KPI与海量财务与运营数据的数据仓库应用来提取更加深入的分析结果。比如谷歌、亚马逊、eBay和沃尔玛等企业。

传统意义上的企业数据库就像产品仓库,在存储和查询数据的时候完全采用结构化的方式。那非结构化的数据怎么处理呢?显然,传统企业数据库无法做到。而社交媒体和IT技术的发展则使得大数据分析成为可能,大数据工具能存储和分析传统数据库无法处理的海量非结构化数据。

大数据分析意味着企业将能够把支撑决策的数据来源和类型扩展到过去无法企及的领域:通过搜索引擎、社交媒体、博客、视频等结合结构化的交易数据来更好地理解员工的行为。

数据总量和类型的大幅增长

有了大数据分析的帮助,传统的KPI分析工具将具备分析大量的非结构化数据的功能。例如,NetPromoterScore已经能通过分析Facebook和Twitter等社交应用的信息来评估某个品牌或者产品的用户满意度和忠诚度。这仅仅是一个微小的开始而已,随着知识资本向社交资本过渡,一个企业如果无法评估开放社交媒体的信息,也就无法进行有效的绩效管理。

大数据分析的大众化

在过去,企业需要投放大量的资金在IT和数据分析上,以此来获得大量数据的采集、处理和分析。但在大数据时代,这部分资金的投入将得到很大程度上的“减免”,因为有很多数据处理工具是免费的。

GoogleTrend。趋势性数据的普用分析工具,任何公司都可以使用GoogleTrend进行大量趋势性数据的分析,并可应用于市场研究。

SocialMention。这是一款可以让企业追踪到社交媒体中的品牌提及信息的工具,甚至能对用户的评价信息进行倾向性分析,比如对某一品牌的评价,大多数用户是反响积极还是普遍不满意。

TripAdvisor。这是一个很有名的在线旅游点评网站,TripAdvisor能够通过专用工具采集旅游者对酒店、餐馆和景点的评价信息,从而向酒店、餐馆的经营者提供一个可参考的数据,便于经营者分析客户的喜好以及消费趋势,从而做出及时的改进。

以上工具都是一些很好的数据分析例子。除此之外,在大数据分析的其他方面,最大众化也是最典型的例子是Kaggle举办的“汽车索赔预测大赛”。这个大赛会召集一些完全不懂业务的汽车爱好者,他们仅依靠厂商提供的有限的数据(具体车型被符号代替),就完全可以预测出不同汽车品牌产品的事故几率。这时你要问了,准确吗?不得不说,这个大赛预测结果的准确性比厂商自己的预测高出340%。

绩效考核的技术变革

当前,大多数企业仍然延续传统,将企业绩效管理看作是基于数据仓库的一种分析和汇报软件,但是在大数据时代,云计算和SaaS(作为服务的软件)正在逐渐成为企业绩效管理软件的技术发展趋势。如果企业不能及时地认识到这一点,必定会在不远的将来被市场淘汰。另外,Hadoop作为一种能够分布式处理海量数据的框架和内存数据分析,也都是企业绩效管理未来的热点技术。

☆人才选拔

传统的人才招聘方式,通常是企业人力资源部门或者政府机构租用场地,承办招聘会,这种方式虽然直接有效,但是其效率以及对企业资源的耗费,不得不说是巨大的。而在大数据时代,随着人才市场丰盛的大数据新技术的到来,传统的招聘、选拔人才的方式将逐渐淘汰。

谷歌公司每月收到大概10万份以上的简历,如此庞大的数目,企业如果一一进行约谈面试,所要消耗的成本无疑是巨大的。那么,如何在成千上万的求职简历中筛选出最合适的那些呢?

为此,谷歌公司采用了大数据技术,它会让所有的在职员工各完成一份有300道问题的问卷,然后根据问卷的结果分析建立出一套数学模型。很显然,在职的员工经过培训已经在各方面符合公司的要求,这些员工做出的问卷,是最能代表谷歌人力资源需求的。这套数学模型让谷歌摆脱了凭文凭“敲门”的招聘缺陷,从而从其他方面开始去发掘那些潜在的“最适合”申请者,他们也许在学校并不是成绩优秀的人,但他们可能更具有发展潜力。

2003年,美国作家迈克尔·刘易斯写了一本畅销书《魔球--逆境中制胜的智慧》,在此之后,曾就职奥克兰市运动家棒球队总经理的比利·比恩成了人人追捧的明星。

比恩所在的棒球俱乐部在挑选球员的时候依赖于“球探”,而在2002的时候,比恩决定改变这个方法,他采用了由哈佛大学一位年轻的统计学天才开发的一种数学模型来搜罗球员,后来,这种模型成了专供比恩和他的下属的专属模型。

奥克兰运动家队之后的神奇表现证实了这种模型的可靠性,从那之后,这支很小的球队凭着微不足道的预算不断改写棒球赛史上的纪录,更是创造了美国棒球联赛史上最长的连续获胜纪录,仅仅一个赛季就收获了103场胜利。这是多么骄人的成绩!在美国棒球史上,也只有老牌劲旅扬基队才能与之匹敌。

奥克兰运动家队的成功在职业棒球界掀起了一场翻天覆地的革命,从此之后,越来越多的球队开始进入数字招聘行列,俱乐部愿意在“数学模型”上投入资金,从而科学地运用预测模型评估一名球员的潜力以及其市场价值。先行者大都尝到了甜头,他们比那些相对保守的同行显然更拥有优势。

如果我们不了解大数据,仅仅是看了这个棒球队的故事,所能领悟的程度大概只能到“一支棒球队令人难忘的励志传奇”,但现在你就能够明白,它实际上证实了大数据应用的一个趋势:预测性的统计分析和大数据应用,将改变传统的招聘方式,给予五百万的应聘者一个全新的综合评判机会。

在此,我们是否也可以这样想:运用大数据,组建一支强有力的优质团队将变得更加容易。

行为信息--已经构成了一座金矿

互联网以及大数据技术的发展,已经让定期获取人类的行为信息成为可能。行为信息比其他信息更有深度,所涉及的范围也更广。目前,全世界范围内有98%以上的信息都已经采用了数字化的存储方式,较2007年,这个数据量整体上已经翻了四倍。

那么,提供这些数据的都是哪些人呢?其实,无论你在自己家中还是在公司工作,只要使用互联网,都会产生大量这类数据。比如日常工作和生活中,发送电子邮件、浏览网页、使用社交媒体工具或者从事更多的其他活动,你都产生了行为信息数据。而在产生数据时,你就是那个在无形中为发起一个全新的社会项目助力的人。大数据影响着我们所处的时代,各个行业都已经因为大数据而发生巨大的变化。比如华尔街就因为预测股价走势的电脑程式算法而发生改变;传统的营销方式也因为互联网浏览记录的算法受到挑战。人们倾向于相信大数据对经济领域的改变,但对于人才市场,只有少数人相信类似的数据驱动的方式可以被广泛应用。

只能说,一个时代的进步总需要时间去印证,而那些走在时代前列的人,总能先于其他人成功。很多企业的HR已经把大数据工具列为人力资源管理的最得力工具。美国康奈尔大学工业与劳动关系学院教授约翰·豪斯克内西特曾对媒体说,美国国内近年来对于“劳动者分析职位”的需求大幅增长。而他自己为了配合劳动力市场供需的最新形势,把自己教学课程里的主讲科目也修改了。

那么,这是否意味着我们可以就此放心大胆地把职业生涯交给数据分析?

人们普遍不愿意做“第一个吃螃蟹”的人。在职业生涯分析中采用“预测分析法”就是那只可能会咬人的螃蟹,对大多数职场人士来说,这还是一个非常新兴的领域,有一个更贴切的叫法是“人本分析”(peopleanalytics)。如何把理论应用到实际,这才是真正的挑战所在,况且还有很多人对此提出了道德异议。

“预测分析法”要达到预测的目的,需要建立一个全面而庞大的个人技术统计表,这其中必须包含诸如业务业绩、工作态度、技能、KPI等一切关乎个人表现的内容,其规模超乎我们的想象。

数据越真实,需要涉及的个人表现范围就越广,换句话说,这个数据就像一个私密监视器,它会窥探到人性最隐秘的地方,比如你的成长经历、生育能力、私人生活等等。所以说,大多数相关领域的公司现在也只是处于研究“螃蟹是否能吃”的阶段,他们探索的更多是此类应用的可能性。

但可以预测的是,在今后的五到十年间,数据分析行业必然会诞生新的模型,一些大规模的新实验也将问世。这对未来的企业人力资源管理以及个人的职业道路,不得不说是大有裨益的。

“选拔人才”模式的历史变迁

“公司”的概念从诞生的那一刻起,“经理人”的角色就伴随而生了,他们的任务是为公司网罗人才,在无数千差万别的人中挑选出最适合的人才,组建团队,创造效益。

关于人才选拔的历史,有一个有趣的小故事:

在20世纪初,美国费城一家制造商要大量招工,那时候有人想出了一个奇怪的方法来决定可录用的人选。这家工厂的老板让工头站在工厂门口,向围在四周的求职者抛出苹果,能够快速地接到苹果的强壮者,就能被工厂录用。现在看来,这种方法显然没有任何科学性可言。时代变迁,如今的招聘观念和那个时代有了截然不同的评判。一些企业的精英管理者更喜欢用一种“残酷”的方式来实现优质人才目标,“优胜劣汰”成了我们这个时代的最强音。

我们可以回顾那个时代领跑的商业巨头:美国钢铁公司、杜邦和通用电气等等,它们都在用大鱼吃小鱼的方式进行整合,它们的一个动作就可能影响到整个行业的命运。弱小的企业在竞争中被吞并,由此便催生了一个更强大的企业。发明这些“残酷”竞争模式的人通常会获得业界巨头的青睐,他们被挖掘到那些更强的企业坐上更高层的职位。

一个世纪以来,这种方式都在强烈的拥簇中运行得畅行无阻。人们靠自己的卓著表现成为被选中的人才,而经理人也根据人们的表现甄选出所需要的人。正如沃顿商学院教授彼得·卡普利在论著中所写:“在预测和甄选的科学领域,没有什么方式的影响力能比得上观察人们的实际表现。”