书城管理大数据在中国
4433900000027

第27章 大数据与管理变革(2)

然而,到了二战末期,美国人才供求市场开始出现一个严重的问题--人才短缺。企业里元老级的那批高层管理者年纪渐长,他们需要退位了,谁来接替他们的职位呢?必须要招聘新的训练有素的职业经理人。但这就是问题所在,从20世纪二三十年代的经济大萧条一直到二战期间,招聘就业市场始终处于疲软状态,能干的经理人就像钻石一样,始终短缺。企业急得像热锅上的蚂蚁,这时候,在普通员工中培养有潜力的人才,就成了那个时代美国商界最紧迫的任务。

从此,企业开始研究正式的招聘与管理系统。建立系统之初的参考,主要依据两个部分:一是依据人类行为学的最新研究成果,二是源于两次大战期间开发的军用技术。第一点是毫无疑问的,任何时代,行为学都是有参考价值的;而关于第二点,则是因为爆发世界大战时国家调动了大批的军队,伤亡严重,人口紧缺,必需要尽可能高效地用人。只要你是块金子,基本上不用发光也会被发现。

到20世纪50年代为止,企业对待那些应聘专业岗位人员的选拔方法,是我们现在仍有企业在沿用的层层考核法。也就是说,花上好几天的时间,让应聘者参加一整套测试,这其中就包括初试、复试、面试等。

每个企业都期望通过严苛的测试在茫茫人海中挖掘“明日之星”,为了这个目的,过程不胜其烦。1950年的一期《商业周刊》就写道,宝洁公司在挑选高管人才的时候,会直接从大专院校入手。

现在看来,那个时代的选拔制度确实是盲目而慢效的。招聘的过程就像工厂的流水线,一个年轻人想要成为高管人员,就需要经过一系列IQ、数学、词汇、专业态度、职业兴趣、罗夏克人格、性格、健康状况等测试,最后才能在一大批“合格品”中脱颖而出,被盖上“一等品”的标签。

这些大公司的意图很明显,就是要通过种种测试考验应聘者,希望测试能够决定出合适的人选。有的员工已经被选定,也进入了工作流程,但测试评估可能还没有结束。

1956年,《商业报道》记者威廉·怀特就曾发表了一篇题为《组织人》的经典文化批评,其中指出,美国大约有四分之一的企业都在使用相似的测试评估经理和初级管理者,而这些测试通常被用于评估这些管理者是否已经准备好了迎接更高的职位。

“是应该提拔琼斯,还是搁置不用?过去,这名员工的主管们为了拿主意不得不相互讨论这个问题,如今他们可以和心理学家一起调查,看心理测试的结果怎么说。”怀特在书中这样写道。

到了1990年,这种在20世纪中叶风靡全球的企业招聘方式几乎从市场上销声匿迹了。企业放弃了花费大量时间做测试的方法,而是开始承办临时面试,面试的内容就是HR随意地提出几个问题,应试者即兴作答。

对于这种现象,彼得·卡普利说:“我认为,要是目睹现在的企业这么随意地招聘,20世纪70年代末的人力资源从业者会感到震惊。”

这个改变是因为什么呢?卡普利为我们列举了很多原因解释这种变化。比如员工跳槽的现象增多,而测试成本太大,使企业没必要也不愿耗费资源做彻底的测试;企业更注重短期财务盈利,因而削弱了长远人才发展的内在功能;另外,1964年出台的《人权法案》也让一些有歧视倾向的招聘企业有所顾忌,因为他们会被要求承担法律责任。种种因素的制约和影响使企业慢慢地开始把眼光投向没那么正式的量化招聘方式。持续到今日,这种方法还被众多企业青睐。

不过,上面这些因素都是客观影响,主观上是因为那些企业当时所使用的许多评估法并不科学,后来招聘方式的发展都纷纷证明了测试招聘的缺陷。最搞笑的是,有些方法并没有切实的依据,仅仅是一些从未经过测试的心理学理论而已。还有一些测试最初是为评估精神疾病而设计的,有时接受测试的人群并不具有代表性,比如大学新生,测试的结果并没有任何有意义的显示,只能显示出测试对象的反应属于“正常”还是“非正常”。

有意思的是,威廉·怀特主持了一些专门面向企业总裁的测试,测试的结果发现,没有哪位总裁的评分能够达标,他们都不在企业标准的招聘范畴。

怀特认为这些测试是不科学的,并不能客观地评估应聘者的潜能,而且有一些测试也不太人性化,对于隐私权的涉及过深,比如被测试者需要回答个人习惯或者父母的情感状况等。为此,有很多应聘者都对这些充满“攻击性”的测试题充满了极大的反感。

如今,由于数据分析的新技术和新方法,招聘作为一门学科的地位重新归位。大数据让招聘的成本更低、速度更快、覆盖范围更广、结果也更科学。不管怎么说,科技创造已经为我们带来了无尽的可能性,一个新时代正拉开帷幕。

信息采集与分析

☆信息采集与分析的重要性

对于这个世界上的大部分公司来说--我相信至少有80%的公司,哪怕它们正高举大数据的旗帜,大数据本身仍然只是一个非常空泛的概念。它们虽然十分明白其重要意义,但言行却不一致,许多奇妙的想法也难以得到彻底的实施。

对于管理上的应用和大数据的实践,企业不仅难以参与,更是不容易对进程做到完美的控制。其中一个最常见的问题就是:每天都在产生的海量数据,应该如何采集和分析?这是一个很大的困扰,就像一位经理人对我形容的:“我感觉自己守着一座金山,却无从下手!”

还有一位老板抱怨:“这些数据有什么用?都说有价值,但在我这里只能让我每天头疼!”

对于任何一家公司,比如电信、金融、零售业的从业者甚至政府来说,它们都需要数据来帮助自己理性决策,都有对于信息采集与分析的强烈需求。但现状并不理想,在我们国内相当长的一段时期内,比较专业的数据分析只是局限于金融和电信业。其他行业的公司对此缺乏敏感度,甚至许多从业者采取的是抵制或者漠视的态度。

尴尬的地方就在于,公司的决策者有时候更愿意相信自己的直觉,而非数据。虽然这种意识逐渐在发生变化,但有的人从来没有想过要做出根本性的改变。思维的改变从来都是艰难的,它是一块坚硬的顽石。只有当一些新兴行业开始产生,并由此崛起了一批从大数据思维中获益的公司,他们才能意识到数据的获益是如此明显。

但到这时候,大数据时代已在全球范围内到来了,这些人此时再奋起猛追,显然为时已晚。即便深刻反省并愿意付出代价弥补落下的功课,也会在一段时间内只能充当学习者和追赶者的角色。

我们都已经看到,大数据在管理领域内有望推动一场革命性的彻底改变。管理者利用大数据,可以做到很好的测量,并且做到对于数据的精确化利用,进而了解自己的公司,然后对于业务做出更好的决策。

这具体表现在我们对于信息个体的重视上,管理者必须有勇气直接将这一认识转化为改进的决策和性能。从技术的层面去重视对于数据的采集和分析,实现“数据为王”,才能改变企业落后的命运,甚至让自己成为行业的龙头。

我们知道,诸如百度、腾讯和阿里巴巴这样的中国企业已经在这样做了。但是我们希望中国的所有企业都具有这种数据收集与分析的能力,而不仅是几个典型企业。这是我们对于“大数据中国”的梦想,也是一场与全民有关的数据管理变革的终极目标。

这几年,从我对企业的实践进行的调查来看,大数据管理的意义,并不在于你掌握了规模多大的数据信息,也不在于你的理论准备有多么充分,而在于对这些数据进行智能处理、从中分析和挖掘出有价值的信息等工作做得是否到位。假如这些实际的工作你缺位了,之前的一切准备都将失去它们的意义。

我发现大部分的公司现在还很难判断,到底哪些数据会在未来成为我的优良资产,我们需要通过什么方式将信息提炼和分析出来,转化为现实的收入。对于这一点,即便是许多从事大数据服务的专业公司也很难给出确定的答案,人们仍在继续琢磨和进步,在大数据的浪潮中即便最好的公司也只是敲开了第一扇房门,进入了最外层的房间。但有一点是可以肯定的,在大数据时代,谁掌握了足够的数据,谁就有可能掌握未来。我们现在的数据采集,就是在为将来积累流动资产。

☆信息采集与分析的6个关键环节

信息的采集

信息采集是第一步工作,也是必不可少的第一个环节。在国外,谷歌、亚马逊等巨头早就已经开始部署数据收集的工作。在中国,淘宝、腾讯、百度等公司也已经收集并且存储了大量的用户习惯及用户消费行为数据。甚至还有专门的行业数据采集系统,而在将来,这一系统会更加发达,也会有更多专业的数据收集公司加入进来,从事信息采集服务。

信息的清理

采集以后,必须进行清理。原因就在于,当大量庞杂无序的数据收集好之后,如何将有用的数据筛选出来,完成数据的清理工作并且顺利地传递到下一个环节,是我们必须进行的一步工作。全世界已经有很多专业的数据处理公司来完成这样的工作,国内也开始出现类似的公司,比如华傲数据等。它们不断涌现,支撑起了中国的数据处理行业。

信息的存储及管理

这是一个中间环节,也是介质环节。信息进行采集清理以后,必然进行存储和管理,这两个环节是连为一体的,也是密不可分的。一般而言,我们进行数据管理的方式决定了数据的存储格式,而数据如何存储,又最终限制了我们进行数据分析的深度和广度。假如数据保存不好,管理不当,后面的一切环节都将变得毫无意义,我们将很难做到专业的分析与解读,也就无法顺利地实现大数据的实用。

信息的分析

分析信息与数据,是为了找出相关性或者因果性,进而为下一步的处理打下良好的基础。这几年来,基于开源软件基础构架Hadoop的数据分析公司呈现出了爆炸性的增长。比如康德瑞公司,它成立于2008年,是一家能够帮助企业管理和分析基于开源Hadoop产品数据的优秀数据分析公司。因为其优质的服务,这家公司仅用了不到5年的时间,市值就超过了7亿美元,其固定客户有摩根大通等著名的跨国企业。

信息的解读

解读信息就是把专业的大数据分析结果进行还原,把它体现为具体的问题,即要把“问题”转化为“问题的原因”和“问题的应用”。在这一领域内,有很多的数据还原公司提供着优质的服务,比如Wibidata公司和国内的诸多新兴的数据还原公司,都在进行这项工作,且日益专业化。

信息的量化

在最后一步,也是大数据管理的最重要环节,就是对数据进行利用。在这一环节中,通过对数据的分析和具象化,将大数据能够推导出的结论进行量化计算,然后实现它的应用。量化的目的就是得出结论,并将结论付诸实施。

对你而言,还有一个难题是:“我需要多少信息才能做出判断?”在大多数创业公司中,管理者觉得信息越多越好,理想的情况是搜集到这个星球上所有人的数据,但在我看来,获得关键人的个人数据,对于管理的意义更大。这会让我们的大数据思维走向科学,而不是盲目地寻求海量数据。

大数据管理应用--预测和控制

对数据进行采集、管理和利用以后要干什么?我们必须做一些实际的工作,才能体现大数据的管理价值,那就是用它来进行预测和控制,而且是实现精准控制。

☆未来管理--大数据了如指掌

任何一种理念或者技术,归根结底都是为人服务的,人必须占据主导地位。也就是说,人类的需求其实是另外一个驱动,对大数据管理也是如此。假如你从事大数据管理不是为了管理人、经营人的未来,那么你就偏离了管理的本质,也就背离了利用数据的初衷。

通过大数据管理,我们可以对未来“了如指掌”。那么假如你明白了大数据管理的本质,你也就能够对自己的未来产生这种体验了。我们通过大数据,来帮助自己了解世界,进而了解人性,了解自己。一个人能达到这种境界,管理一家企业对他还是什么难事吗?简直易如反掌了。

所以,在管理上应用大数据时必须遵守的一个原则就是,要一只眼睛盯着数据,另一只眼睛盯着人。你既要在商业运营的时候知道怎么回事,明白产品如何设计、成本怎样控制等这些物理数据,又要能够洞察你的员工怎么想、在不同的阶段有什么样的需求等思维数据。

具体怎么做?办法就是把这些数据进行虚拟化。你要把它转化成数字的过程,用数字的过程来描述物理的过程、逻辑的过程、化学的过程等等。当它们虚拟化时,我们就可以非常从容地进行数据分析,来看透本质,总结和量化它的规律。最后再根据规律办事,就可以掌握未来。

☆预测--我们必须先了解自己的对象