论文部分内容阅读
[摘 要] 大数据的兴起推动着企业人力资源管理的数字化转型，然而企业的大数据应用人才极为短缺。高校“人力资源管理”课程与大数据融合的教学变革，对于培养学生人力资源数据分析能力以满足社会用人需求具有重要的现实意义。嵌入大数据的“人力资源管理”课程体系的设计与实现如下：从教学内容上，在包括人力规划、绩效薪酬等的人力资源管理每一个职能中嵌入大数据的相关内容;从教学手段上，增设数据分析上机实训的教学环节、增设案例分析报告的考核形式。
[关键词] 大数据;人力资源管理;课程体系;案例报告
[基金项目] 2020年度中国地质大学（北京）本科教育质量提升计划建设项目“数字化时代培养学生人力资源大数据分析能力的教学探索”（JGYB202027）;2020年度国家自然科学基金委管理科学部应急项目“行业特色高校师资队伍建设研究”
（72041018）
[作者简介] 高世葵（1969—），女，四川成都人，博士，中国地质大学（北京）经济管理学院副教授，主要从事人力资源管理的理论与教学研究。
[中图分类号] G642 [文献标识码] A [文章编号] 1674-9324（2021）29-0005-04 [收稿日期] 2021-03-18
一、引言
利用大数据技术重塑人力资源管理成为企业赢得长期竞争优势的关键。概率统计、人工智能机器学习、区块链、数据云可视化、文本挖掘、模型预测等大数据时代常用的分析技术，在人力资源管理实践中的应用，为企业创造出新的价值。
企业人力资源管理的数字化创新，推动人力资源管理的工作理念和工作方式发生了根本转变，从“经验+感知”为依据的传统管理方式转变为以“事实+数据”为依据的数据驱动的管理模式，数据分析成为人力资源管理从业者必须掌握的一项十分重要的应用技术。然而大数据应用人才极为短缺，据职业社交网络LinkedIn China 2019年的调研数据显示，其平台上的70多万名中国人力资源从业者中，具备数字化技能的从业者所占比例不到2.5%[1]。然而，高校“人力资源管理”课程的现行体系，缺乏人力资源数据应用的相关内容。在数字化转型的背景下，本文以培养学生人力资源数据分析能力为目标，探索高校“人力资源管理”课程与大数据融合的教学变革，无疑对满足企业大数据用人需求具有十分重要的现实意义。
二、高校“人力资源管理”课程体系嵌入大数据的必要性
（一）企业人力资源管理实践转向数字化
企业实践证明，大数据技术对提升人力资源管理的作用价值成效显著。腾讯、华为等商业智能领域的先行者，构建的基于数据挖掘的人力资源管理平台，成为企业保持高速发展的加速器。以腾讯公司为例，腾讯公司的精品人才库，不仅是对大量人才数据采集而成的完整数据链，还对人才就业情况进行追踪分析，包括就业去向、薪资水平等形成动态实时报告，成为企业选聘人才的有力工具[2]。腾讯公司还采集历史上所有高绩效、高稳定性员工的留任数据，通过挖掘员工行为数据，例如工作绝对时长、主动发起沟通邮件的次数等，建立甄别潜质人才的预测模型[3]。
（二）数据分析能力成为人力资源管理从业者的必备素质
大数据下的企业人力资源创新管理，催生了对数字化人力资源管理者的需求。智联招聘等主流网站上出现了高薪诚聘人力资源数据分析师的广告，从任职要求上对从业人员提出了数字化的新要求：能通过挖掘人力数据价值，提出人力资源优化策略，搭建可视化数据平台并输出分析报告;能结合人力数据和业务数据，为企业业务支撑提出人力保障的措施，充分实现人力数据与企业战略规划的融合、迭代和增值;能依据人力数据分析，提高人力投资回报率[1]……大数据技术无疑对人力资源管理从业者提出了新的挑战。
因此，除了具备传统的知识技能外，人力数据分析能力成为人力资源从业者必备的素质特征，势必也成为高校“人力资源管理”课程的又一培养目标和方向。然而，当前高校“人力资源管理”课程未能在培养目标、课程体系等方面进行及时修订更新，未能与时俱进地满足企业人力资源管理实践的需求，因此有必要探讨将大数据融于“人力资源管理”课程体系的构想设计与实现路径，以培养复合型、数字化的人力资源从业人员。
三、嵌入大数据的“人力资源管理”课程内容的设计
“人力资源管理”课程本身是一门实践性较强的应用型课程，大数据在企业人力资源管理中广泛和深入的应用对高校“人力资源管理”课程体系的创新指引了改革方向。在企业实践的引领和带动下，需要适时调整和重新设计课程体系。
（一）课程大纲
1.课程简介。大数据时代下，人力资源管理从业者必须“掌握人力资源数据分析方法，为组织提供数据洞见的人事决策依据”。因此，重新设计“人力资源管理”课程的简介如下：通过对大数据时代下人力规划、工作分析、员工招聘、测评选拔、培训开发、绩效薪酬等职能的课堂讲授、案例分析、实践活动和上机实训等，使学生系统地了解人力资源管理各职能的理论和原理，掌握人力资源管理各职能的具体方法及其管理技能，掌握人力资源数据分析方法，为组织提供数据洞见的人事决策依据。通过“人力资源管理”课程的学习，学生不仅为从事人力资源管理相关岗位的工作储备专业知识和专业技能，也为未来成为中高级管理者打下人事管理的基石。
2.课程目标。大数据时代下，需重新设计“人力资源管理”课程的目标。在“知识与技能”目标上，把“掌握人力资源数据分析方法”作为新的培养目标;在“过程与方法”目标上，把“学会使用人力资源数据分析的应用软件”“具有数据驱动下的业务洞察与诊断、解决能力”作为新的培养目标;在“情感、态度与价值观发展目标”上，把“訓练学生数字思维”“打造以‘事实+数据’为依据的数据驱动的人力资源管理理念”作为新的培养目标。通过学习这门课程，学生能够在强专业、懂业务、精数据和能创新等四个维度达标。 （二）课程内容
随着大数据引领的企业人力资源管理实践的变革，企业管理者通过大数据技术，盘点人力资源现状、制定基于组织内外大数据分析的员工招聘、人才测评、培训开发、薪酬绩效、人力资源规划和职业生涯规划等方案，做出科学客观的人事决策。
为顺应企业数字驱动的创新实践，有必要针对传统“人力资源管理”课程体系的各职能活动引入大数据应用的相关内容，使学生通过了解和追踪人力资源管理实践中最新最热的企业实践，以数字数据的思维逻辑，提升和拓展原有的传统知识和技能，掌握数据驱动的人力资源管理能力。
1.人力规划。在人力资源规划职能方面，基于宏观经济大数据、产业和市场大数据、公司运营和财务大数据及人力资源的历史和現状大数据等，企业采用机器学习、大数据等现代预测技术分别预测人才供给和人才需求，而且预测的内容更加精确广泛，不仅包括人才的数量质量，还包括人才的类别结构等[4]。因此，在人力资源规划的课程内容体系中，需要深入阐述基于大数据分析的人才供需预测的流程、步骤、方法和工具。
2.工作分析。在工作分析职能中，企业通过对相关职位特征的信息爬取，应用分析云可视化工具与数据挖掘工具对该职位的岗位职责进行深度分析与解读，并围绕任职资格，采用词云、词频与主题建模文本分析，绘制匹配职位的人才画像。因此，在工作分析的课程内容体系中，当讲解“工作日志法”“问卷调查法”“访谈法”等传统工作分析方法时，需要补充阐释“大数据技术”这一新的工作分析方法。
3.员工招聘。在员工招聘中，大数据为企业提供了全新的人才搜寻渠道。过去是被动搜寻，基于专业招聘渠道的公开招聘信息进行搜寻。但在大数据的今天，根据大数据、区块链的技术，一方面，员工一系列工作行为，比如离职情况、应聘简历、工作表现、诚信记录等附着于网络之上;另一方面，工作之外的员工行为也会在网络上留痕，比如知乎上的回复、微信朋友圈的状态等。员工所有行为轨迹构成了数据集合，而且这个数据集合随时间实时变化更加全面[3]。人工智能可搜寻这些与职位相关的在线行为，通过机器学习对数以百万计的非结构化数据进行理解，预测应聘人员的未来表现[5]。因此，在人力资源招聘的内容体系中，需要重新定义招聘渠道的概念和方式，分析主动招聘的各种应用场景。
4.测评选拔。测评的目标是无限接近人的真实内核。在测评选拔上，企业充分应用基于大数据、在线视频、人工智能技术的测评手段和选拔工具，比如人工智能简历推荐、机器人面试。企业的测评不再仅限于通过了解个体的过去来预测未来，而是全方位、动态追踪个体现在的特征和行为。企业可以依托对多个社交网络数据的深度挖掘，包括在移动智能的终端记录、搜索引擎中的搜索记录，以及专业网站上的活动记录等，从性格、知识、技能、行为、关系五个方面建立职位胜任能力评价矩阵，从专业匹配、个性匹配、行为匹配、关系匹配等维度综合评估[6]，从而精确识别其与职位的匹配度，以及工作潜能和忠诚度。因此，在人力资源测评的内容体系中，需要强调说明，大数据技术可以从人才生理特征、身体活动、工作行为以及各种人际关系角度进行全面考察测评，而且人工智能、机器学习条件下通过可观察的外在表现行为能越来越准确地推断不能观察的动机、素质、情绪、心理、价值观等内在因素[4]。
5.培训开发。在人员培训开发方面，基于大数据分析绩效优秀员工的胜任力特征，建立胜任力模型，然后挖掘员工工作表现行为与岗位素质能力建立关联，在此基础上测评出员工在其岗位指标维度里的优势与弱势，测算出每个员工的能力差距，从而确定个性化的培训开发方案或职业发展动态路径。目前大数据和人工智能驱动的学习形式灵活多样，比如“自适应”在线学习、“微学习”“慕课”学习等。因此，在人力资源培训的内容体系中，在培训流程四阶段的理论基础之上，对培训需求分析、培训方案设计、培训活动实施、培训效果评估的每一个阶段，都需探讨机器学习、大数据应用技术所带来的影响和价值。
6.绩效薪酬。在绩效薪酬管理中，大数据和人工智能使企业从周期性绩效考核（比如年终考核）转向实时评价绩效，从追求结果导向的绩效考核转化为更加注重过程导向的绩效管理。因为计算机识别、深度学习等功能可以给予员工在线的即时反馈和自主性辅导[5]，使得绩效管理更能有助于员工职业成长。基于大数据和人工智能的绩效评价，由于搜集的员工数据具有真实性、连续性和实时性，能够避免在评价员工工作行为和态度时带有一定的认知性偏差，为管理者带来更加客观、公平、透明的绩效管理。与此同时，可以依据绩效动态以及对员工未来可能为组织创造的价值进行前瞻性地判断，从而调整薪酬激励。此外，大数据技术还能够实时监控员工的生理指标、健康状况和情绪波动，使得企业将传统的为员工提供的全员福利变为为员工提供弹性的个性化服务，将过去因员工疾病导致的缺勤损失、医疗支出变为预防性的保健支出[4]。因此，基于大数据和人工智能的过程导向的绩效管理、动态调整的薪酬设计和定制化弹性化的福利方案，都需被纳入人力资源绩效薪酬的课程体系之中。
四、嵌入大数据的“人力资源管理”教学手段的实现
为了确保课程体系中的数字化人力资源的相关教学内容能够被学生真正理解和掌握，需要寻求教学手段的实现路径或保障措施。
（一）在教学环节上增设基于数据分析的上机实训
大数据技术下，可以采集多种不同来源、结构化程度不同的数据，通过数据的整合清洗、挖掘建模，展开预测，并将最终的分析结果呈现，提供数据洞见的人事决策依据。
在基于数据分析的人事决策过程中，数据搜集、数据整合、数据清洗、数据挖掘、数据建模、数据预测以及数据可视化分析的每一步都可能需要分析云、Power-BI、Python、SPSS Modeler等相应的工具软件来实现[1]，需要构建HR数字化分析与应用的系统平台。通过这种系统平台的上机实训，可以培养学生数字化意识与思维，掌握跨学科专业综合性知识和人力资源大数据技能，依托大数据分析平台完成数字驱动下的人力资源管理量化分析。 （二）在考核形式上增设基于数据分析的案例报告
除了传统的考试项目之外，为了使理论更好地结合实际，培养学生解决人力资源问题的能力，在考试形式上需要增设基于数据分析的案例报告作为“人力资源管理”课程的大作业或考试题。
数字驱动的人力资源管理有许多典型的业务场景。比如人力资源规划的业务场景，需要通过对人才盘点，根据人员结构、绩效水平、流动情况、关键岗位人才梯队建设等人力数据分析，提出相应的人力资源规划;薪酬设计的业务场景，需要通过对企业内外薪酬数据收集处理，进行内部公平性与外部竞争性分析、人工成本薪酬结构分析和薪酬满意度分析，提出薪酬体系优化策略;绩效管理的业务场景，需要利用回归模型等数理统计工具识别绩效影响的关键因素，针对绩效问题提出改善优化建议。如果开发出基于大数据应用的典型业务场景的案例，并通过大数据分析平台进行案例分析撰写报告，可以培养学生人力资源岗位专业数據的洞察能力，培养学生提出优化或管理决策建议的综合应用能力。
五、结语
当前大数据背景下，作为企业管理重要组成部分的人力资源，正经历着数字化带来的深刻变革。高校“人力资源管理”课程的人才培养与大数据背景下企业数字化人才的需求存在巨大的差距，为了顺应时代潮流和企业变革趋势，高校“人力资源管理”课程应将大数据融于课程体系之中，从教学环节上增设上机实训、从考核形式上补充案例分析报告，以培养满足企业大数据需求的复合型高素质的应用人才。
参考文献
[1]张敏娜.大数据背景下人力资源管理专业DHR人才培养策略研究[J].现代营销（经营版），2020（11）：10-11.
[2]鄢雪芳.大数据在企业人力资源管理中的应用——以腾讯为例[J].企业改革与管理，2019（17）：49-50.
[3]李育辉，唐子玉，金盼婷，等.淘汰还是进阶？大数据背景下传统人才测评技术的突破之路[J].中国人力资源开发，2019，36（8）：6-17.
[4]姚凯，桂弘诣.大数据人力资源管理：变革与挑战[J].复旦学报（社会科学版），2018，60（3）：146-155.
[5]周卓华.大数据和人工智能时代企业人力资源管理策略探析[J].领导科学，2020（12）：98-101.
[6]萧鸣政，唐秀锋.中国人才评价应用大数据的现状与建议[J].中国行政管理，2017（11）：6-11.
[关键词] 大数据;人力资源管理;课程体系;案例报告
[基金项目] 2020年度中国地质大学（北京）本科教育质量提升计划建设项目“数字化时代培养学生人力资源大数据分析能力的教学探索”（JGYB202027）;2020年度国家自然科学基金委管理科学部应急项目“行业特色高校师资队伍建设研究”
（72041018）
[作者简介] 高世葵（1969—），女，四川成都人，博士，中国地质大学（北京）经济管理学院副教授，主要从事人力资源管理的理论与教学研究。
[中图分类号] G642 [文献标识码] A [文章编号] 1674-9324（2021）29-0005-04 [收稿日期] 2021-03-18
一、引言
利用大数据技术重塑人力资源管理成为企业赢得长期竞争优势的关键。概率统计、人工智能机器学习、区块链、数据云可视化、文本挖掘、模型预测等大数据时代常用的分析技术，在人力资源管理实践中的应用，为企业创造出新的价值。
企业人力资源管理的数字化创新，推动人力资源管理的工作理念和工作方式发生了根本转变，从“经验+感知”为依据的传统管理方式转变为以“事实+数据”为依据的数据驱动的管理模式，数据分析成为人力资源管理从业者必须掌握的一项十分重要的应用技术。然而大数据应用人才极为短缺，据职业社交网络LinkedIn China 2019年的调研数据显示，其平台上的70多万名中国人力资源从业者中，具备数字化技能的从业者所占比例不到2.5%[1]。然而，高校“人力资源管理”课程的现行体系，缺乏人力资源数据应用的相关内容。在数字化转型的背景下，本文以培养学生人力资源数据分析能力为目标，探索高校“人力资源管理”课程与大数据融合的教学变革，无疑对满足企业大数据用人需求具有十分重要的现实意义。
二、高校“人力资源管理”课程体系嵌入大数据的必要性
（一）企业人力资源管理实践转向数字化
企业实践证明，大数据技术对提升人力资源管理的作用价值成效显著。腾讯、华为等商业智能领域的先行者，构建的基于数据挖掘的人力资源管理平台，成为企业保持高速发展的加速器。以腾讯公司为例，腾讯公司的精品人才库，不仅是对大量人才数据采集而成的完整数据链，还对人才就业情况进行追踪分析，包括就业去向、薪资水平等形成动态实时报告，成为企业选聘人才的有力工具[2]。腾讯公司还采集历史上所有高绩效、高稳定性员工的留任数据，通过挖掘员工行为数据，例如工作绝对时长、主动发起沟通邮件的次数等，建立甄别潜质人才的预测模型[3]。
（二）数据分析能力成为人力资源管理从业者的必备素质
大数据下的企业人力资源创新管理，催生了对数字化人力资源管理者的需求。智联招聘等主流网站上出现了高薪诚聘人力资源数据分析师的广告，从任职要求上对从业人员提出了数字化的新要求：能通过挖掘人力数据价值，提出人力资源优化策略，搭建可视化数据平台并输出分析报告;能结合人力数据和业务数据，为企业业务支撑提出人力保障的措施，充分实现人力数据与企业战略规划的融合、迭代和增值;能依据人力数据分析，提高人力投资回报率[1]……大数据技术无疑对人力资源管理从业者提出了新的挑战。
因此，除了具备传统的知识技能外，人力数据分析能力成为人力资源从业者必备的素质特征，势必也成为高校“人力资源管理”课程的又一培养目标和方向。然而，当前高校“人力资源管理”课程未能在培养目标、课程体系等方面进行及时修订更新，未能与时俱进地满足企业人力资源管理实践的需求，因此有必要探讨将大数据融于“人力资源管理”课程体系的构想设计与实现路径，以培养复合型、数字化的人力资源从业人员。
三、嵌入大数据的“人力资源管理”课程内容的设计
“人力资源管理”课程本身是一门实践性较强的应用型课程，大数据在企业人力资源管理中广泛和深入的应用对高校“人力资源管理”课程体系的创新指引了改革方向。在企业实践的引领和带动下，需要适时调整和重新设计课程体系。
（一）课程大纲
1.课程简介。大数据时代下，人力资源管理从业者必须“掌握人力资源数据分析方法，为组织提供数据洞见的人事决策依据”。因此，重新设计“人力资源管理”课程的简介如下：通过对大数据时代下人力规划、工作分析、员工招聘、测评选拔、培训开发、绩效薪酬等职能的课堂讲授、案例分析、实践活动和上机实训等，使学生系统地了解人力资源管理各职能的理论和原理，掌握人力资源管理各职能的具体方法及其管理技能，掌握人力资源数据分析方法，为组织提供数据洞见的人事决策依据。通过“人力资源管理”课程的学习，学生不仅为从事人力资源管理相关岗位的工作储备专业知识和专业技能，也为未来成为中高级管理者打下人事管理的基石。
2.课程目标。大数据时代下，需重新设计“人力资源管理”课程的目标。在“知识与技能”目标上，把“掌握人力资源数据分析方法”作为新的培养目标;在“过程与方法”目标上，把“学会使用人力资源数据分析的应用软件”“具有数据驱动下的业务洞察与诊断、解决能力”作为新的培养目标;在“情感、态度与价值观发展目标”上，把“訓练学生数字思维”“打造以‘事实+数据’为依据的数据驱动的人力资源管理理念”作为新的培养目标。通过学习这门课程，学生能够在强专业、懂业务、精数据和能创新等四个维度达标。 （二）课程内容
随着大数据引领的企业人力资源管理实践的变革，企业管理者通过大数据技术，盘点人力资源现状、制定基于组织内外大数据分析的员工招聘、人才测评、培训开发、薪酬绩效、人力资源规划和职业生涯规划等方案，做出科学客观的人事决策。
为顺应企业数字驱动的创新实践，有必要针对传统“人力资源管理”课程体系的各职能活动引入大数据应用的相关内容，使学生通过了解和追踪人力资源管理实践中最新最热的企业实践，以数字数据的思维逻辑，提升和拓展原有的传统知识和技能，掌握数据驱动的人力资源管理能力。
1.人力规划。在人力资源规划职能方面，基于宏观经济大数据、产业和市场大数据、公司运营和财务大数据及人力资源的历史和現状大数据等，企业采用机器学习、大数据等现代预测技术分别预测人才供给和人才需求，而且预测的内容更加精确广泛，不仅包括人才的数量质量，还包括人才的类别结构等[4]。因此，在人力资源规划的课程内容体系中，需要深入阐述基于大数据分析的人才供需预测的流程、步骤、方法和工具。
2.工作分析。在工作分析职能中，企业通过对相关职位特征的信息爬取，应用分析云可视化工具与数据挖掘工具对该职位的岗位职责进行深度分析与解读，并围绕任职资格，采用词云、词频与主题建模文本分析，绘制匹配职位的人才画像。因此，在工作分析的课程内容体系中，当讲解“工作日志法”“问卷调查法”“访谈法”等传统工作分析方法时，需要补充阐释“大数据技术”这一新的工作分析方法。
3.员工招聘。在员工招聘中，大数据为企业提供了全新的人才搜寻渠道。过去是被动搜寻，基于专业招聘渠道的公开招聘信息进行搜寻。但在大数据的今天，根据大数据、区块链的技术，一方面，员工一系列工作行为，比如离职情况、应聘简历、工作表现、诚信记录等附着于网络之上;另一方面，工作之外的员工行为也会在网络上留痕，比如知乎上的回复、微信朋友圈的状态等。员工所有行为轨迹构成了数据集合，而且这个数据集合随时间实时变化更加全面[3]。人工智能可搜寻这些与职位相关的在线行为，通过机器学习对数以百万计的非结构化数据进行理解，预测应聘人员的未来表现[5]。因此，在人力资源招聘的内容体系中，需要重新定义招聘渠道的概念和方式，分析主动招聘的各种应用场景。
4.测评选拔。测评的目标是无限接近人的真实内核。在测评选拔上，企业充分应用基于大数据、在线视频、人工智能技术的测评手段和选拔工具，比如人工智能简历推荐、机器人面试。企业的测评不再仅限于通过了解个体的过去来预测未来，而是全方位、动态追踪个体现在的特征和行为。企业可以依托对多个社交网络数据的深度挖掘，包括在移动智能的终端记录、搜索引擎中的搜索记录，以及专业网站上的活动记录等，从性格、知识、技能、行为、关系五个方面建立职位胜任能力评价矩阵，从专业匹配、个性匹配、行为匹配、关系匹配等维度综合评估[6]，从而精确识别其与职位的匹配度，以及工作潜能和忠诚度。因此，在人力资源测评的内容体系中，需要强调说明，大数据技术可以从人才生理特征、身体活动、工作行为以及各种人际关系角度进行全面考察测评，而且人工智能、机器学习条件下通过可观察的外在表现行为能越来越准确地推断不能观察的动机、素质、情绪、心理、价值观等内在因素[4]。
5.培训开发。在人员培训开发方面，基于大数据分析绩效优秀员工的胜任力特征，建立胜任力模型，然后挖掘员工工作表现行为与岗位素质能力建立关联，在此基础上测评出员工在其岗位指标维度里的优势与弱势，测算出每个员工的能力差距，从而确定个性化的培训开发方案或职业发展动态路径。目前大数据和人工智能驱动的学习形式灵活多样，比如“自适应”在线学习、“微学习”“慕课”学习等。因此，在人力资源培训的内容体系中，在培训流程四阶段的理论基础之上，对培训需求分析、培训方案设计、培训活动实施、培训效果评估的每一个阶段，都需探讨机器学习、大数据应用技术所带来的影响和价值。
6.绩效薪酬。在绩效薪酬管理中，大数据和人工智能使企业从周期性绩效考核（比如年终考核）转向实时评价绩效，从追求结果导向的绩效考核转化为更加注重过程导向的绩效管理。因为计算机识别、深度学习等功能可以给予员工在线的即时反馈和自主性辅导[5]，使得绩效管理更能有助于员工职业成长。基于大数据和人工智能的绩效评价，由于搜集的员工数据具有真实性、连续性和实时性，能够避免在评价员工工作行为和态度时带有一定的认知性偏差，为管理者带来更加客观、公平、透明的绩效管理。与此同时，可以依据绩效动态以及对员工未来可能为组织创造的价值进行前瞻性地判断，从而调整薪酬激励。此外，大数据技术还能够实时监控员工的生理指标、健康状况和情绪波动，使得企业将传统的为员工提供的全员福利变为为员工提供弹性的个性化服务，将过去因员工疾病导致的缺勤损失、医疗支出变为预防性的保健支出[4]。因此，基于大数据和人工智能的过程导向的绩效管理、动态调整的薪酬设计和定制化弹性化的福利方案，都需被纳入人力资源绩效薪酬的课程体系之中。
四、嵌入大数据的“人力资源管理”教学手段的实现
为了确保课程体系中的数字化人力资源的相关教学内容能够被学生真正理解和掌握，需要寻求教学手段的实现路径或保障措施。
（一）在教学环节上增设基于数据分析的上机实训
大数据技术下，可以采集多种不同来源、结构化程度不同的数据，通过数据的整合清洗、挖掘建模，展开预测，并将最终的分析结果呈现，提供数据洞见的人事决策依据。
在基于数据分析的人事决策过程中，数据搜集、数据整合、数据清洗、数据挖掘、数据建模、数据预测以及数据可视化分析的每一步都可能需要分析云、Power-BI、Python、SPSS Modeler等相应的工具软件来实现[1]，需要构建HR数字化分析与应用的系统平台。通过这种系统平台的上机实训，可以培养学生数字化意识与思维，掌握跨学科专业综合性知识和人力资源大数据技能，依托大数据分析平台完成数字驱动下的人力资源管理量化分析。 （二）在考核形式上增设基于数据分析的案例报告
除了传统的考试项目之外，为了使理论更好地结合实际，培养学生解决人力资源问题的能力，在考试形式上需要增设基于数据分析的案例报告作为“人力资源管理”课程的大作业或考试题。
数字驱动的人力资源管理有许多典型的业务场景。比如人力资源规划的业务场景，需要通过对人才盘点，根据人员结构、绩效水平、流动情况、关键岗位人才梯队建设等人力数据分析，提出相应的人力资源规划;薪酬设计的业务场景，需要通过对企业内外薪酬数据收集处理，进行内部公平性与外部竞争性分析、人工成本薪酬结构分析和薪酬满意度分析，提出薪酬体系优化策略;绩效管理的业务场景，需要利用回归模型等数理统计工具识别绩效影响的关键因素，针对绩效问题提出改善优化建议。如果开发出基于大数据应用的典型业务场景的案例，并通过大数据分析平台进行案例分析撰写报告，可以培养学生人力资源岗位专业数據的洞察能力，培养学生提出优化或管理决策建议的综合应用能力。
五、结语
当前大数据背景下，作为企业管理重要组成部分的人力资源，正经历着数字化带来的深刻变革。高校“人力资源管理”课程的人才培养与大数据背景下企业数字化人才的需求存在巨大的差距，为了顺应时代潮流和企业变革趋势，高校“人力资源管理”课程应将大数据融于课程体系之中，从教学环节上增设上机实训、从考核形式上补充案例分析报告，以培养满足企业大数据需求的复合型高素质的应用人才。
参考文献
[1]张敏娜.大数据背景下人力资源管理专业DHR人才培养策略研究[J].现代营销（经营版），2020（11）：10-11.
[2]鄢雪芳.大数据在企业人力资源管理中的应用——以腾讯为例[J].企业改革与管理，2019（17）：49-50.
[3]李育辉，唐子玉，金盼婷，等.淘汰还是进阶？大数据背景下传统人才测评技术的突破之路[J].中国人力资源开发，2019，36（8）：6-17.
[4]姚凯，桂弘诣.大数据人力资源管理：变革与挑战[J].复旦学报（社会科学版），2018，60（3）：146-155.
[5]周卓华.大数据和人工智能时代企业人力资源管理策略探析[J].领导科学，2020（12）：98-101.
[6]萧鸣政，唐秀锋.中国人才评价应用大数据的现状与建议[J].中国行政管理，2017（11）：6-11.