论文部分内容阅读
诺姆四达集团，是目前国内专业的人才管理与人力资源咨询集团。集团以帮助一流组织建立真正的人才竞争优势为使命，全方位提供人才测评、人才管理平台开发、领导力发展、胜任力模型构建及应用、评价中心构建、行动学习、人才战略发展规划、组织绩效管理体系构建、薪酬体系培养体系构建等人才管理与人力资源咨询服务。总部位于上海，在北京、广州、武汉、苏州和重庆等地设有12家分支机构。公司创始人，董事长、总裁苏永华博士被誉为“中国人才测评第一人”。
大数据时代的到来，使得人们看到了从前所从未看到的世界关联性，预测到了所不曾预测到的事物：用Google的搜索词可以预测到战争、疾病的到来；用人们购物的数据可以预测人们的喜好、朋友、社交圈；用人们的社交圈可以预测到他们的消费偏好……这一切的实现，没有花费任何调查、设计、实验、推理，而仅仅是让沉没的数据再次发出声音。
那么在人力资源管理中，有哪些数据尚未被充分利用？这些数据又可以用做什么？又可以让我们看到哪些管理上的可能性呢？下面一一进行介绍。
包含哪些数据
在日常的人力资源管理中，有哪些数据可以被利用呢？下面根据数据收集和使用的特点，我们将其分为三种类型：
类型 内容 特点
事实性数据 个人层面：
人员数量与结构、学历、年龄、性别、家庭背景、工作经历、技能特长、兴趣爱好等
组织层面：
招聘：时间、次数、完成率
培训：对象、内容、次数、满意度
绩效：指标、次数、得分
薪酬：总数、增幅、构成比例 收集简单、信息量丰富
动态性数据 招聘完成率、流动率、流失率、换岗、晋升等 收集较为简单，需跟踪记录
整合性数据 个性、情商、智商、管理能力测试、员工满意度、员工敬业度等 需要设计问卷进行收集，数据指向性明确
如何应用数据
管理的最终目的是指向企业的长期发展、当前组织和个人绩效的提升，数据利用的最终目的也应当是指向这两个方向。下面的三维图展示的即是人力资源各种数据可以应用的方向，以及为企业的发展和绩效提升发挥的作用。
人员结构分析：
原始数据 分析什么 意义
人员数量与结构、学历、年龄、性别、家庭背景、工作经历、技能特长、兴趣爱好 人口统计特点 例如男女员工比例，是否与行业特点和企业实际相符，统计不同地域员工比例，避免某一地员工人数过多，不便于管理。
工龄分析 例如计算平均工龄和不同工龄分布频率，是否有流动过快或者极少流动致僵化的问题。
职能类别分析 例如计算承担某一职能的员工比例，以分析该类人员的工作量和平均服务人数。
职位层级分析 例如计算管理人员与员工之比，主管人员与员工之比，用以分析管理幅度。
员工特点分析 企业的人才结构要多元化，避免同质化
员工能力分析 掌握哪些是骨干、后起之秀、哪些是稳定的人，哪些是需要淘汰的人。
人员成本分析：
原始数据 分析什么 意义
人员数量；
工资、奖金、福利、社保等；
招聘费用；
培训费用；
离职费用；
人员收益数据 招聘选拔效能分析 在招聘选拔过程中，企业为员工的支出成本，明确招聘成本比例及效能。
培训学习效能分析 在培训学习过程中，企业为员工的支出成本，明确培训学习投入比例及效能。
离职成本及效能分析 在离职过程中，企业为员工的支出成本，明确离职投入比例及效能。
个体成本-收益分析 评估每个员工对企业的收益与成本合理性。
针对到岗位、个人的业绩驱动因素分析：
原始数据 分析什么 意义
员工个人绩效、成长路径；个性、情商、智商、管理能力、态度、价值观 驱动业绩动力因素分析 根据员工的绩效，寻找与绩效相关系数最高的动力性因素，为招聘选拔培训提供建议
驱动业绩个性因素分析 根据员工的绩效，寻找与绩效相关系数最高个性因素，为招聘选拔培训提供建议
驱动业绩必要性因素分析 根据员工的绩效，寻找与绩效相关系数最高的知识、经验、背景类因素，为招聘选拔培训提供建议
驱动业绩的潜力分析 根据员工成长发展路径，寻找与员工成长潜力最为相关因素，为招聘选拔培训提供建议
除此之外，有些数据本身需要通过进一步的统计处理，方能显示它的真正含义，下面举两个简单的例子进行说明。
测验数据常模转化
测验所得的原始数据，只能表明受测者的得分，却并不能表明该分数在人群中实际的水平如何，即便使用一些国际测验会提供转化后的分数，通常也是在全球常模下的得分情况。如果企业想要知道受测者在本企业或者本行业的状况，则需要获取本企业或本行业的常模，方能得出比较准确的水平。
绩效数据跨单位跨部门比较
绩效分数部分是由人主观评价所得，这使得其分数本身就带有了主观性，有些分数实际上是不能直接使用的，需要进行进一步的加工处理，方能获取数据真正的意义。例如在绩效考核360评价的时候，评分者的尺度是存在差异的，有的人手松，有的人手紧，同一个人被不同人评价，也许得分会相差很大。但是，企业对于360数据的处理，通常是直接使用这些数据，有的时候会将这些不同人评价的分数权加之后进行排名，这样操作是非常不合理的，很容易引起争议。在实际处理中可以使用一些统计方法，例如标准分，来规避评分者评分尺度的差异，使得分数和排名真正反映出被评价者在评价者心目中的位置，这样也能解决跨单位跨部门之间的比较问题。
数据的收集和管理
数据分析建立的基础是，数据可靠、全面、连续，在这个基础上建立起大数据分析或数据的整合才有可能产生有价值的结论。但是，HR管理模块众多，从战略规划到招聘、培训、绩效、薪酬、员工关系、企业文化等等，可能处处有问题，能进行分析的地方也很多。资源有限，要使人力资源分析的作用发挥到最大，在数据的收集和管理上，有哪些事项是需要注意的呢？
从已有资源开始。HR部门手上有很多现成的数据，从这些数据入手，先一点点地做起来。数据本身是没有意义的，关键在于如何将数据与业绩关联起来。这确实需要创造性，并投入精力，基本的统计方法也是需要掌握的。
坚持下去，要有沉淀。一旦决定要做分析工作，就要将它融入HR日常的业务工作中去，并安排专人负责日常数据的收集与整理。并且这个工作一定要有持久性，任何一个时间断面上的数据都难以单独进行有效的分析。组织内部历史数据的沉淀在评估和预测方面能发挥更大的作用。
打破常规，不断创新。大数据时代的崛起，在于没有拘泥于已有数据固有的意义，而是不断寻找关联性，利用这种关联性去预测整合。思维、技术、数据是拉动数据分析的三辆马车，其中思维是启动机，一个好的利用数据的模式和思路，是使用数据进行创新管理的根本。
“工欲善其事，必先利其器”，作为一名人力资源从业者，需要利用本岗位所拥有的资源，那些曾经沉默的数据，就是进行精细化人力资源管理的最好工具，并且这个工具一旦开始发挥作用，随着时间和数据的累积，就会越用越好用，就会逐渐成为指导企业成长和发展的人才风向标。（作者系诺姆四达集团高级咨询顾问）
大数据时代的到来，使得人们看到了从前所从未看到的世界关联性，预测到了所不曾预测到的事物：用Google的搜索词可以预测到战争、疾病的到来；用人们购物的数据可以预测人们的喜好、朋友、社交圈；用人们的社交圈可以预测到他们的消费偏好……这一切的实现，没有花费任何调查、设计、实验、推理，而仅仅是让沉没的数据再次发出声音。
那么在人力资源管理中，有哪些数据尚未被充分利用？这些数据又可以用做什么？又可以让我们看到哪些管理上的可能性呢？下面一一进行介绍。
包含哪些数据
在日常的人力资源管理中，有哪些数据可以被利用呢？下面根据数据收集和使用的特点，我们将其分为三种类型：
类型 内容 特点
事实性数据 个人层面：
人员数量与结构、学历、年龄、性别、家庭背景、工作经历、技能特长、兴趣爱好等
组织层面：
招聘：时间、次数、完成率
培训：对象、内容、次数、满意度
绩效：指标、次数、得分
薪酬：总数、增幅、构成比例 收集简单、信息量丰富
动态性数据 招聘完成率、流动率、流失率、换岗、晋升等 收集较为简单，需跟踪记录
整合性数据 个性、情商、智商、管理能力测试、员工满意度、员工敬业度等 需要设计问卷进行收集，数据指向性明确
如何应用数据
管理的最终目的是指向企业的长期发展、当前组织和个人绩效的提升，数据利用的最终目的也应当是指向这两个方向。下面的三维图展示的即是人力资源各种数据可以应用的方向，以及为企业的发展和绩效提升发挥的作用。
人员结构分析：
原始数据 分析什么 意义
人员数量与结构、学历、年龄、性别、家庭背景、工作经历、技能特长、兴趣爱好 人口统计特点 例如男女员工比例，是否与行业特点和企业实际相符，统计不同地域员工比例，避免某一地员工人数过多，不便于管理。
工龄分析 例如计算平均工龄和不同工龄分布频率，是否有流动过快或者极少流动致僵化的问题。
职能类别分析 例如计算承担某一职能的员工比例，以分析该类人员的工作量和平均服务人数。
职位层级分析 例如计算管理人员与员工之比，主管人员与员工之比，用以分析管理幅度。
员工特点分析 企业的人才结构要多元化，避免同质化
员工能力分析 掌握哪些是骨干、后起之秀、哪些是稳定的人，哪些是需要淘汰的人。
人员成本分析：
原始数据 分析什么 意义
人员数量；
工资、奖金、福利、社保等；
招聘费用；
培训费用；
离职费用；
人员收益数据 招聘选拔效能分析 在招聘选拔过程中，企业为员工的支出成本，明确招聘成本比例及效能。
培训学习效能分析 在培训学习过程中，企业为员工的支出成本，明确培训学习投入比例及效能。
离职成本及效能分析 在离职过程中，企业为员工的支出成本，明确离职投入比例及效能。
个体成本-收益分析 评估每个员工对企业的收益与成本合理性。
针对到岗位、个人的业绩驱动因素分析：
原始数据 分析什么 意义
员工个人绩效、成长路径；个性、情商、智商、管理能力、态度、价值观 驱动业绩动力因素分析 根据员工的绩效，寻找与绩效相关系数最高的动力性因素，为招聘选拔培训提供建议
驱动业绩个性因素分析 根据员工的绩效，寻找与绩效相关系数最高个性因素，为招聘选拔培训提供建议
驱动业绩必要性因素分析 根据员工的绩效，寻找与绩效相关系数最高的知识、经验、背景类因素，为招聘选拔培训提供建议
驱动业绩的潜力分析 根据员工成长发展路径，寻找与员工成长潜力最为相关因素，为招聘选拔培训提供建议
除此之外，有些数据本身需要通过进一步的统计处理，方能显示它的真正含义，下面举两个简单的例子进行说明。
测验数据常模转化
测验所得的原始数据，只能表明受测者的得分，却并不能表明该分数在人群中实际的水平如何，即便使用一些国际测验会提供转化后的分数，通常也是在全球常模下的得分情况。如果企业想要知道受测者在本企业或者本行业的状况，则需要获取本企业或本行业的常模，方能得出比较准确的水平。
绩效数据跨单位跨部门比较
绩效分数部分是由人主观评价所得，这使得其分数本身就带有了主观性，有些分数实际上是不能直接使用的，需要进行进一步的加工处理，方能获取数据真正的意义。例如在绩效考核360评价的时候，评分者的尺度是存在差异的，有的人手松，有的人手紧，同一个人被不同人评价，也许得分会相差很大。但是，企业对于360数据的处理，通常是直接使用这些数据，有的时候会将这些不同人评价的分数权加之后进行排名，这样操作是非常不合理的，很容易引起争议。在实际处理中可以使用一些统计方法，例如标准分，来规避评分者评分尺度的差异，使得分数和排名真正反映出被评价者在评价者心目中的位置，这样也能解决跨单位跨部门之间的比较问题。
数据的收集和管理
数据分析建立的基础是，数据可靠、全面、连续，在这个基础上建立起大数据分析或数据的整合才有可能产生有价值的结论。但是，HR管理模块众多，从战略规划到招聘、培训、绩效、薪酬、员工关系、企业文化等等，可能处处有问题，能进行分析的地方也很多。资源有限，要使人力资源分析的作用发挥到最大，在数据的收集和管理上，有哪些事项是需要注意的呢？
从已有资源开始。HR部门手上有很多现成的数据，从这些数据入手，先一点点地做起来。数据本身是没有意义的，关键在于如何将数据与业绩关联起来。这确实需要创造性，并投入精力，基本的统计方法也是需要掌握的。
坚持下去，要有沉淀。一旦决定要做分析工作，就要将它融入HR日常的业务工作中去，并安排专人负责日常数据的收集与整理。并且这个工作一定要有持久性，任何一个时间断面上的数据都难以单独进行有效的分析。组织内部历史数据的沉淀在评估和预测方面能发挥更大的作用。
打破常规，不断创新。大数据时代的崛起，在于没有拘泥于已有数据固有的意义，而是不断寻找关联性，利用这种关联性去预测整合。思维、技术、数据是拉动数据分析的三辆马车，其中思维是启动机，一个好的利用数据的模式和思路，是使用数据进行创新管理的根本。
“工欲善其事，必先利其器”，作为一名人力资源从业者，需要利用本岗位所拥有的资源，那些曾经沉默的数据，就是进行精细化人力资源管理的最好工具，并且这个工具一旦开始发挥作用，随着时间和数据的累积，就会越用越好用，就会逐渐成为指导企业成长和发展的人才风向标。（作者系诺姆四达集团高级咨询顾问）