基于大数据的人力资源管理变革
发布于：2013-3-29 00:42 作者：admin
点击：次
［摘要］随着网络的发展，数据量激增，并出现了大数据的概念。大数据已经巨大地改变了社会、经济、生活等领域，也对人力资源管理产生了巨大影响。在大数据时代，人力资源管理者只有利用大数据促进人力资源管理的变革，才能有效促进企业人力资源这一最重要的资源的合理配置，使企业在新一轮的竞争中立于不败之地。
［关键词］大数据; 人力资源; 变革
进入21 世纪以来，随着网络的发展和网络终端设备的普及，网络信息呈几何倍数增长，表现出信息爆炸的态势。尤其最近几年，数据在以不可思议的量产生。截至2012 年，数据量已经从TB ( 1024GB = 1TB) 级别跃升到PB ( 1024TB = 1PB ) 、EB ( 1024PB = 1EB ) 乃至ZB( 1024EB = 1ZB) 级别，而百度每天处理的数据量将近100 个PB，相当于5000 个国家图书馆的信息量的总和。如此巨大的数据量的产生已经对社会、经济、生活及其他领域产生了巨大的影响，并将带来更为深远的影响。而在企业中，随着生产和管理的信息化，也产生了大量而全面的数据，这些数据如果能为企业自身所利用，必将带来生产和管理的巨大变革，其中，人力资源管理的变革将更加彻底。
1 大数据概述
2008 年9 月4 日，《自然》杂志在谷歌公司成立10周年之际作了“大数据”专题，第一次提出大数据的概念。关于大数据并没有一个统一的定义，高德纳咨询公司认为大数据是“大量、高速、及/或多变的信息资产，它需要新型的处理方式去促成更强的决策能力、洞察力与优化处理”。这一定义蕴含了一般认为的大数据的3V 特征，即数量巨大( Volume) 、类型繁多( Variety) 、处理快速（Velocity) 。值得注意的是，在划分大数据与“小数据”的界限时，并不是简单地以数据量的大小来进行，因为大数据的“大”是相对意义而非绝对意义，不仅仅指数据量大，更指数据量的全面。大数据是随着存储设备和网络的快速发展而出现的。存储设备容量增大、价格降低为收集大数据提供了物质保证，网络普及、速度提高为收集大数据提供了有效方法。在小数据时代，由于无法收集全部数据，因此使用随机取样来获取数据，以保证可以获得具有代表性的数据，以免进行统计时出现偏差。因为小数据时代用的数据量相对较小，因此可以使用统计方法进行比较精确的推断，以建立变量间的关系。但在大数据时代，因为收集到的数据量大、类型繁多，因此无法用传统手段进行处理，以往处理“小数据”的统计学方法不再适用，也不再追求精确。更为关键的是，大数据摒弃了试图建立变量间因果关系的传统，转而寻求变量间的相关关系，并以此进行预测。因为大数据是通过相关关系进行预测的，所以实际上大数据的方法是一种循证的思想。这是非常重要的，因为在无法辨清变量之间的因果关系的时候，能够得出相关关系仍然能够提供非常有效的预测标的，从而使预测能非常准确。
2 人力资源管理中大数据的分类和来源
人力资源是企业最重要的资源，而人力资源数据也是企业最重要的数据。随着信息化的发展，人力资源部门已经收集了大量人力资源数据，但这是不够的。对人力资源管理中的大数据进行分类是必要的，因为只有对大数据进行区分才能弄清人力资源管理中实际需要的数据及其来源，以保证收集到的数据全面，避免缺漏。
2. 1 人口学数据
人口学数据记录的是员工个体基本信息，包括姓名、性别、年龄、来源地区、入职时间等信息。这些信息是区分员工的最基本要素，从物理意义上反映出员工间最基本的差异。人口学数据相对稳定，属于静态数据，一旦录入就不需要更改。人口学数据在人力资源管理过程中起着重要的区分作用。
2. 2 发展性数据
发展性数据包括员工的文化层次、基本技能、职前职后培训、职业生涯规划、技能提升情况、企业后备人才计划、团队活动等相关信息。发展性数据记录的也是可以区分员工个体的基本数据，但与人口学数据不同的是，发展性数据是动态数据，并且区分度不如人口学数据那么高。发展性数据有着重要的作用，一方面发展性数据可以为不同职务需要的才能提供基础数据，为人才招聘和甄选提供前提，另一方面发展性数据还显示了员工入职后应该着重提高的技能和应参加的培训，为员工培训和开发指明方向。
2. 3 日常数据
日常工作数据是一系列非结构化、与日常工作相关的数据，记录的信息包括日常考勤、会议出席、加班情况、日常工作行为等。日常数据来源最广，数据量也最大，可以说是人力资源大数据中的主要组成部分。日常数据也是动态数据，并且收集较难，这是因为日常数据涉及日常工作的方方面面，可能由不同部门进行记录，而如果出现数据孤岛，即部门间数据无法互相传递或融合，则会影响到日常数据的收集，进而导致大数据的运行出现偏差甚至错误。因此，在使用大数据时一定要注意企业信息管理系统的一致性，通过一个数据中心进行数据的收集和传递，对数据的定义和记录应该有统一的标准，避免出现数据孤岛。
2. 4 环境数据
环境数据是非人力资源数据的总和。环境数据不仅记录企业内部相关数据，还记录与企业相关的外部数据。环境数据虽然没有直接记录人力资源数据，但间接影响到人力资源管理。如企业的亏损率会对裁员、员工薪酬等产生重要影响，国家法律法规和政策会对员工关系产生影响。如果不考虑这些环境因素，就无法从实际意义上进行有效的人力资源管理。
2. 5 绩效数据
绩效是员工工作的结果，取得最优绩效也是人力资源管理的目标。因此，绩效数据反映的正是这种结果。绩效数据的产生依赖于企业的绩效考核，由于各企业采用的绩效考核方法不同，因此产生的绩效数据不同，但不论采用哪种考核方式都应该根据所采用的方式详细录入数据，包括每个部分及考核过程。而实际上，绩效数据也是人口学数据、发展性数据、日常数据和环境数据的结果。
3 大数据时代人力资源管理的变革
大数据对人力资源管理的影响已经初见端倪。如富士施乐公司通过大数据来分配员工使有48700 名员工的客户服务中心减少了20% 的流失率，而作为大数据时代的领头羊，谷歌公司在员工招聘和管理时更是处处用数据说话。大数据对人力资源管理的变革产生了巨大的影响。
3. 1 人力资源规划
大数据对企业人力资源规划的影响是显著的。大数据能够指出目前企业的人力资源结构，指出企业人力资源富余和匮乏的职位，可以根据离职率及环境数据预测企业短期乃至中期的人力资源情况，可以根据绩效数据预测在当前企业规模下能够实现企业目标的最优人力资源配置，从而使人力资源规划更加贴近企业实际，减少企业在招聘和社会保险等方面的支出，减少规划的盲目性。
3. 2 员工甄选
目前在进行员工甄选时，大多数企业往往通过人工方式进行，带有强烈的主观性。尤其在进行简历筛选时，往往只看重学历、成绩及可能与工作关联不大的内容，而没有体现岗位对员工的要求，这可能会造成人才浪费或员工不称职。而通过大数据，企业可以建立起能够实现企业目标所需的员工信息模型。这一模型的建立需要根据绩效数据和其他数据建立相应算法，并剔除若干回归统计中可能会出现多重共线性错误的问题。通过模型可以迅速筛选出可能适合企业的候选人，减少筛选过程中的主观臆断，提高筛选的目的性。
3. 3 员工培训与发展
通过大数据，员工培训与发展将会更加明确。通过发展性数据和绩效数据可以建立起岗位所需基本技能和能力模型，在新员工入职时可以根据模型制订适合个体的培训和发展计划，并根据这些个体计划制订整个企业的计划。对于某些通用技能和能力，可以采取职前培训的方式进行统一培训以节省成本和时间，对于专业技能，则应制订合适的计划，分清轻重缓急，循序渐进，不断提高员工技能。在员工换岗或职位提升时，也应该根据新岗位的模型对原定计划进行修改，以减少对新岗位的适应时间。
4 人力资源管理者的角色转变
大数据必然会对人力资源管理产生不可限量的影响，对人力资源管理者而言，只有把握住大数据的实质，勇于促进大数据时代人力资源管理的变革，才能让企业在新一轮的竞争中脱颖而出。
4. 1 从经验主义到用数据说话
传统人力资源管理中虽然发展出了一些定量的方法，但更多的是使用定性方法，依靠人力资源管理者的主观判断和经验。人力资源管理者的经历、文化背景、个人偏好等的不同可能会导致人力资源管理过程出现差异。利用大数据，发挥数据在人力资源管理过程中的巨大作用，可以纠正人力资源管理者主观判断的偏差，促进人力资源管理过程的科学性。
4. 2 从收集者到决策者
在传统人力资源管理过程中，人力资源管理者往往是收集者。他们要收集企业现有人力资源的相关数据，收集员工的日常工作表现和其他信息。在大数据时代，人力资源的相关数据不再需要人力资源管理者亲自收集，而是员工在日常工作中自动生成或提交。人力资源管理者需要做的是建立算法和模型，并从中剔除不必要的因素，从而使人力资源管理过程能够更加规范化。
5 问题和结论
大数据对人力资源管理的变革迫在眉睫。但在实际管理过程中，存在着很多问题，其中最重要的问题是对大数据的误解。例如对于日常数据和绩效数据来说，日常数据是绩效数据最重要的来源，但人力资源管理者可能会将日常数据与绩效数据混为一谈，认为日常数据是无用的，而实际上使用日常数据可以规范工作行为，为工作分析带来第一手资料。又如人们往往会认为大数据只要数量大就可以了，而其实大数据的数据量没有严格的划分，最重要的是要全面。另一方面，大企业能够收集到足够的人力资源数据，而中小企业可能无法收集到如此多的数据，因此中小企业对大数据缺乏热情。实际上利用大数据进行人力资源管理并不意味着每个企业都要建立起一套算法和模型，也不意味着如果收集不到足够的数据就无法享受大数据带来的红利。中小企业可以将人力资源数据提供给猎头公司或其他组织，这样就可以收集到足够的数据，能够建立起全行业的算法和模型，并根据企业类型、规模为企业提供不同岗位的信息。甚至很多数据都不需要企业提供，比如薪酬等信息甚至能够通过网站查询到参考信息，而对于个人信息更是可以通过社交网站进行挖掘。可以预见，未来一定会涌现出专门从事人力资源大数据研究和应用的企业，也可以预见，未来大数据一定会在人力资源管理的过程中随处可见。为以下六个方面: 其一，数据粒度，是指包含在数据单元中的细节级别; 其二，确认的频度，是指会计被确认的频率，即在单位时间内确认的次数，传统会计循环系统的会计确认表现为经济业务在发生后编制会计信息的全部过程，包括会计凭证、账户系统以及会计报告等; 其三，数据结构，是指会计系统组织数据、存储数据的一种方式，它可以反映数据与数据之间的各种内在联系，充分体现了复式簿记法的中心思想，即数据单元之间存在一个相互关联网络系统; 其四，计量单位，是指用于确定事项、物品之间的内在数量关系，并将数据额对应分配到各具体事项的一种衡定量，一般用货币作为计量单位; 其五，时间观，是指会计系统反映经济业务发生的历史时序，当前的会计系统遵循过去的时间观，即将权责发生制作为会计确认基础; 其六，信息质量，是指会计信息使用者对会计信息的满足程度，会计信息以真实性、相关性、完整性、可靠性作为处理会计业务的基本原则，用以满足不同会计信息使用者的多维目标需求。
3 会计数据的网络流
3. 1 会计数据的网络结构
会计数据系统是一个矩阵，即一种数学结构。以某公司的会计数据为例，将每笔经济业务的发生金额计入借、贷两个科目的交叉方格内，其横向各行与纵向各列的合计数相等，即说明试算平衡。该公司的每笔经济业务都可以纳入其中填写，进而得出结论，即只要借贷矩阵表格足够大，就可以容纳任何会计主体任何期间的所有经济业务事项的记录。我们将除合计栏之外的数据可以用矩阵的形式进行表示，这个矩阵较之普通矩阵相比，具有横向各行与纵向各列合计相等的特征，日本著名会计学家井尻雄士将该矩阵称之为复式簿记棋盘式对照表，这充分体现了复式簿记系统实质上是一个矩阵的中心思想。这便于我们将会计、图与网络等数学概念紧密联系起来，从而为深入分析会计数据网络流提供了理论依据。
3. 2 会计网络流
上面已经证实会计数据是一个矩阵，其与图和网络存在一定的联系，那么笔者将分别以会计图、会计网络和会计网络流三个层次进行分析。会计图体现了两个科目之间在金额数量上存在的关联，如用顶点表示不同的会计科目，用线条箭标表示各会计科目间是否存在借贷关联，箭头指向借方科目，箭尾连接贷方科目，笔者将这种描述会计分录内在关系的有向图定义为会计图。如果将公司每笔会计分录的金额均看作是网络流量，并将其标注在每条线上，就会将有向图与流量图集合构成一个网络，即会计网络。在会计图中，我们可以看出每笔会计分录都存在一个数值，即该笔会计分录的发生额，但是这些发生额之间存在着时间差，也就形成了“流”的概念。其描述了该公司经济业务之间运动和流动的过程，公司运行从“期初银行存款”作为始端，经历了一项一项业务之后，到“期末银行存款”作为终结，在这期间，每一笔会计分录都是依据其实际发生的流量完成的。
4 结论
总之，网络化会计系统以网络为基础，是一种数据信息来源多元化、数据处理实时性、更为灵活的会计系统，它能够以更加科学和高效的方式为信息使用者即时提供更有价值的会计信息。网络化会计系统能够帮助企业实现财务与业务的协同，远程查账、报账等远程处理，支持网上交易与支付，改变了财务信息的获取方式。随着云计算、云安全、操作系统和数据库系统技术的不断发展，网络化会计系统的安全性不断提升，将是未来会计信息系统发展的主流趋势。
