大数据时代的人力资源管理

这么详细的解，对公司的人力资源管理工作多大意义？还是得与企业的实际情况结合考虑，先进的方式方法，不一定适合自己的企业。

人力资源数据化管理，HR应该如何做？ 人力资源数据化管理，可以看作是对人力资源管理的一次变革，从思想观念、工作方式、工作重点、工作思路等都需要进行全新的改革，以适合数据化管理的需求。 其一是观念的转变。人力资源数据化管理，要求自公司高层到基层都需要有数据化管理的观念，数据化管理下工作应该怎么做，如何用数据说话，如何通过数据提升管理。数据化管理并不是建立多少报表体现多少数据，先设定统计目标再针对性收集数据，这从根本上还是没有数据化管理的概念，数据化管理是收集及应用小数据，由小数据再汇总成大数据，数据的多样性决定了我们先收集大而全的数据，再通过全面的数据指标筛选出关键的数据指标来对决策提供支撑。先设定统计目标再针对性收集数据，只能让员工疲惫不堪，却没有多少效果。 人力资源数据化管理不是一个部门的事情，而是全公司的事情。要推行人力资源数据化管理，必然会带动其它部门的数据化管理，可谓是牵一发而动全身。人力资源部需要其它部门的数据，如生产、销售、财务等方面的数据，也会对各部门的工作产生影响，如通过绩效数据能一直深挖到某个部门内部管理，以及这些内部管理数据对绩效指标的影响。 数据化管理必然带来档案管理的迫切需要，数据化管理不是一朝一夕可以实现的，它是一个长期的过程，数据积累越大、种类越多、真实性越高，对管理决策的影响就越大。一些不知道如何应用的数据可能会留存在纸质档案或电子档案中，直到需要的时候再将它们提取出来。 其二是搭建数据平台。数据平台的搭建既要考虑本部门数据的收集归纳及便于处理，还要考虑与其它部门的数据联系，在整个公司形成一个系统的数据平台。所以HR要考虑的主要两个方面，一是平台的选择，如何存储分析数据；二是如何与其它部门的数据能联系起来。 HR不能局限于一个平台，因为市面上还没有一个完美的平台能解决这个问题。E-HR系统能实现数据的快速处理，减少HR的工作量，数据相对安全，但是其局限性也是很明显，不能满足HR各种数据存储的需求。Excel使用灵活，数据存储风险较大，而且对不能熟练应用的人来说，工作量会很大。所以有E-HR系统的公司要与Excel结合，不能完全依赖这个系统；没有E-HR系统的公司，需要熟练应用Excel。 人力资源的数据要实现与其它部门的数据联系，需要与ERP、CRM、财务系统甚至OA系统的数据能实现快速关联，或者用Excel设计一系列表格来收集归纳各种数据。 无论是部门内部的数据还是全公司的数据，数据要关联起来，这样的数据对部门和公司帮助才大。一但有数据孤岛产生，这部分数据是不能应用的，浪费了时间实际效用却不大。 数据平台的搭建，不能从一开始就考虑大而全，从现有可用的数据着手，逐步的来完善。一个标准的数据平台，是随时可以接入任何数据，不需要更换平台或进行大的改革，否则这个平台是有瑕疵的，局限性太大。 其三是数据的收集。每天HR的工作会产生大量的数据，从传统做法来看，根据既定的表格来收集电子数据，纸质文件档案大多没有规范科学的保存。从数据利用来看，员工信息和薪酬数据分析的最多，招聘、培训、员工关系以体现数字为主。这些形成很多数据孤岛，难以关联在一起。 数据化管理情况下，要求存储的数据是基础的，而非经过计算的。如培训管理中，对培训讲师的评分，我们要收集学员对培训讲师课程内容、课件质量、课程互动等多个方面的评分，而不是直接收集一个总分。 工作中产生的各种文件档案，要分门别类保管，现在没有转为电子数据，并不代表以后不能转为电子数据为工作提供支持。 其四是人员技能需求。人力资源数据化管理，对HR提出了更高的要求。有数据化思维，知道如何收集整理存储数据；要有文件档案管理技能，文件档案的存储并非简单的分类，整理、分类、装订、存储、信息录入、查询等各个方面都有更高的要求；懂数据分析，能用数据相关性得出影响因素，用数据体现部门价值，用数据对业务部门和公司战略形成支持。   人力资源数据化管理，最终的落脚点是形成对业务部门和公司战略的支持，促进管理工作提升。这是长期的过程，数据越多数据模型就越完善，短期内难以看到有效的效果。它促使人力资源工作更趋近于理性分析和科学的决策，但在实操中管理艺术化与数据化管理相结合方能起到最大的效用。  

目前看过的最实用的数据分析书籍。 1有针对性，不同于市面上讲基础理论和工具的数据，对人力资源领域的部分问题提供了了数据分析实践。 2实操性强，不是浅尝辄止的论述可以在哪些领域应用，而是将具体的分析方法和过程演示出来。 3有前沿性，引入了目前大数据的一些分析方法，如随机森林。 4不足之处在于书中主要是针对具体小模块分析的案例，缺乏整合性框架，如若能增加从某个大领域，如人力资源年度报告，人才发展现状等方面的介绍更佳。

掌握了一种人力资源数据化的理念，认识了一种数据分析工具-R，了解了几种实践方法，包括（1）薪资分析的方法：薪资结构图（整体薪资结构，以箱索图的形式呈现）、基尼系数（整体薪酬差距，A/A+B）、compa系数（薪酬均衡程度）和公平感计量模型；（2）综合评价法：明确指标体系-收集指标数据-分配指标权重（目标优化矩阵法）-数据标准化（消除量纲，T分布函数）-综合分数排序；（3）离职预测方法：boosting算法和随机森林算法；（4）情感倾向分析方法（知道） 再加上一种衡量绩效标准的方法：不直接主观确定分界值（比如90分以上是优秀），而是利用T（或Z）分布，以平均值加减1/2/3个标准差作为分界值，即收集完数据之后再划定绩优标准。（理念同北京市积分落户分界值的确定）

一天的时间翻完了这本工具书，既然是工具书，重点在于应用场景和应用条件，包括企业性质/发展阶段/样本数据/统计字段等，而且和数据的真实性强相关，如人力编制预测的内容更适合于发展成熟阶段的工厂类企业，不适用于创业初期的公司或知识密集型企业，但后续薪酬/离职趋势的内容，给人力资源管理的工作开了一条新思路，至于文本分析，不适用于辞职报告(据我了解很少有人会认真写，很多都是网上copy了事)，可以尝试朋友圈的文本分析。整体来说还是很开眼界的。

入门级教材 措辞口语化 易于理解 但整体废话也有点多  其中薪酬结构合理性分析参考了基尼系数 员工离职风险预测的随机森林方法比较有意思～

用数据分析指导HR实践是必然趋势。本书干货较多，对话性的内容编排读来轻松易懂，3-7章内容可参考实际运用，前提是需有R语言基础，总体启发性不错，推荐HR阅读。

理论+方法工具+案例简析+模块测评策略，入门级中级HR荐读

把深层次的数据分析用看得懂的方式代入人力资源几项分析指标中，从而引发拓展性的思考以及对把数据分析应用在人力资源模块的兴趣。接下来看各位HR们用自己会的分析类工具，多一层思考，精细的纬度拆解，各自发挥了，建议学一下R语言或者Python。

数据分析用于人力资源管理还是有些技术含量的。本书给了一些好的分析的切入点和思路，值得借鉴和肯定。全书以对话的方式进行讲述，也易于接受和理解。但内容方面也有凑字数的问题，有些重复或者没必要的东西也写了一堆。哈哈，第一次粗略读完，等学完python 语言后，再读一遍配合实践。