三大误区揭秘你是如何被“HR大数据”忽悠的

HR 大数据人力资源指标数据化

刘东畅 | 2016-03-28 10:57

【数据猿导读】从去年开始，“HR大数据”这个话题似乎越来越火，从顾问公司，到业界各种专家，还是HR从业人员，不管懂还是不懂，都喜欢拿着大数据三个字说事，但是，实际上人力资源数据化并不是什么新鲜事了，随便找一个专业的HR或者HR顾问公司就能拿到许多可以评估人力资源工作的指标

终于决定写这个话题的时候，我心里不禁在想，到最后，这种为大家消除阴影面积的事情，还不是得靠我出马。

从去年开始，“HR大数据”这个话题似乎越来越火，从顾问公司，到业界各种专家，还是HR从业人员，不管懂还是不懂，都喜欢拿着大数据三个字说事，看多了之后，我的感觉是，“卧槽，你们还真敢说啊”。

毕竟大数据(英文名称big data，又称逼格太大)，这个概念，在业界是有清晰的定义的，你不能拿个简单的数据分析就往上去套，都不知道你套的是哪根鸡毛，什么拿离职率也当成是大数据来呈现，要是更牛逼点，估计搞个邮件自动回复都能叫阿法狗了。

简直是凤姐用美图秀秀一秒钟变身空姐的即视感。

所以，澄清”HR大数据“这件事情的历史性重任，就顺理成章地落在了东畅君身上(故意装作无视周围鄙夷的目光——)。东畅君的难题是，作为一个灵活的胖子，要如何灵巧地避开诸如Hadoop、Spark、R语言这些很诗意却让大家很容易失意的词，又要甩出柔软的身段将这个由于本身很难又被各种解读导致大家一头雾水的概念娓娓道来，请大家多给一点信心和掌声!

其实呢，要说清楚HR大数据这件事情也并不难，难的是选择好角度。比如现在谈HR大数据的文章清一色都是在谈“HR大数据是什么”，且不管讲得对不对，大家总之是听了一堆觉得云里雾里，完全是大学老师说要给你划重点，结果划了满满一书的绝望感(满满都是回忆——)，结果学完出来两眼一抹黑很容易又被忽悠了。所以，与其谈大数据是什么，我们不如先来谈谈HR大数据不是什么。

误区之一：把人力资源数据化就是大数据

在众多误区之中，这应该是大家最常见到的一个。实际上人力资源数据化并不是什么新鲜事了，随便找一个专业的HR或者HR顾问公司就能拿到许多可以评估人力资源工作的指标，除了开始提到的离职率，还有出勤率、招聘周期、组织氛围、敬业度等等，这些结构化数据的存在可以让大家在过去很好地评估人力资源的工作，因此被大家奉为圭臬。

可是问题来了，这些东西到底有什么意义呢?企业关心的是我现在和未来能不能赚更多钱，有逼格一点的说法叫价值创造是不是更高，所以老板总觉得很郁闷，一方面看你们每天玩数据玩得不亦乐乎，但要真是对HR问起一些问题，比如我要销售额翻一倍究竟该花多少钱招多少人啊，什么样的人才和干部最适合我们组织啊，你搞了这套激励体系以后到底我组织绩效增加了多少啊，HR立刻两眼一抹黑，掉过头开始骂老板土包子，不会用“专业的眼光”来看待HR。

可问题是，你在大排档吃烤鱼的时候，你还是只会看烤鱼好不好吃，价钱贵不贵，吃完以后有没有拉肚子，你也不会吃饱了没事用天然气利用率、烤鱼各部位烧烤停留率(这是什么鬼，好吧我乱编的)来衡量大排档的老板对吧。

而对于老板来说，他如果能通过观察每个食客的回头率、停留时间、点菜的偏好，乃至于统计他们吃鱼的姿势、吧嗒嘴的声音、在大众点评上的评语、在朋友圈发的照片、住所的位置、乃至第二天吃饭的菜单(你没看错，这些都是数据，又叫做非结构化数据)，经过分析就能知道哪些要素在什么组合之下是和食客的吃饭频次和买单额度具有较大相关性的，于是我可以据此对我的食材、佐料、服务流程、摆盘乃至店面装修等要素进行适当的调整和优化，并可以据此预测出我调整以后我每个月可以多赚多少钱，多少时间大众点评的评分可以上五星。

这就是大数据，看着很不切实际吗?要知道当年Netflix就是怎么拍出来一部火爆全球的《纸牌屋》的，他们通过对自己3300万用户的行为进行分析，知道了大家喜欢看什么样的电影电视，在什么时候会暂停、回放、快进，喜欢搜索什么关键词等等，最后发现用户很喜欢 Fincher(社交网络、七宗罪的导演)，也知道 Spacey 主演的片子表现都不错，还知道英剧版的《纸牌屋》很受欢迎，三者的交集表明，值得在这件事上赌一把。

由此可见，HR想凭离职率和出勤率这类数据的统计就做到这个层次?还太嫩了点。

所以简单的人力资源数据化，哪怕是这个数据因为有十几万人显得很“大”，那也不能算大数据，也并没有什么卵用，只不过是老生常谈，而你不幸知道的太少了，而已。

误区之二：大数据距离企业太远，HR应该先把基本的数据分析做好

这也是HR经常容易被忽悠的一点，因为基本上你只要去找一个人说我要做大数据咨询，对方立刻会开始谆谆告诫说我们还是先做HR数据分析的咨询吧，因为你看现在业界没几个公司做成了HR大数据的，都不成熟，你看看你基本的数据都没有标准化规范化，简单的数据分析仪表盘都没有实现，就想做大数据，这是空中楼阁。

大数据分析真的要以“基本的数据分析”为基础吗?还真不是，因为两者的思考方式完全不一样。

传统的HR数据分析是“体检型”的，就是说我一定要先按模块定义出这么一堆数据出来，然后我看看各个指标对不对，就好像你去医院买了个体检套餐，里面要做什么项目都写得清清楚楚的，你一样一样做完以后交表等结果，然后医生那里有每样数据的正常范围是什么，所以会告诉你血脂高了视力弱了脊椎弯曲了(加班狗的悲哀……)。所以每样数据必须非常精确，差了一点就会判断错误。然后拿到结果你会发现其实绝大多数检查我根本不用做嘛，结果还是要花这么多钱好坑爹，可是医院会说这又没有剧透，我不一样一样检查完我怎么知道你正不正常呢。

而大数据分析是“治病型”的，就是我觉得我最近经常咳嗽而且咽喉痛，一位正常的医生不会让我去做骨髓穿刺，而是会按一些和我症状相符的可疑病症来筛选检查手段，比如张嘴说啊然后查血、拍片，最后根据数据反映的情况说我很大概率上应该是咽喉炎，然后根据治疗咽喉炎的经验让我去打点滴做雾化吃药，三天之后我的病好了。在这个场景里，理论上我不需要所有检查结果都精确指向我是咽喉炎，只需要排除掉其它可能性，大概率地判断我应该是咽喉炎就可以了。

当然你可能会说，体检的时候就能根据不正常的数据发现问题然后去找医生治病啊，这点是没错，可是你敢说我不体检就不能发现我身体不正常了吗?你敢说我体检了一切正常以后我的身体就没有任何问题吗?我又不傻。

比如Google在发现大家对冗长的面试流程怨声载道以后，就通过大数据分析发现，面试平均只要超过3.6次，边际效用就会大大降低，而面试效率和候选人的体验也会大大降低，所以性价比最高的方法是让面试次数缩短到四次以内，这样他好我也好，全家人都开心。

像这种问题，靠“体检”怎么能发现呢?那可真是宝宝心里苦，可宝宝不会说啊。

误区之三：找个咨询顾问就能搞懂大数据了

其实如果掌握了上面两个误区，你应该就能明白，如今某些专家和顾问根本就不懂什么是HR大数据，更从来没有实践过HR大数据，他们只是拿着数据分析的工具来挂羊头卖狗肉的，是莆田系医院的好基友，顾问界的塔利班。

大数据和以往的HR咨询产品是完全不同的，与其说大数据给HR带来的是一种工具上的提升，毋宁说是一场思维上的变革。在这场变革中，HR既要能够脱离已有的框架和工具，用更全面的视角去看到以往从未关注到的变量，又要从心理学、组织行为学、管理学的层面更深入地把握个体和组织，从而观察到真正的问题，触及更深刻的本质，提出更科学的假设，更要对技术和数学有深刻的洞察，了解技术和数学可以帮助我实现什么，如何实现(而这些都恰好是某些习惯于卖现成产品和报告的顾问所欠缺的，再加上实践经验的缺乏，这也是为什么如今某些顾问都嘴上各种说大数据，却极力避免做大数据项目的原因)。

在完成思维变革的HR的眼中，实现HR大数据，其实只有三个步骤，第一，假设，第二，验证，第三，应用。特别简单，你说似不似!

那个，如果大家姿势水平高到可以和东畅君谈笑风生的话，应该会反应过来，这就是如今在科研和学术界已经被广泛接受的实证思路，只不过在应用层面，要注意更加从企业实际情况出发。

所以我说，HR大数据剥离掉技术层面的唬人的外皮，其实一点也不复杂，只不过HR们以前的心思都花在了去揣摩领导和套用模板上，而忽视了对事实和真相的追求，在反人类的道路上走得越来越远。所以在HR大数据时代，HR只不过是在回归本质，只有在这条路上，才是和Google、Facebook这些HR大数据的标杆越走越近了。

不过，如果说同时整合这些经验、理论和技术的人实在是凤毛麟角，也可以退而求其次，要么我可以精通其中一样，要么我能理解这几种人的思维，将这几种人整合在一起，并敢于去不断推动HR大数据的落地实践，为业务和组织呈现出真正的价值。

HR大数据的确为HR打开了崭新的篇章，更可以让HR的地位提升到前所未有的高度，是HR的阿波罗登月，是历史的转捩点，是撬动地球的杠杆。

可是，你得先会玩啊……

好的，总之谢谢大家观赏东畅君装了这么久的X，那个，如果有什么不完善和不周到的，你倒是来拍我呀。

来源：蜜蜂派

收藏分享

声明：数据猿尊重媒体行业规范，相关内容都会注明来源与作者；转载我们原创内容时，也请务必注明“来源：数据猿”与作者名称，否则将会受到数据猿追责。