我要投搞

标签云

收藏小站

爱尚经典语录、名言、句子、散文、日志、唯美图片

当前位置:棋牌游戏中心 > 工作数据 >

6个问题详细告诉你如何将大数据与HR工作更好地结合

归档日期:07-06       文本归类:工作数据      文章编辑:爱尚语录

  坦率来讲,大数据其实跟现在企业里面做的人才盘点本身并没有特别直接的关系。当然我们做的所有事情的基础都是基于数据。

  我认为两者之所以能够关联在一起,也体现了HR同仁们在现在工作中,可能对数据的一种渴望,或者希望有更多的信息能够去支持我们的决策。

  我想先简单的跟大家分享一下关于大数据的东西。可能有一些朋友对北森有点熟悉,之前也参加过北森的活动,我们其实会经常在一些活动上跟大家分享大数据这个概念,只是在管理领域或者人力资源这个领域里面,它可能用到的一些场景。我们自己也有专门的技术和产品团队去做这个方面的一些尝试和努力。

  其实在同行之间也做很多的交流,我们发现,在HR的领域,可能是跟我们具体在工作中会产生的那些数据的量有关系,包括获得的那些可以分析的东西有关系。

  其实包括很多的供应商,大家在讲的大数据并不是真正的大数据的概念,大家经常会讲大数据,那大数据和数据的差别就差那一个大字。那bigdata是不是当你的数据量上去了,它就算是大数据?为什么大数据火了,之前在各行各业不只是在HR的领域,比如说供应链管理,生产管理里面,大家一直在做很多对于数据的管理,很多工厂都有自己的专门统计员去做这些。那为什么这些年大数据的概念火了,主要跟互联网的发展有非常大的关系。

  我相信今天在群里的这些群友可能除了用微信,应该也用微博、知乎、豆瓣等社交网络,互联网的发展提供了越来越多这种交流,然后连接人和人,人和知识,人和信息这样的一些平台。当这些平台比较多了以后,就会产生非常多的信息,比如微博有一个统计,在女排夺冠的那场比赛里边,可能瞬间关注的人数就达到上千万。

  过一个星期才能获得这样的结果肯定是不行的。所以当这些订单产生了海量的信息以后科学家们,包括计算专家,互联网的从业者,甚至很多数学家大家都会研究说那我们该怎么办?我们是不是能在这中间获得一些更多的价值,当信息很多的时候,一定能从中间挖掘出更多有用的东西,那我们能挖掘出什么。

  于是,有人把大家做的这些事情,称之为大数据。之前我看过很多国外的专家分享,他们会说,我现在听了这个名字以后,才知道这么多天来干的事情叫做大数据分析。

  可能我们群里有很多的HR群友是女生,应该都会在淘宝上买东西。近期如果大家买的比较多,会发现淘宝的搜法有了一些变化。以前,比如说搜连衣裙,可能我搜的和您搜的连衣裙结果是一样的,因为我们用的关键词都是连衣裙这三个字,但是最近,可能会发现,你再搜连衣裙,淘宝出现的排序结果,可能就不一样了。我们说这个排序的结果可能就会优先出现的是你最近搜索过的连衣裙,咱俩搜的结果不一样的时候,它就会有差别。

  然后可能还会优先给你推荐的是根据以往搜索或者购买记录,你可能会喜欢那样的款式。如果你经常买的是上千块钱的连衣裙,那这个时候,它一定不会优先给你推荐六七十块钱的连衣裙。

  慢慢地,我们会发现,每一个用户,即使你想在上面做同样的事情时,以往在这个平台上所做过的那些尝试和努力,它就产生了一个价值,所以你看到的最直接的结果就是顺序变化了。同样的内容大家可能在其他的电商领域也会经常看到,比如说你注册一个交友网站,它可能会根据你浏览的其他朋友的结果给你推荐新的朋友。你买了一本书,然后它会给你推荐可能相关的一些书籍。那这个时候,

  大数据现在用的最多的就是排序,后面会专门讲一下在HR的领域,大数据都能做一些什么。如果大数据这个领域将来大家发现,别人跟你讲大数据,只强调数据多,那他一定是耍流氓。

  把大数据的成功关键归纳成几个方面,其实在不同的领域,包括将来如果我们在HR的领域去做大数据方面的实践,其实也是一样的。

  第一个是你的数据量要大,真的数据量要大的时候,可能去使用这样的相关技术才有价值。

  如果说每天只产生100套200套数据,那么我用Excel可能就更快,甚至我简单地统计一下可能就更有价值,所以数据量大是大数据的第一个关键。

  第二个就是存储能力,当数据量大的时候,这个数据如何去存储,如果能快速提取出来很重要,

  第四个是计算能力,就是数据是否能实时得到结果。如果计算的数据是上个月的结果,那可能参考意义就会比较低,但如果你能实时的得到各种各样的分析,那可能就会比较有价值。

  就像我们前面说的,如果你是上个月,在淘宝买了很多玉米,那这个月的时候系统才给你推荐玉米,可能这个就不是你想要的东西。所以将来如果在HR这个领域,我相信大数据也会有非常多的创新,所以大家可以每次都按我说的这个标准去衡量,它是不是有很大的数据,是不是有一定的存储能力,有合格的模型算法,然后具备实时计算的能力。

  就是从很庞杂的大量数据背后,能够挖掘和分析出用户的习惯,他们的行为,还有他们的喜好,能够自动的找出更符合用户口味的产品和服务,然后结合他的需求去调整这个推荐的产品,去调整推荐的候选人。总的来讲,现在的大数据主要的应用目的就是提高效率,然后优化资源配置。

  我觉得这个问题特别好,如果没有群友问这个问题,可能我也会想先讲一下。在HR的工作里面,可能会用到的数据分析有两类,一类是一般性的数据分析,可能大家日常都会在做,一般就叫HRdatas。

  最开始时,就是记录数据,比如说统计员工的工时,然后想计算员工的效率,可能在薪酬绩效方面都会产生流量化的数据,我们将它记下来,用于描述现在的一个情况。这种HR的数据分析,尤其是在一个单一的组织里面,其实数据并不会特别多,当然如果您是在一个多样化的集团,可能数据非常多,那仍然是一个统计的工作。

  我们做了许多工作去搜集数据,试图寻找一些相关性。数据的类型主要分成两类,一类叫business data,是业务流程的分析,另外一种叫people data,是跟人才相关的分析,比如人才情况的一些展现,还有一些是分类的信息统计等。

  所有我们做的数据归根到底都是为了描述业务现状,能帮我们去做更好的决策。去找到关于人才,或者关于组织发展相关的一些问题的答案。

  比如,老板最想问的是很多事情进行的怎么样了?你的招聘进行到什么程度了?你的人工成本有多高?你的成绩分布情况是怎么样的?然后我们去了解这些业务的现状。给大家分享一下,就是这个不是大数据,其实就算是一个数据分析,是跟人才盘点有关系的,我们在这个领域做的一点点的尝试。

  这张图只算是一个数据的聚合。当我们聊数据和大数据的时候,我觉得数据应该会有几个层次,而数据的展现是所有数据使用的基础。

  当然更基础的是你首先得有这样的数据。上图是一个人才盘点报告,这个报告的一页纸里面能够展现出这个人各方面的特点。如个人信息、工作经历、奖罚情况、发展建议、测评结果、人才地图等。可能这个都算不上数据分析,但是这个数据能够为你所用,为决策所用,这个价值就够了。这个是最基础的,能够让您收集所有的信息展现出来。

  我们当时做这份报告,现在因为也在北森的继任系统实现了。当时是为了一家人才盘点的客户,他们希望说既然我已经上了信息化的系统,已经获得了多样数据。就希望在人才盘点时,不要再打一摞报告拿到现场。我相信大家开人才盘点会,或者校准会时,每一个内部的候选人真正能用于讨论他们的时间并不多,有的公司甚至20分钟一个人都到不了。

  从这个图上来看,这些信息是从不同地方获取来的。比如说员工的基本信息,包括一些项目经理的经历,可能是从他的EHR系统里面获取来的,测评结果可能是从北森的测评系统里获取来的。人才地图就是九宫格的这种可能是从以前盘点的结果导入进来的。

  也有可能您有继任系统,或者专门做了一个什么样的系统,从那个系统里获取来的。那领导力素质有可能会从360度评估系统里获取来,当然这个图里面还缺信息,如果更多的话还会展示绩效的一些信息。甚至是本次人才盘点,如果还请候选人做了一些准备,可能还会有一些针对本次活动的一些辅助信息。

  你能够让你的领导也好,参与人才盘点的人也好,在特别短的时间内能够快速的把握内部候选人的特点、重点就足够了。所以即使大家将来手工做这个事情,或者是将来通过系统去呈现它。可能有几个重点,一个是不同的数据源的信息要弄到一起;第二个就是你展现的那个信息是跟你特定的使用场景非常相关的;第三个就是尽量以图视化的方式展现,而不要全是文字或者全是数字。

  比如,我们会到招聘网站发广告,上面有非常多的简历,我们可能也会搜索简历下载。这时除了我们用的这些关键词,我去用条件搜索的话怎么能在海量简历里面发现适合我的是哪些人,而不是说我随便搜一个关键词,出来以后,系统给我推荐了六千多人。有的招聘网站六千+的意思就是有无限量的结果,这个时候我发现很多用户只能通过另外一个字段就是,最近更新时间来看简历。其实并没有真正的能够实现,我们想要去优化资源,去提高效率这样的一个目的。

  如上图,我们在招聘系统里面做过一个大数据方面的尝试,其实跟刚才说的那个是非常类似。

  它会有很多的简历,可能暂时不符合它的需要,就会闲置下来。或者这个公司如果非常大,可能会有很多招聘者去负责招聘的工作。现在招聘的不符合我这个职位的候选人,不一定不符合其他招聘者招聘的职位候选人。那这些慢慢都会沉淀在公司的简历库里面,变成一个资源。

  但是以往当我们缺简历的时候,招聘者就会在简历库里面搜索那些关键词。比如说UI工程师,比如说销售经理,会计这样一些职位的关键人。这个时候我们所得到的结果,就跟你能想到的那个搜索条件是一致的。你没用这个搜索条件限定肯定就不行,慢慢的我们发现当大数据这个东西可以应用

  比如说,产品经理这个职位。他认为可以进入下一关的和被淘汰的产品经理,去根据他做出这样的判断,在背后做一个建模。那这个模型怎么建呢?他喜欢和不喜欢肯定有他的原因,我们在背后把一个候选人切分成了一百多个字段,我们就会在这个字段里面去找到他喜欢或不喜欢的原因,去建这样的模型。

  那这个模型建好以后呢,我们就会从已有公共的简历库里面去筛选符合他这个喜好的一些候选人推荐给他。推荐的过程比较简单,就像大家图上看到的那样。其实这个是帮他从其他的人才库里,挖掘过来的一些候选人,那他就可以去做这样的联系。随着他的筛选越来越多,我们会不停的帮他建立这样的模型,

  那另外还有一个应用方面是预测。刚才说的第一种推荐的大数据的应用领域,其实是在人才的匹配和推荐。

  主要是简历推荐,就是招聘这个领域用的是最多的。当然在公司里面,比如说我们公司是几万人的公司,其实也非常鼓励版块之间人才流动的时候,将来也可以通过这样的算法去做人才的推荐、挖掘。北森现在也在尝试帮助客户做这样的事情,在你这样的岗位上通过同类型的岗位绩效优秀的员工,他具备什么样不同的特点。当你这个岗位上再有空缺人选的时候,我们可以从你的人才库里。这个指的主要是内部人员,能够挖掘出哪些推荐人才,然后看看有没有替补的可能性。

  比如他可能在他的岗位上绩效也很好,他不愿意调配到你的岗位等等这一系列的问题,甚至将来还有很多伦理问题,谁能看,谁不能看,谁能知道,谁不能知道。我们也会慢慢的在这些方面做更多的探索。这是大数据在HR领域的第一类应用,就是人才匹配和人才推荐,结果就是做人才挖掘。

  第二类的应用比较有名的就是做临时预测。很多大数据的里面会提到很多年前惠普在内部做的人才离职预测。其实方法并不是特别复杂,它会把一个人离职的原因根据以往的研究分成很多项,去建这样的模型。

  把每一个人,每一个内部人才,包括它的数据网上去测试,看看谁有离职的可能性。比如说近些年的一些研究,会发现如果你这个员工在社交网络上,比如微信朋友圈很少发公司的信息,不管是公司的广告、招聘信息,或者公司一些市场活动的信息从来没发这些,但是每天会发吃喝玩乐,那他会认为这个员工,可能对公司的满意程度很低。

  也有研究会证明,员工在公司3-7年是比较稳定的,头三年是比较不稳定的。那过了七年,不稳定的可能性也比较大。可能也会把您在公司的司龄作为一个重要的因素。当然可能还有在本岗位的时间、绩效水平等等。比如之前我看过也在这个领域去做的一些人,如果你在这个岗位上三年应该晋升,但其实你已经工作了五年,他就会认为你有很强离职的可能性,

  这些信息会建立一个离职的预测模型,那接下来简单的事情就是把员工去跟它测试。这些信息每年都会变,甚至比如像绩效这些信息记录都会变。每年会整个像做人才盘点一遍,去测试一遍员工离职的倾向是什么样的。当时惠普做了这样的事情以后,一直被人追捧。包括国内很多公司也在做这样的事情,北森也试图尝试过去做这样的一些预测,去获得这样的一些结果。那可能有人说这些信息我们公司没有,没关系,如果群友们觉得说,或者您所在的公司觉得这个东西很有用的话,我们一定会想尽办法收集这些信息。

  这个算是在大数据领域另外一个挺经典的HR的一个应用的案例。但是北森在今年上半年的时候,针对离职预测模型的这个应用也做了一些调查,我们也跟合作伙伴一起在做离职预测。但后来发现其实我们可以得到各种各样的结果。我也可以做出员工的名单,

  他们认为说你预测出了某一个员工要离职。OK,如果这个员工要离职这个事情我知道,比如说已经有迹象了,甚至可能已经向我透露了,那这个预测结果对我没有任何价值。

  那当然你有可能预测出来的这个员工要离职,是我不知道的。但是又能怎么样呢,基于已往的经验,这种有离职倾向的员工。包括那些比如说在招聘网站也刷简历的员工,那他将来走的可能性非常大,你告诉我这个事情,其实对我也没有特别大的帮助。因为我最想的是,可能是留住他,而不是去获得新的人才。

  可想而知我们将来在组织里边,试图做这样的事情时,可能大家将来面临的这些压力和困难,并不来自于算法和模型本身,不来自于大数据这件事本身。而是来自于我们去做预测这个事情本身,它在组织内怎么被接受,怎么样能发挥更大的价值。

  当然后面理论界一直不会停息探索的脚步,所以现在我们考虑做预测模型,也会去做更积极正向一点的,我们希望知道员工的生命周期,这个对于在岗的员工也是很有意义的,尤其大家在人才盘点的时候,那些关键核心的人才。

  人才盘点解决方案或人才测评在盘点中如何应用,可以点击阅读原文,或给北森微信发消息,或致电400 650 6878。

  9月10日北森首届用户生态大会将在国家会议中心举办,届时将有分会场现场为大家分享大数据时代下的招聘管理!快扫名吧!

  利用大数据自动匹配内部人才和职位的法国公司Clustree,再获290 万美金融资

  利用大数据自动匹配内部人才和职位的法国公司 Clustree,再获 290 万美金融资。Clustree是一家利用大数据,为大公司中合适的职位自动匹配合适人选的法国创业公司。所有数据都会进行匿名处理, Clustree...

本文链接:http://cowboyupde.com/gongzuoshuju/115.html