大数据人工智能引领世界发展，HR一起飞

作者陈怡007 更新于：2018-02-03 21:14 66151

内容来自 2018-02-06 打卡话题

　　如今，随着信息化的浪潮，企业中各项工作越来越数据化，用数据说话也越来越重要。那么，人力资源管理工作中，我们也需要以数据的统计和分析为基础，学会用数据说话。在之前的打卡中，我们简要的介绍了如何关注企业效能，建设企业人事仪表盘，今天，我们将进阶学习如何盘点和深挖人力资源数据，让我们的人事仪表盘更加完善，展现价值。
　　请问各位牛人，HR如何用数据说话，体现价值？

展开

前言：

周六参加了省职协的人资会年会，白博士分享了一个观点：不因为个案去改变公司的制度。其中提到2016年出现的三个案例，是否公司在看到案例后，要修改自己的规定，以下是三个案例：1、员工因为嫖娼，公司与其解除劳动合同，最后判了公司需给员工两倍补偿。（疑虑：是否要在制度里加禁止员工嫖娼——如果真的加了，是要说明公司男同事都有嫌疑嫖娼，还是要引导男同事嫖娼？）；2、员工入职前隐孕，入职一个月后告知，公司解除合同，最后判了公司补偿。（疑虑：是否要在制度里加入女员工入职必须孕检——公司是否考虑不招女员工？）；3、员工请病假去旅游，阿里以其病重不适合去旅行辞退，最后阿里胜诉。（疑虑：是否员工请病假去旅游可以辞退——阿里胜诉，您确定贵公司也能胜诉）。

每一个案例背后是有时间和背景的，公司本身不一定需要做相应的改变。引入这个是想强调一个观点，好的案例或好的经验不一定适合公司，另一方面作为职业经理人更多是要明确公司哪些是紧迫需要解决的问题，针对问题进行解决。好案例好方法需要学习，但是应用需谨慎。

随着经济发展越来越快，从业人员综合学历越来越高，人力资源在中国逐渐开始得到普遍认可和应用，于是开始精细化细分。这是发展的规律，发展前期都是框架式的规则，发展中期需要精准的细则，且根据企业的规模大小不一，应用的模块不一样。

我还没有做过HR dashboard design（人力资源仪表盘设计），这个概念也只是有看大牛们的分享知道的。个人觉得仪表盘需要有一个数据精准收集和分析。领导关注更多的结果，能数据化就更直接，数据直接反应人力效能变化。

一、人力信息数据化是必须的

数据化更便于做理性决策。记得上大学的时候，有一门《统计学》的课，老师说统计学以后在我们的工作中会到处用到，包括生活中数据记录分析（我是会计专业，但是的理解只是个人的财务记录，日常支出和特殊支出，得出平均支出，如果超过平均支出，需要做好平衡，或要提高收入来保持平衡）。其实统计学是数学很好的一种应用，他是关于认识客观现象总体数量特征和数量关系的科学。通过搜集、整理、分析统计资料，认识客观现象数量规律性的方法论科学。由于统计学的定量研究具有客观、准确和可检验的特点，所以统计方法就成为实证研究的最重要的方法。尤其是做了管理者，做决策时，特别希望看到的就是数据，以往的数据走向，虽然未来的市场变化很大，但是有这个数据，心理会更有底。因为有了这个分析可以让人有了一个安全的停靠。

二、数据化应用的选择有利的方法——样本选取

1、人力部门的总费用统计核算分析：其中成本所占企业总成本的是多少，哪些是需要加强投入的，哪些是可以做节省的，且根据公司来年的发展制定更优的预算方案，增加支出的部分是需要有所规划的。

大数据人工智能引领世界发展，HR一起飞

2、人员异动统计分析：人员的内部调动和外部招聘的数据是否良性：

大数据人工智能引领世界发展，HR一起飞

3、招聘分析：招聘渠道、招聘费用（包括计算出的人均招聘成本）的统计控制；

大数据人工智能引领世界发展，HR一起飞

4、离职分析：离职数据中主要包含离职的原因分析和类别分析，加强核心员工的稳定性，通过分析后要有应对的措施。企业需要有一定的流动度。

大数据人工智能引领世界发展，HR一起飞

其他薪酬绩效分布分析、员工效率···这些可能也是做人事仪盘表整体的难点，因为需要量化。

三、精准分析，结合应用提出建议

每个行业每个公司对数据分析的应用需求可能不一样。其实做数据记录，可能很多公司都在做，但是关于这些数据有什么用，怎么用。让我想起1月初梳理新公司的行政办公用品采购时，数据前台都有记录，数据刚被汇总时，可能杂乱无章，看不出规律，需要赋予一些物品某种类别，进行整理归类。通过作图、造表、用各种形式的方程或公式整合，计算某些特征量等手段探索规律性的可能形式，即往什么方向和用何种方式去寻找和揭示隐含在数据中的规律性，让其变成我们需要的。

从数据中找到规律和行程规律。找规律是需要训练的，需要有目的进行归类。人工智能是找到规律，设定规则命令。和我现在公司在研发的技术有很大的类似性和关联性，计算机视觉，要让计算机和人眼一样去识别，是需要深度学习和训练的，通过训练他才会找到规律，这位女士/先生，您是什么颜色头发，是否有戴帽子、是否有戴墨镜、什么颜色衣服等等，这个是基本知识，还需要做行为检测，如在指定位置定留时间，在指定位置出现火焰，在指定位置出现杂物等等记录分析以及对应相应的处理结果。

四、数据化——统计学的历史

《魔鬼数学：大数据时代，数学思维的力量》（这本书的作者用一种通俗的语言描述了看似十分深奥的数据，对数学感兴趣的人可以一看）里面有一个故事，看完后，觉得很有意思，我觉得也可以和大家分享一下，在二战前统计学先得到应用，而后才形成规律，形成学科：

第二次世界大战的大部分时间里，瓦尔德都在哥伦比亚大学的统计研究小组（SRG）中工作。统计研究小组是一个秘密计划的产物，它的任务是组织美国的统计学家为“二战”服务。这个秘密计划与曼哈顿计划（Manhattan Project）有点儿相似，不过所研发的武器不是炸药，而是各种方程式。在1943年，它是“二战”时期高速运行的数学中枢神经。在哥伦比亚大学应用数学小组的办公室里，很多年轻的女士正低着头，利用“马前特”桌面计算器计算最有利于战斗机瞄准具锁定敌机的飞行曲线公式。在另一间办公室里，来自普林斯顿大学的几名研究人员正在研究战略轰炸规程，与其一墙之隔的就是哥伦比亚大学统计研究小组的办公室。在所有小组中，统计研究小组的权限最大，影响力也最大。他们一方面像一个学术部门一样，从事高强度的开放式智力活动，另一方面他们都清楚自己从事的工作具有极高的风险性。统计研究小组组长艾伦·沃利斯（W. Allen Wallis）回忆说：“我们提出建议后，其他部门通常就会采取某些行动。战斗机飞行员会根据杰克·沃尔福威茨（Jack Wolfowitz）的建议为机枪混装弹药，然后投入战斗。他们有可能胜利返回，也有可能再也回不来。海军按照亚伯·基尔希克（Abe Girshick）的抽样检验计划，为飞机携带的火箭填装燃料。这些火箭爆炸后有可能会摧毁我们的飞机，把我们的飞行员杀死，也有可能命中敌机，干掉敌人。”——统计学的重要应用

大数据人工智能引领世界发展，HR一起飞

这些成员中，有弗雷德里克·莫斯特勒（Frederick Mosteller），他后来为哈佛大学组建了统计系；还有伦纳德·萨维奇（Leonard Jimmie Savage），他是决策理论的先驱和贝叶斯定理的杰出倡导者。麻省理工学院的数学家、控制论的创始人诺伯特·维纳（Norbert Wiener）也经常参加小组活动。在这个小组中，米尔顿·弗里德曼（Milton Friedman）这位后来的诺贝尔经济学奖得主只能算第四聪明的人。

我们今天讨论的人力资源数据化，也是给企业在市场中的战争，提供更优的建议。不光是要统计，还要分析和解读数据背后的意义。

PS：2号人事部帮你汇总所有数据，绘制所有图表，还能让你附上精准解析一键报告老板，高效高逼格，助你大放异彩，点击这里免费预约体验吧！