《HR如何避免数据思维的误区》续

《HR如何避免数据思维的应用误区》

写在前面的话：

        此前发表的文章主要是对数据思维在HR管理里的应用策略、重点和应用技巧做了个简单的介绍，本篇作为《HR如何应用数据思维》这个系列的续集，重点是要谈谈HR在应用数据思维时会经常遇到的困难与误区，以及如何避免这些误区、如何在条件有限的情况下借助数据思维更好的开展HR工作。

正文：

        数据≠大数据，数据思维≠信息化，不要一谈到数据就联想到大数据；99%的企业其实根本用不上至少目前用不上大数据，能把小数据用好就已经足够！

一、HR在应用数据思维时的五个常见误区：

1、数据思维需要依托EHR管理软件或其他信息化手段；

        数据思维不等于信息化，如同财务报表立足于数据但不等于一定要上财务软件，道理是一样的。数据思维是一种思维模式和工作方式，而信息技术或管理软件更则是在工作界面、工作方式和呈现手段上有别于手工录入与offline（离线）的单机手段。

        一定要说出两者的区别的话，那么有了EHR或其他信息化手段之后，数据采集、交叉分析比对的效率会大大提高，并且理论上更容易实现与其他类型数据的综合对比，如生产数据、财务数据、营销数据等（通常各管理系统软件的数据统计和导出不需要手工，而是进入系统就可根据需求做定制化导出）。但无论是EHR还是ERP抑或是CRM和SCM等管理软件都只是工具而已，工具是没有思想没有智慧的，至少在未来十年之内都无法替代人类做出决策和判断，只能通过人的判断和需求、来输出和提供不同的数据，并让使用者对不同类型的数据进行比对，以供使用者根据多维度的数据、根据需求进行判断与决策。例如只单独/分别看年龄、性别、体温、体重、身高、血压、心率、血糖、血脂、血尿酸等健康指标，医生无法得出更进一步的结论，但如果将上述十项指标的数值放在一起进行全面分析的话，你就能勾勒出一个人的健康画像，并且准确度极高；而测量这十项指标并不需要什么高科技的装备设备，更不需要信息系统。

        所以，实事求是的说，如果企业规模较大、分支机构较多且为跨区域经营，那么EHR无疑比手工或离线统计录入数据的方式要更加快速、更加便捷、更加准确，数据采集、分析和挖掘的成本理论上也会更低，但如果是地方性的中小企业，那么EHR并没有多大的意义和价值。

        总而言之，数据思维在应用于HR管理时，不必然要求有EHR或其他信息化手段；EHR或其他信息化手段只是工具，只能按照软件开发人员的预设实现既定的功能，无法将各个系统与子系统里的数据进行自动导出并进行交叉分析得出使用者想要的结论：首先是软件还不具备这种智能，其次需求是多样的，包括EHR在内的各种管理软件都无法做到提前预设使用者的所有需要。所以，有EHR或其他信息化手段不见得就一定更好，而没有也无所谓，关键是HR需要在脑海里“建模”并构建“算法”，根据目的来选择手段、根据目的来选择采集哪一类数据。

2、数据思维及其应用需要具备IT技术或大数据的有关知识和技能；

        数据思维本质上是挖掘数据、分析数据、整合数据，并根据对多维度数据的判断，得出某些信息、知识甚至是智慧的一种思维方式和工作方式（见IBM的知识管理DIKW模型），与IT技术、编程、大数据是两码事，但有许多交集之处。

        例如，训练有素的财务人员会对财务数据非常敏感，能够通过对几项数据进行解读就迅速的还原出公司的经营管理信息。但绝大多数HR人员对数据的敏感度远不及财务人员，所以，这个数据思维的系列文章以及本篇，其实就是围绕着如何让HR人员掌握并提高数据思维的应用而展开的篇幅。并且，数据思维从建立到高阶与深度应用，也是一个从静态数据、单维度少维度数据，再到动态数据和多维度数据（属于大数据的范畴）的过程；此外，静态数据和单维度少维度数据，其实就足以还原和解释许多信息，也足够HR们做好本职工作或HRBP的工作，不必动辄就谈大数据，因为大数据对90%以上的企业是没有多大现实意义的，而且要采集真正的大数据，其投资不是中小企业所能承受，光是一个数据中心的投入就千万级。再有，许多人谈论的所谓的大数据其实不过是蹭热点，最多只是多维度数据，或者叫“小数据”、根本就不是舍恩伯格所说的大数据！所以，千万不要混淆，否则你会让真正懂行的人嘲笑你无知。

        关于大数据（Big Data）的定义，读者朋友们可阅读舍恩伯格的经典之作《大数据时代》，里面专门谈到了大数据的定义、内涵以及应用。下图就是大数据的几个标签。

图一：大数据的三大特点

        如果不是大数据相关部门或岗位的话，数据思维及其应用完全不需要具备IT技术或大数据的有关知识和技能，各位非IT专业的朋友们大可放心，这一点杨老师可以打包票：）

3、数据思维在应用时，对HR的专业知识与技能要求很高；

        虽然数据思维这四个字里有数据二字，但从应用的范围、深度和效果看，跟HR专业知识与技能、跟数据分析技能的关系不是太大，对HR专业知识与技能的要求也并不很高。

        当前从学历教育的学科设置看，无论是本科还是研究生教育，人力资源管理专业更多是从管理学原理与理论出发，阐述通用管理与人力资源管理领域的知识与方法；而数据分析、数据挖掘相关的知识，据杨老师在2019年所了解到的情况看，在人力资源管理领域的学历教育中的还未有涉足。但是这并不影响HR们学习和掌握数据思维与数据分析和应用的基本方法，因为并不难。

        但是，是否应用数据思维、能否应用好数据思维，更多的是考量操作者的战略思维、系统思维和创新思维；如果不是专门学习和从事数据挖掘、数据建模或大数据相关工作的人士，而是为了实现“从不同维度不同主体进行数据采集，以获得对人/事/物更加全面和立体的认知，并实现找到本源、预测趋势，获得解决方案”的目的，那么不需要去学IT或大数据；但是，战略管理、运营管理、财务管理、计量经济学、统计学的相关知识至少是应该有所了解，这样有助于在脑海里构建“大画面”、即系统思维——这对分析和解决复杂的问题非常有帮助。

        一句话概括，其实就是数据思维在应用时，对HR的专业知识与技能的要求更多是“功夫在诗外”。

4、数据思维在应用时，会有特定的行业或应用对象/应用环境的要求；

        只要是企业，无论规模大小、无论什么行业，在经营管理活动中都必然会留下足迹留下印迹，也会在经营管理活动中生成各类数据。而最近几年开始兴起的大数据，不过是通过信息技术或物联网技术，将多样化多维度、实时更新的数据进行汇总，通过特定模型或算法，从中发掘出具有商业价值或者能对企业的经营管理工作起到提升作用的工具和方法而已。换言之，先有数据、才有应用；先有小数据、才有大数据。

        不同行业、不同规模、不同成熟度的企业，在日常经营管理活动中生成的数据类型和数据量会有较大的差异，例如某些特别依赖数据的行业，其无论是产品与服务设计、定价等策略都需要依赖海量数据（大数据），所以，数据思维与数据应用技术在这些特别依赖数据的行业就显得尤为重要。典型的有金融业，就是一个极其依赖数据的行业，无论是银行、保险、证券、信托、基金等，都离不开数据，包括产品设计（精算）、产品定价（利息）、风控（风险拨备），如果离开数据甚至都无法正常经营。甚至可以说这些行业都是依托数据、贩卖数据的行业，如果没有数据作为支撑，可能一天都活不下去。而从小数据到大数据，本质上是数据采集方式和渠道更加多元、数据更新更加快速（实时）、数据应用更多元（借助模型或算法，例如通过大数据做征信）。所以，可以先解决从无到有、从基础的小数据应用开始，条件成熟并且必要的时候再上大数据设备与技术，以扩大分析、判断、预测的及时性和准确性和范围。

        再谈应用环境。数据思维及数据挖掘等，对应用环境的要求其实非常低——就算没有大数据的软硬件设备、就算没有电脑，也同样可以应用，不过是效率低一些、速度慢一些而已。换言之，数据思维与数据应用的关键不在软硬件设备而是在人、在使用者。

        最后，借用仓央嘉措的《见与不见》来给本节做个小结：

        “你见，或者不见我，数据就在那里，不悲不喜；你念，或者不念我，数据就在那里，不来不去；你爱，或者不爱我，数据就在那里，不增不减；你跟，或者不跟我，数据就在你眼底，不舍不弃；来我的怀里，或者，让我融到你的血液里；默然相爱，寂静欢喜！”

5、数据思维能解决HR管理的六模块问题。

        数据思维、数据挖掘与分析工具方法不是万能药，不能解决所有问题，并且也无法脱离HR各模块的技术或方法来解决问题。但是，将数据思维应用于HR管理领域之时，能给HR们全新的视角和方法、能让HR们在分析问题解决问题时可以更加有理有据，让部分不太容易量化的HR工作可以通过数字、报表、图形的方式来呈现。但更重要的是：养成数据思维并掌握应用数据的方法，能够将HR的各项工作中所生成的数据与研发、生产、营销、服务等其他职能或部门所生成的数据进行汇总，再根据特定的模型或算法，挖掘出更有价值的信息，从而为企业的各项经营管理活动以及决策工作提供及时、准确、高质量的依据，这才是数据思维与应用数据的价值所在。（本部分内容，在《HR如何应用数据思维》里已有谈及，此处省略）

        要提高HR管理工作的成效，底层是六模块的专业知识与技能，往上则是战略管理、一般管理、财务管理、项目管理等；而数据思维或数据挖掘、数据分析与数据加工/整合能力，则更像是一根线，将底层不同模块之间、将底层各模块与上层各领域连接起来的一种心智模式与知识技能。

二、HR如何在条件有限的情况下借助数据思维并提高应用效果？

        数据思维与应用绝非一蹴而就，要达到预期效果，一个基本原则是：先解决从无到有，再追求从粗到细，最后才是打通信息孤岛、提高协同并与公司的其他各类应用关联。

        杨老师的观点是，首先将HR六模块的各项工作所生成的数据进行分类并汇总，再将这些分属不同模块的数据，从最基层的应用开始，即先解决最基础的应用；当基础应用成熟之后，再将HR各模块的数据向上做勾稽做关联，与研发、营销、项目、生产等其他职能或部门所生成的数据尝试着进行相关性或因果性的验证，以此找出规律！即哪些数据或指标出现变化，会导致那些数据或指标也随之发生变化？因为在这个分析工作的背后，其实就是识别问题、分析问题和解决问题的基本原则。

        相关的应用，详见《HR如何应用数据思维》系列文章，本文就不再赘述。但从基础应用的角度，有几类数据可以很容易的应用，见下图。

图二：数据科学的框架

图三：运营类数据

 

图四：人才效能类数据

图五：人才管理类数据

结束语：

        无论再怎么强调HR管理的重要性，都不能绕开一个终极命题：公司不是家，员工或人才存在的意义就是为企业创造价值（包括直接价值与间接价值）；如果无法为公司创造价值，那么HR的工作就是失职的。

        互联网行业当前的一地鸡毛＋裁员减薪＋996之争，本质上还是个价值创造的命题。HR或许无法改变CEO或用人部门的决定，但可以用数据用报表用事实来说话，因为数据不会说谎，因为数据有时候比文字比伦理道德甚至比法律更有份量！