大數據時代來臨，很多HR也紛紛投入到了大數據的懷抱�？墒悄娴牧私�“大數據”嗎?是否應該看懂“數據”再談“大數據”?以下是yjbys小編為您整理的分析，以供參考。
一、 大數據與HRM大未來
大數據是什么?一般來說，大數據就是大量的數據，其具有“4V”的特點：Volume(大量)、Velocity(高速產生)、Variety(多樣性)、veracity(真實性)。進一步看，就是在某些領域通過傳感器和屏幕等入口自動高速產生了大量、多樣的數據，這些數據輔以合理的算法和強大的云計算能力，能夠告訴你這些領域的一切信息!
大數據不僅是數據量的龐大，其更是一種數據產生和處理的模式。我更習慣于將大數據的特點總結為“3A”：
第一，大而全(ALL)，大數據不僅要足夠大，而且要是全貌。這進一步補充了其“大”的本質，阿里巴巴首席戰略官曾鳴甚至認為“其實叫全數據比大數據更準確”。數據再“大”，如果不“全”，都不是大數據。
第二，持續在線(Always on line)，大數據是在線收集、及時處理、實時反饋。簡單來說，就是要形成一個數據“上傳-處理-反饋”的循環系統，讓用戶的上傳具有內生的動力，在獲得其他功能時自動上傳信息，讓數據“跑”起來。舉例來說，當某人在酒店門口向滴滴打車發出用車需求時，他就自動上傳了自己的方位信息、目的地信息、選擇車型信息。
第三，關注未來(Aim to future)，大數據從相關性中進行預測。正如維克托·邁爾-舍恩伯格及肯尼斯·庫克耶所言，對于大數據的運用應該更多地關注其潛在價值，即通過大數據進行預測。值得一提的是，這種預測看似非常粗糙，不一定依賴嚴謹的因果關系模型，但卻能夠快速產生信息，即注重效率而非精準。所以，大數據是往前看的，不追究原因，只關注可能發生什么。這個世界已經被徹底數據化，而基于互聯網提供數據平臺和云計算能力，我們能夠將代表任意兩個物體、兩種行為的數據進行相關性分析，尋找到下一個可能發生的事件。我們甚至可以大膽預言，沒有數據能力的行業專家還不如沒有專業能力的數據師。
人力資源管理是關于分配人和相關資源(培養、激勵資源)的工作，如果借助大數據，將人和其他資源數據化，再用算法進行匹配，顯然有無限的想象空間�？梢哉f，大數據實現了資源的“可擴展獲得”，提升了資源的利用效率。
具體怎么玩呢?
首先，應該把人數據化，為其打上足夠多的標簽，清楚地知道“人是怎樣的”，并把這些數據上傳到云端。這些數據包括，他的能力如何?行為特征如何?績效表現如何?基于這一基礎，人力資源管理各大職能就能夠顯著提高效率，實現我們對于“云組織”的若干設想。
在調配領域，如果將人力資源數據化，并將工作機會數據化為若干篩選條件，我們可以讓任何一個人都獲得最匹配的工作機會，可以從容地招聘、調用企業內的閑置人員跨界協作。如此一來，每個工作機會上都有最適合的人員，成本最低，收益最大。
在培養領域，如果將培訓資源(培訓內容、形式等)數據化，豈不是可以從容地組織、推送員工最需要的培訓支持?每個人獲得的培訓都是高度定制化的、自己最需要的，且學來能用，用來能好，從學習到實踐產出的過程幾乎沒有損耗。
在激勵領域，如果將激勵資源數據化，豈不是可以從容地推送各類激勵套餐?每個人獲得的激勵都是高度定制化的、自己最需要的，同樣的成本支出，每個人對于全面薪酬的感知可以放大到極限。
二、 HR可能誤會了大數據
事實上，專業一點的HR都玩數據，他們測試勝任力，評估崗位，考核績效，利用數據進行決策。我也非常推崇這樣的玩法，認為HR要用數據分析來為自己的崗位建立“技術剛性”。但不得不遺憾地說，這些玩法不是大數據。
從字面上理解，大數據的關鍵在于數據量龐大。涂子沛在《大數據》一書中有個定義，即指一般軟件工具難以捕捉、管理和分析的大容量數據，數據量大到以“太字節(TB)”為單位。太字節是多大?1TB=1024GB。一個萬人的企業，即使你把勝任力、績效、崗位、SOP等傳統數據完全納入，頂多只能用“吉字節(GB)”為單位，離“太字節”的體量還是相差甚遠。HR們以為數據量已經足夠龐大，難以處理。實際上，這種數據量通過本地軟件的計算能力(甚至直接用excel表)就可以解決，根本不需要運用到互聯網上的云計算，這些顯然不是大數據。
達不到大數據的體量是表象，關鍵還在于沒有理解大數據的“3A”特征。HR采集數據的傳統思路是“先有思考框架，再收集相應數據”，數據大多來自數據生成之后，才用報表要求基層有選擇地逐級上報，這大大損耗了數據量。例如，考核某個員工的績效，HR會在其工作完成之后才要求直線經理根據考核指標進行數據收集，而后計算匯總，最后上報人力資源部。
這種思路使得傳統數據具有典型的“非大數據特征”，這大大制約了數據的威力。
其一，這些傳統數據是“冷備份”而非“熱備份”。
冷備份即生成之后再調用，成本極高，收集數據的過程已經讓HR苦不堪言，他們需要不斷催告業務部門，還要一遍一遍地付出教育成本，確保統計口徑統一。熱備份則是數據隨著工作流無意識產生，只要員工開展工作，自然有數據往“云平臺”上跑，而且這些數據也能被平臺的計算功能即時處理。
其二，這些數據是“報表數據”而非“源數據”。
報表數據是經過處理后的數據，例如某餐飲企業里，員工某天接待顧客的數量。而源數據則是指未經過處理的數據，是對于工作流全面的呈現。同樣用餐飲企業的例子，員工在某個具體時點接待了一個多大年齡的顧客(很大程度上意味著服務難度)，客單價多少，接待時長多少，提供服務次數……員工A某天服務顧客數可能是員工B的兩倍，如果我們僅僅關注這個報表數據，就可能得出A績效優于B的結論。但如果關注源數據就有可能發現，B服務每個顧客的接待時長是A的三倍，為每個顧客提供的服務次數是A的兩倍……這些都是有價值的信息!NBA球隊休斯頓火箭隊的總經理莫雷正是基于這些源數據的分析，從低順位(選秀時靠后的選秀機會)中選出了那些被報表數據淹沒的高潛質球員。