導語：計算能力和存儲能力的快速提升，使得海量數據得以保存，同時計算方法的創新，也為我們打開了一扇海量數據應用的大門，大數據時代已然來臨。下面我們一起來看下數據驅動的HR時代!
這是一個移動的時代，同時也是一個數據驅動的時代。計算能力和存儲能力的快速提升，使得海量數據得以保存，同時計算方法的創新，也為我們打開了一扇海量數據應用的大門，大數據時代已然來臨。企業對海量數據的掌握和應用能力，已經成為移動時代企業競爭優勢的來源之一。在這樣的風口前，HR自然不能置身其外，HR大數據應用的大幕已悄然拉開，一個數據驅動的HR時代正在來臨。
大數據分析在HR領域的典型應用
捷蘭航空(JetBlue)的數據分析師開發了一個量化分析工具，用以測量員工的敬業度并依此預測公司的財務業績
洛克希德·馬丁(LockheedMartin)用一個自動分析系統，及時收集和分析員工的績效數據，并根據數據分析結果識別需要改進的績效指標
西斯克(Sysco)通過持續跟蹤hr369.com員工滿意度數據，及時采取相應的干預措施，將其員工保留率從65%提高到85%。僅此一項就為公司節約了大約五千萬美金的招聘和培訓費用
陶氏化學(Dow Chemical)使用一個數據分析模型來進行人員規劃。這個模型可以根據行業發展趨勢、政治和法律因素及時對人員規劃進行動態調整
谷歌(Google)利用數據分析方法，對其高績效經理和低績效經理的行為數據進行分析挖掘，找到了谷歌高績效經理特有的八項能力素質，并將其應用在經理人員的招聘和發展上
諸如沃爾瑪、百思買這樣的大型零售公司，都在利用大數據分析方法對其呼叫中心的來電量進行預測，并根據預測的來電量合理安排接線員的數量
HR數據應用的發展階段
由于不同企業數據處理和分析的能力有很大的差別，因此在HR大數據應用的成熟程度上也有很大的差別，根據Bersin & Associate的調研，目前企業HR大數據的應用成熟程度有4級(從低到高)：
反應階段(1級)：這一階段是以各類數據收集和呈現為主，關注點是：培訓小時數、招聘時間、招聘成本、領導力、抱怨、安全記錄、人員基礎信息、任期、證書、競爭力、離職率、績效分布等、解釋如何配置人力資源、工作群體狀況的人力資源管理衡量措施
主動階段(2級)：這一階段是以數據分析為主，關注點是：人均銷售收入、流動率、人均人事費用率、研發效率、時間趨勢數據;比較和改進人力資源管理;展示趨勢和分析的數據
戰略階段(3級)：這一階段是以與戰略相連接為主，主要關注點是：理解戰略驅動因素;建立戰略與人力資源的聯系;建立戰略驅動的人力資源能力素質模型
預測階段(4級)：這一階段是以預測為主，主要關注點是：運用模型識別未來的潛在風險(比如缺員、技能差距、績效差距);基于環境變化預見組織結構和能力的需求變化;識別現在和未來的人才風險;有助于變革商業以及闡述未來。
HR大數據應用的能力培養
企業應用HR大數據不能一蹴而就，需要有一個能力培養的過程。在企
業部署HR大數據應用時，需要關注一下幾個方面：
數據：數據是HR大數據應用的基礎，尤其是數據的數量是否足夠，會直接影響數據分析的質量。企業需要明確需要收集的數據，建立自己的數據庫，不斷收集相關的數據，特別是有關員工的行為數據。在大數據分析上，數據的精確度不是主要關注的問題，數據的數量才是大數據應用的關鍵
領導力：企業任何項目的成功，都離不開領導力，HR大數據也不能例外。在實施HR大數據應用的過程中，更加需要強有力的領導力來解決HR大數據實施過程中的諸多難題，例如：跨部門數據收集和共享、數據的合法性、員工隱私保護等
目標：大數據分析可以解決很多企業HR問題，如：離職傾向、面試結果可靠程度、福利邊際效用、敬業度與績效關聯程度等。但在具體實施是，并不是每個問題都具有同等的重要性。在HR大數據分析目標的選擇上，需要從企業戰略執行的角度出發，選擇那些與戰略成功最密切的問題作為企業HR大數據分析的出發點，這樣才能使得HR大數據分析的效用最大化
數據分析師：數據分析的理論和技術有很多，如何根據企業HR大數據應用的具體需要，選擇合適的理論和技術，是一項專業性很強的工作，需要有專門的數據分析師來承擔。企業在實施HR大數據項目時，一定要配備具有數據分析專業知識的數據分析師，否則就會出現很多問題，甚至會得出錯誤的結論，誤導管理人員，達不到實施HR大數據的初衷
HR大數據的風口來了，作為企業HR的您，怎么能面對風口而無動于衷呢?讓我們一起迎接HR大數據時代的來臨!