在原有的人才數據庫的基礎上，導入以社交媒體為代表的“大數據”將使H R (人力資源部門)做聘用決策時更客觀。
數據，對于企業的H R 來說并不陌生，從最開始通過招聘搜集員工信息，到能力測評，以及年度、季度的績效考評，日積月累的數據不可謂不大，但是真正將這些數據整理分析，提供給人才管理者做決策的企業卻并不多見。然而，不管你用不用，這些數據還在增大，而且，隨著新技術的出現和普及，移動設備和社交媒體也加入到企業招聘的渠道中。如何充分利用這些數據以便更有效地支持人力資源管理工作?目前企業利用人才數據的現狀如何?人才“大數據”應用的前景是怎樣的?針對這些問題，德勤華永會計師事務所中國區人力資源部招聘總監王文佶和SHL 中國區總經理付權分別從企業實踐和調研分析的角度闡述了各自的看法。
從“小數據”說起
記者：SHL發布的《2013 年全球評測趨勢報告》顯示，企業在利用人才‘大數據’方面還處于起步階段。這里提到的‘大數據’概念跟以前企業在招聘中運用的人才數據有何不同?
王文佶：其實數據一直存在，HR招聘過程本身就涉及很多數據，從應聘者的簡歷、筆試到面試都包含很多評分(rating)。但相比較現在所說的大數據，我們把這些稱為小數據。所謂小數據就是按照某個業務流程目標，預先設定一些甄選標準，通過抽樣的方法來判斷整個流程是否符合你的需要，通過數據來研究。
德勤也有人才分析數據，但基本都是基于怎樣利用好現有的小數據，就是把原來從不同部門或不同領域采集來的本身結構化的數據，錄入數據倉庫( Data Warehouse)，并進行數據挖掘( Data Mining)。比如，德勤有一個候選人跟進系統—ATS (Applicant Tracking System)，只要應聘者投遞簡歷，他的信息就會進入德勤的全球人才庫，現在約有30 0 萬人的信息。這個數據庫可以在德勤的各個跨國公司之間共享。德勤中國可以利用這個數據庫尋找美國德勤吸引來的人。這是一個巨大的人才數據庫或者候選人數據庫，我們可以經常進行數據挖掘。
另外，德勤也在用SH L 專門的工具叫做人才數據與結構分析(Talent Analytics)，它從數據的體量上來講更大。比如，SHL能對所有應聘財務的學生，在全球范圍做各種比對和分析，從而分析出一種趨勢，我們將這種趨勢稱之為對標。當一家企業想確定今年招收員工的整體質量時，SHL 的數據可以幫我們橫向地跟全世界、亞洲或者其他競爭公司的情況做比較。
但是，我認為真正的大數據是研究非結構化數據，而非通過某一個特定目標、一個已經設定的標準去采集。當大數據來臨，產生的最主要的區別在于：大數據可以通過某種機器的手段，更多地采集候選人非結構化的、自然的、在社交媒體和網絡上的信息，來輔佐目前已有的結構化數據，并幫助進行判斷。如果能做到這些，那么招聘決策就會更加準確。
付權：以前的數據來源于調查研究。假如美聯社的薪酬數據來源于針對不同企業的HR所做的調研報告，內容可能包括今年不同崗位的薪酬漲幅如何，然后通過某個公司進行有效的數據處理后，便得出這個行業的薪酬基準( Bench mark)。但現在的數據來源于每個人與整個數據采集機構直接的互動。比如LinkedIn就是這樣的數據采集機構，上面的數據是使用者作為個體自發提供的，而LinkedIn 同時也有社交媒體(Social Media) 的概念，所以它的數據是準確可信的。LinkedIn不僅僅是一個社交媒體，也是建立企業人才庫(Talent Pool) 的有效工具。
無論是大數據還是過去的小數據，它們的功能是一致的，就是對業績進行有效預測( Predict Performance)。舉例來說，一個應聘者加入新公司，就需要接受測試，因為公司并不了解他。這就需要一個信效度較高的測試來判斷該應聘者是否符合這個企業的文化和業績目標，以及能否跟同事友好相處，互相促進。測試的種類非常多，但所有目的都是為了預測業績。記者：所謂小數據的分析是怎樣運用到招聘和人才決策中去的?
王文佶：從校招和社招兩個角度來說。在校招方面，我們不是針對個人，而主要是針對整體進行分析。比如根據現在業務的需要，可能分析得出不一定非要招財務背景的學生做審計。通過小數據分析，我們發現財經類和非財經類的同學在考CPA 的通過率方面沒有差別，甚至非財務類的學生第一第二年的通過率更高。這個現象很奇怪，于是我們就找到培訓部門一起研究這些數據，并分析出很多可能原因。
這也是小數據的局限，因為通過分析產生一個結論，這種結論不能嚴密地解答疑問，會產生很多可能性。比如可能非財務類的學生由于不懂，所以同樣的課程花了更多精力，上進心和壓力感都更強，因此他們的考試通過率更高;還可能是因為財經類的學生進來就能用，所以更多時候被派到項目上去，反而沒時間預習功課。業務經理不愿意用非財經類新人，因為他們不能立刻上手，所以他們有更多的時間去復習。經過分析，這些情況都有可能，但無法得出確定的結論，但至少我們知道，招聘時不一定非要招審計和財經類的學生，這就是一個小數據的例子。
在社招方面，德勤目前更多是在人才吸引、渠道分布和廣告有效性上做分析。對所有參加社招的人員，我們都會追蹤其消息來源，是通過自投簡歷、獵頭邀請，還是朋友推薦過來應聘的。就目前來說，德勤社招最得力的渠道是員工推薦，占整個最終招聘量的45%.于是，四五年前，我們把員工推薦的項目政策重新進行了改革，以提高大家的積極性。比如員工推薦的獎勵金額從原來的半年后付一半、一年后付全額，改為了把人介紹過來就付一半、三個月后付全額。這樣員工有很大積極性。
記者：目前，企業HR對人才數據管理系統的重視程度偏低，或者說利用得不太好，是什么原因?王文佶：一個主要的原因可能是數據收集所需要的投入超出了數據分析所帶來的實際收益，即投入產出不成比。比如德勤用過的人才招聘管理系統Taleo，它的一個功能是可以對所有篩選過的簡歷貼上各種標簽，比如此人這個職位好像不合適，但也許他將來能適合其他職位，于是可以做一個標記，下次找的時候就可以調出來。但是從現實的角度來看，這些工具沒有得到充分的利用。首先因為招聘官經常同時要管理十幾個空缺職位，而能把這些職位完成是首要任務。如果有剩余時間或者找不到應聘者，他們才可能會花時間利用工具進行數據挖掘;第二個是技巧問題和工具方便性問題。另一方面，企業人力資源部門的職能條塊分割，使得各項人才管理數據分別由不同的職能團隊來收集和管理。比如薪酬團隊的數據和培訓團隊的數據往往就不被招聘團隊所掌握�，F實的悖論往往是，大企業的HR有非常完善的HR 職能團隊和基礎架構，可以收集到很多有用的數據，但是龐大的數據量和縱橫交錯的管理結構使得數據比較難以被有效利用，必須建立起一個項目團隊來收集、整理、分析這些數據。