HR没有大数据

本文由和勤顾问团原创，转载请注明出处

      大数据，只要是这两年接触到网络的人都不陌生。而从事与数据有关的“达人们”，更是到了言必称大数据的程度。不过遗憾的是，HR界并没有大数据，我相信很多人无法接受，至少在理解如下三个问题前，她们是可以果断认定这个论断是无稽之谈，罔顾现实的。

Ht-}ns;kN 
       首先，大数据是什么的问题。这一点虽然各行业各门类各专家都有自己的解释，但大数据必须具备三项基本特征，是达成共识的，即：“海量”，“多维度”以及“价值密度低”或具有同等意义的三个性质。由此，我们不妨来看看我们手头掌握的数据是否符合这三项要求。以HRM中数据量最多的考勤打卡数据为例，设定一个员工一天打卡四次，一个月标准21.75个计薪日，打卡条目数为87条，一万人的公司，全年约10440000条，刚到千万级。这个级别的数据，充其量叫“大量”，换而言之，此级别数据可通过关系型数据库轻易hold住，而在“海量”数据面前，传统数据库就要掂量掂量了，比如全年淘宝电商的交易信息。5Q/W
}>O 
       所以说，单纯的“数据量”就很难达到，或许跨国劳动密集型大企业觉得勉强够量，我们姑且往下看第二个指标--“多维度”，维度就是信息的含义，多维度意味着海量的信息里，需要包含多个层面的业务信息，从这个角度看我们的HR数据，就显得极其单薄了，且不论常用的HRM数据录入的痛苦，它们信息集所涵盖的业务范围这么多年也没有实质性开拓，还是在基本个人信息，薪资考勤，绩效培训打转，录入渠道单一，多数情况下，是以保证薪资绩效业务能正常开展而目标的，由于基本是内网系统，数据来源天然就是单一的，整体数据维度之少，显而易见。

@knj]`]  
       第三个也是最重要一个指标是“价值密度低”，这是我们广大HR们最不信服的一项，为何精确而大量的历史业务信息反而不能成为大数据的基础？其实这是对“价值密度”的曲解，举个例子，如果有人问我们企业离职率以及跟离职率相关的因素有哪些，恐怕我们能秒答第一个问题，而对第二个问题多少欠点底气吧。这恰恰回到“大数据”应用价值这个原教旨问题上来了。o :c+} 
       我们的第二个问题就是，大数据到底解决什么问题。大数据最有价值的应用恰恰不是解决问题，而是发现问题。人类跟计算机目前阶段最大的不同之处在于，人类可以模糊计算，比如我们大概判断甚至是直觉决定一件事，让计算机来做，需要所有设定条件都满足才行。而大数据，正是人与计算机完美拍档的一例。计算机呈现大数据形态，人类从中发现规律，找到问题。所以要理解或者使用大数据，这个基调必须清楚。我们当前对大数据的使用中，离职率影响因素分析是最常见的，在一些商家的口号里，仿佛只要用上他们的分析工具，就可将价值员工的离职消弥于无形，甚至其中含还有显得极其精确的要素与相关因子，很难想像这些工具是如何验证其科学性的。我们作为专业的HR，如果除了薪资满意度，绩效满意度，公司文化，交通环境等等角度之外，找不到其他离职影响因素，那么基于HRM数据的所有工具也一定跳不出这个圈圈，换句话说，大数据应该是有呈现所有相关因素的可能的数据，比如国际油价在某个维度上与离职率的拟合。概而言之，认为大数据是对现有数据的挖掘并解决现有问题的观点，是不够确切的，大数据更是对海量多维度价值密度低的数据分析后，判断未来趋势的工具。~lHyMB%Xg 
        最后，HR到底能不能玩转大数据的问题。大数据是非常昂贵的工具，是“高智商俱乐部的玩具”，在解决数据单一来源问题前，在解决大数据概念理解问题前，在HR视界开阔到可以看到更多相关性之前，在不再轻言“大数据”前，很遗憾，我们还玩不转大数据。{ j~Vt 
        也就是说，可预见的相当长的一段时间内，HR没有大数据可使用。