姚 凱 桂弘詣

(復(fù)旦大學(xué) 管理學(xué)院，上海 200433)

一、 引 言

從管理學(xué)正式作為一門科學(xué)誕生之日起，管理者就一直在不遺余力地推進管理對象的量化，并且使自己的決策能夠更多地基于數(shù)據(jù)和模型(data-driven)而不是直覺(instinct-driven)?；谑聦嵉亩糠治龇椒ㄗ鳛楝F(xiàn)代科學(xué)的重要標(biāo)志，伴隨著管理學(xué)和管理實踐的發(fā)展歷程(McAfee & Brynjolfsson, 2012)*Andrew McAfee, Erik Brynjolfsson, and Thomas H. Davenport, “Big data: the Management Revolution,” Harvard Business Review 90.10 (2012): 60-68.。

時至今日，以商業(yè)智能(Business Intelligence)為代表的數(shù)據(jù)分析已經(jīng)在運營管理、市場營銷以及財務(wù)金融領(lǐng)域取得了豐碩成果。在這些管理領(lǐng)域中，數(shù)據(jù)和模型已經(jīng)成為如水和空氣一般的生存必需品，商業(yè)智能提供的相關(guān)數(shù)據(jù)已經(jīng)成為管理者決策仰賴的基本依據(jù)。包括谷歌在內(nèi)的商業(yè)智能領(lǐng)域的先行者，不止一次在媒體和公開場合表達(dá)他們使一切商業(yè)決策都基于數(shù)據(jù)分析的野心。

然而，如果進一步審視不同領(lǐng)域的管理實踐在數(shù)據(jù)分析功能上的發(fā)展，那么就會發(fā)現(xiàn)這一趨勢并不是均衡協(xié)調(diào)推進的。其中一個明顯的掉隊者，就是人力資源管理部門(Boudreau & Cascio, 2017)*John Boudreau, and Wayne Cascio, “Human Capital Analytics: Why Are We Not There?” Journal of Organizational Effectiveness: People and Performance 4.2 (2017).。盡管人力分析(HR Analysis)的概念久已有之，相關(guān)的軟件公司亦提供了標(biāo)準(zhǔn)化的人力資源數(shù)據(jù)系統(tǒng)(HRIS)，但目前大部分公司的人力分析依然停留在所謂的“初級階段”，以對過去人力資源情況的描述性統(tǒng)計為主，例如員工人數(shù)、年齡、出勤率和薪酬的統(tǒng)計等。盡管大量的組織都對人力分析表現(xiàn)出強烈的興趣，但是他們依舊處于從“人力資源報告”到“人力分析”轉(zhuǎn)型的探索階段。根據(jù)德勤公司的一項調(diào)查，盡管有75%的受訪公司認(rèn)為人力分析對于提高公司的績效至關(guān)重要，但是只有8%的公司認(rèn)為他們在這方面具有較強的實力(Bersin et al., 2015)*Josh Bersin, “The Geeks Arrive in HR: People Analytics Is Here,” Forbes Magazine (2015).。人力資源經(jīng)理在大多數(shù)人力資源決策上，例如招聘選拔、績效評估和培訓(xùn)上，依然傾向于相信自己在多年的工作中積累的經(jīng)驗和直覺，而不是表格中的數(shù)字(Sullivan, 2013)*John Sullivan, “How Google Is Using People Analytics to Completely Reinvent HR,” TLNT: The Business of HR 26 (2013).。

回顧商業(yè)智能的發(fā)展歷程，技術(shù)進步，特別是信息技術(shù)的進步在其中起到了決定性的作用。進入21世紀(jì)以來，隨著電子商務(wù)、物聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)、智能終端設(shè)備以及社交網(wǎng)絡(luò)的蓬勃發(fā)展，與商業(yè)智能相關(guān)的數(shù)據(jù)量經(jīng)歷了爆發(fā)式增長，遠(yuǎn)遠(yuǎn)超過了當(dāng)時的數(shù)據(jù)處理系統(tǒng)能夠應(yīng)付的水平，海量數(shù)據(jù)中隱藏的商業(yè)價值有待開發(fā)(Manyika et al.,2011)*James Manyika, et al, “Big Data: The Next Frontier for Innovation, Competition, and Productivity. 2011,” McKinsey Global Institute (2011).。因此，大數(shù)據(jù)技術(shù)應(yīng)運而生，在短短的數(shù)年時間內(nèi)就從概念的提出發(fā)展到建立以分布式存儲和分布式運算為核心的數(shù)據(jù)處理架構(gòu)，實現(xiàn)了大規(guī)模商業(yè)應(yīng)用，猶如一股浪潮席卷了商業(yè)世界，甚至達(dá)到人人自危的地步。大數(shù)據(jù)技術(shù)猶如為過去的商業(yè)智能插上了翅膀，徹底改變了商業(yè)分析的面貌，數(shù)據(jù)分析處理的數(shù)據(jù)量和分析速度得到了極速提升，并且使得企業(yè)家對于數(shù)據(jù)分析的重視達(dá)到了空前的高度(Anderson, 2008*Chris Anderson, “The End of Theory: The Data Deluge Makes the Scientific Method Obsolete.” Wired Magazine 16.7 (2008): 16-07.; Bollier et al., 2010*David Bollier, and Charles M. Firestone, The Promise and Peril of Big Data (Washington, DC: Aspen Institute, Communications and Society Program, 2010).; Floridi, 2012*Luciano Floridi, “Big Data and Their Epistemological Challenge,” Philosophy & Technology 25.4 (2012): 435-437.)。

與此同時，人力資源管理部門正面臨前所未有的巨大挑戰(zhàn)。人才，特別是尖端技術(shù)人才和團隊正日益成為企業(yè)競相爭奪的對象。Facebook、百度、華為等公司已經(jīng)開始嘗試將尚未畢業(yè)的學(xué)生提前攬入麾下(Isson & Harriott, 2016)*Jean Paul Isson, and Jesse S. Harriott, People Analytics in the Era Of Big Data: Changing the Way You Attract, Acquire, Develop, And Retain Talent (John Wiley & Sons, 2016).。高端人才在不同公司甚至不同國家之間的流動更加頻繁，以整體獲得目標(biāo)企業(yè)研發(fā)團隊為目的的兼并收購層出不窮。以谷歌為代表的科技公司甚至將最大限度地激勵“創(chuàng)意天才”、使其創(chuàng)造力得到最大可能的釋放作為公司未來核心競爭力的關(guān)鍵所在(Schmidt & Rosenberg, 2014)*Eric Schmidt, and Jonathan Rosenberg. How Google Works (Hachette UK, 2014).。

大數(shù)據(jù)技術(shù)為人力資源部門在數(shù)據(jù)分析上取得突破提供了絕佳的戰(zhàn)略機遇(Boudreau & Cascio, 2017)。通過使用傳感器或者可穿戴設(shè)備跟蹤員工的個人和團隊工作、在辦公場所的物理移動、與他人的交流互動等行為，大數(shù)據(jù)能夠成為管理者分析個人和團隊行為的潛在有力工具(George et al.,2014*Gerard George, Martine R. Haas, and Alex Pentland, “Big Data and Management,” Academy of Management Journal 57.2 (2014): 321-326.; Chen et al., 2012*Hsinchun Chen, Roger HL Chiang, and Veda C. Storey, “Business Intelligence and Analytics: From Big Data to Big Impact,” MIS quarterly 36.4 (2012).)。人力資源部門如何用好大數(shù)據(jù)這一工具，像當(dāng)年的市場營銷部門一樣，實現(xiàn)向數(shù)據(jù)驅(qū)動的轉(zhuǎn)型以應(yīng)對當(dāng)前人力資源管理的各種挑戰(zhàn)，已經(jīng)成為實踐中迫在眉睫的問題(Fairhurst, 2014)*Paul Fairhurst, “Big Data and HR Analytics,” IES Perspectives on HR 2014 (2014): 7-13.。這對于在新的技術(shù)條件下進一步拓展商業(yè)智能和人力分析的理論研究空間，開拓嶄新的研究方向也具有重要意義。遺憾的是，除了少數(shù)論文和著作涉及這一話題(Isson & Harriott, 2016)，學(xué)術(shù)界對此幾乎保持沉默。

在這里，首先需要對幾個概念進行界定，以作為本文進一步討論的基礎(chǔ)。人力資源大數(shù)據(jù)是指一切對于人力資源管理中的決策支持、洞察發(fā)現(xiàn)和流程優(yōu)化具有潛在價值的大數(shù)據(jù)的集合。大數(shù)據(jù)人力資源管理是指充分運用大數(shù)據(jù)技術(shù)和其他數(shù)據(jù)處理技術(shù)，獲取和分析包括人力資源大數(shù)據(jù)在內(nèi)的一切有價值的數(shù)據(jù)，并將其轉(zhuǎn)化為與人力資源管理相關(guān)的商業(yè)洞察，用于指導(dǎo)人力資源管理實踐，最終實現(xiàn)商業(yè)價值提升的人力資源管理模式。

二、 文獻綜述

(一) 人力分析的相關(guān)研究

1. 人力分析的內(nèi)涵

人力分析可以被看作是商業(yè)智能在人力資源領(lǐng)域的一個細(xì)分職能，其基本定義和方法與商業(yè)智能一脈相承。人力分析的本質(zhì)是在人力資源管理中通過數(shù)據(jù)建立完整的邏輯鏈條。它通過對原始數(shù)據(jù)進行挖掘，得到有價值的信息，最終通過一個完整的邏輯框架建立從人力資源到組織目標(biāo)之間的邏輯聯(lián)系(Momin & Mishra，2015)。由于在管理實踐中人力分析項目發(fā)展緩慢，故目前人力分析的內(nèi)涵還處于不斷豐富的發(fā)展過程中。

2. 人力分析的原則和步驟

綜合過去的研究文獻，組織開展人力分析主要遵循如下三條原則：第一，人力資源部門的負(fù)責(zé)人必須從戰(zhàn)略的高度理解組織的人力資本是如何為組織目標(biāo)的實現(xiàn)做出貢獻的(Boudreau & Ramstad, 2007)*John W. Boudreau, and Peter M. Ramstad, “Talentship, Talent Segmentation, and Sustainability: A New HR Decision Science Paradigm for A New Strategy Definition,” Human Resource Management 44.2 (2005): 129-136.。第二，人力分析想要得到有價值、有意義的結(jié)果，必須建立在對于數(shù)據(jù)本身以及搜集數(shù)據(jù)的環(huán)境有深刻理解的前提上，也就是所謂的邏輯驅(qū)動的分析(Boudreau & Jesuthasan, 2011)*John W. Boudreau, and Ravin Jesuthasan. Transformative HR: How Great Companies Use Evidence-Based Change for Sustainable Advantage (John Wiley & Sons, 2011).。第三，人力分析必須能夠識別組織中的關(guān)鍵人才，即對于組織的戰(zhàn)略目標(biāo)影響最大的那一部分雇員(Boudreau & Jesuthasan, 2011)。

雇員研究協(xié)會(IES)在2014年的報告中指出了人力分析的五個基本步驟：將具體的商業(yè)問題轉(zhuǎn)為數(shù)據(jù)分析問題；搜集、結(jié)構(gòu)化、存儲和操縱數(shù)據(jù)；用標(biāo)準(zhǔn)化的統(tǒng)計處理技術(shù)對數(shù)據(jù)進行初步分析；采用機器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)等方法對數(shù)據(jù)進行深入分析；將數(shù)據(jù)分析的結(jié)果以清晰且具有說服力的形式傳遞回商業(yè)世界(Fairhurst, 2014)。

當(dāng)前學(xué)術(shù)界對于人力分析的原則和步驟的研究基本上基于先進企業(yè)最佳實踐的經(jīng)驗總結(jié)或者一般性的商業(yè)智能方面的研究，主要缺陷在于沒有能夠與人力資源管理部門的具體職能深度融合，未充分體現(xiàn)人力分析的獨特性。

3. 人力分析對人力資源管理的影響

隨著人力資源管理與商業(yè)活動的聯(lián)系日益緊密，循證人力資源管理和人力分析變得日益重要(Boudreau & Ramstad, 2007;Gibbons & Woock, 2007*John M. Gibbons, and Christopher Woock, “Evidence-based Human Resources: A Primer and Summary of Current Literature,” Conference Board, Incorporated, 2007.)。如果沒有嚴(yán)格追蹤人力資源措施和結(jié)果，人力資源決策就難以被認(rèn)為是科學(xué)的。盡管很多人力資源決策需要直覺和經(jīng)驗，但人力分析有助于使人力資源管理向?qū)I(yè)和嚴(yán)謹(jǐn)?shù)姆较虬l(fā)展(Ulrich & Dulebohn，2015)*Dave Ulrich, and James H. Dulebohn, “Are We There Yet? What’s Next for HR?” Human Resource Management Review 25.2 (2015): 188-204.。

(二) 大數(shù)據(jù)及其對人力分析的影響

得益于數(shù)字化技術(shù)，越來越多的人類行為都留下了數(shù)字足跡，并且這些足跡的收集、存儲和整合已經(jīng)可以通過自動化的方式完成。大數(shù)據(jù)技術(shù)用于人力分析的主要障礙在于整合。整理和分析傳統(tǒng)人力資源信息系統(tǒng)中的數(shù)據(jù)與這些非結(jié)構(gòu)化數(shù)據(jù)的技術(shù)手段尚不成熟，并且存儲和分析這些個人數(shù)據(jù)會導(dǎo)致尖銳的個人隱私和道德上的挑戰(zhàn)(Angrave et al., 2016)*David Angrave, et al, “HR and Analytics: Why HR Is Set to Fail the Big Data Challenge,” Human Resource Management Journal 26.1 (2016): 1-11.。

大數(shù)據(jù)能夠反映所關(guān)注對象的整體情況并且提供很高的分辨率；不要求一定有前置性的理論、模型和假設(shè)；數(shù)據(jù)能夠“自己說話”，不受人們主觀偏見和思維定式的影響，從大數(shù)據(jù)中浮現(xiàn)的任何模式和相關(guān)性都具有其現(xiàn)實性；數(shù)據(jù)分析結(jié)果的意義超出了內(nèi)容和專業(yè)領(lǐng)域的限制，可以被任何能夠理解可視化分析結(jié)果的個體所掌握(Kitchin, 2014)*Rob Kitchin, “Big Data, New Epistemologies and Paradigm Shifts,” Big Data & Society 1.1 (2014): 2053951714528481.。這些都將對當(dāng)前人力分析的范式產(chǎn)生深遠(yuǎn)影響。

當(dāng)前，學(xué)術(shù)界一致認(rèn)為大數(shù)據(jù)技術(shù)將會對人力分析產(chǎn)生革命性的影響，但遺憾的是，除少數(shù)著作外(Isson & Harriott, 2016；王通訊，2016*王通訊著：《大數(shù)據(jù)人力資源管理》，北京：中國人事出版社，2016年。)，能夠具體而系統(tǒng)地闡述大數(shù)據(jù)技術(shù)如何應(yīng)用于人力分析的各個環(huán)節(jié)，以及大數(shù)據(jù)將會如何改變?nèi)肆Ψ治龊腿肆Y源管理的研究還極為有限。

三、 人力資源分析系統(tǒng)的變革

(一) 數(shù)據(jù)搜集

1. 數(shù)據(jù)內(nèi)容

過去人力分析涉及的數(shù)據(jù)內(nèi)容主要是基于人力資源信息系統(tǒng)中的結(jié)構(gòu)化數(shù)據(jù)，主要包括簡歷、年齡、籍貫、教育經(jīng)歷、工作經(jīng)歷、出勤情況、績效和薪酬等。大數(shù)據(jù)技術(shù)大大拓展了人力分析所能夠使用的數(shù)據(jù)內(nèi)容。本文認(rèn)為，人力資源大數(shù)據(jù)可以分為生理大數(shù)據(jù)、行為大數(shù)據(jù)和關(guān)系大數(shù)據(jù)這三種基本類型。

生理大數(shù)據(jù)主要包括實時的生理指標(biāo)和人類基因數(shù)據(jù)這兩種基本類型。人的生理活動是一切外在行為的基礎(chǔ)和支撐，不受主體自身意志的控制，對人力資本現(xiàn)在和長期中價值的實現(xiàn)具有重要影響。得益于可穿戴設(shè)備和便攜式生理分析技術(shù)，實時連續(xù)監(jiān)測人體包括心跳、體溫、睡眠、激素水平以及其他理化指標(biāo)并進行數(shù)據(jù)存儲和傳輸已經(jīng)成為現(xiàn)實。這些指標(biāo)動態(tài)、全面地反映了一個人的生理狀態(tài)和健康水平，對于企業(yè)降低因病缺勤損失及員工保健開支具有重要意義。目前，生理大數(shù)據(jù)在體育產(chǎn)業(yè)等高度依賴雇員身體素質(zhì)的行業(yè)中已經(jīng)得到廣泛的應(yīng)用。另一方面，人類基因包含了海量的遺傳信息，屬于典型的大數(shù)據(jù)范疇。這些信息從遺傳的角度上揭示了一個人天生的稟賦，對于人力分析具有重大的參考價值。目前，以華大基因為代表的基因大數(shù)據(jù)公司正致力于降低基因檢測的成本并推動這項技術(shù)的大規(guī)模應(yīng)用。雖然人類基因數(shù)據(jù)目前還限于醫(yī)療健康領(lǐng)域的應(yīng)用，但在將來，基因數(shù)據(jù)卻很有希望成為人力分析的重要組成部分。

行為大數(shù)據(jù)主要包括教育、求職、工作、娛樂和消費等方面的行為數(shù)據(jù)。相比于過去企業(yè)掌握的行為數(shù)據(jù)，這些數(shù)據(jù)在精細(xì)程度上有顯著提升。例如，教育行為大數(shù)據(jù)包括在線教育資源的使用、圖書資料的購買和借閱、參與非正式的技術(shù)分享等；求職行為大數(shù)據(jù)包括在線瀏覽職位和公司信息、投遞簡歷、與獵頭的接觸以及參加面試等；工作行為大數(shù)據(jù)包括在辦公場所的移動、辦公軟硬件設(shè)備的使用情況、使用討論室的頻率、使用工作場所休閑設(shè)施的頻率以及在會議中的發(fā)言等。

關(guān)系大數(shù)據(jù)主要包括在線互動行為和線下互動行為。在線互動行為包括成員之間在包括電話、郵件系統(tǒng)以及其他即時通訊系統(tǒng)上的聯(lián)系行為，及其在各種社交網(wǎng)絡(luò)中的發(fā)布和互動行為；線下互動行為包括項目團隊內(nèi)部的溝通和合作、茶水間的交流行為以及非工作場所的互動等。關(guān)系大數(shù)據(jù)為勾畫成員間的聯(lián)結(jié)網(wǎng)絡(luò)和聯(lián)結(jié)強度、進行社交網(wǎng)絡(luò)分析提供了數(shù)據(jù)基礎(chǔ)。

2. 數(shù)據(jù)來源

人力資源大數(shù)據(jù)有兩個主要來源，其一是公司內(nèi)部數(shù)據(jù)，其二是外部數(shù)據(jù)合作。公司內(nèi)部的數(shù)據(jù)來源主要包括智能手機(包括APP)、可穿戴式設(shè)備，辦公場所物聯(lián)網(wǎng)和傳感器設(shè)置，公司內(nèi)部通訊系統(tǒng)、數(shù)字化辦公系統(tǒng)和ERP系統(tǒng)等，主要涉及公司內(nèi)部跨部門的數(shù)據(jù)整合和共享(McAfee & Brynjolfsson, 2012)。外部數(shù)據(jù)合作主要包括與網(wǎng)絡(luò)運營商、電子商務(wù)網(wǎng)站、在線社交平臺(Tufekci, 2014)*Zeynep Tufekci, “Big Questions for Social Media Big Data: Representativeness, Validity and Other Methodological Pitfalls,” ICWSM 14 (2014): 505-514.、即時通訊軟件廠商等開展數(shù)據(jù)合作(Jagadish et al., 2014*H. V. Jagadish, et al, “Big Data and Its Technical Challenges,” Communications of the ACM 57.7 (2014): 86-94.; Heuvel & Bondarouk, 2016*Van den Heuvel, Sjoerd, and Tanya Bondarouk, “The Rise (and Fall?) of HR Analytics: A Study into the Future Application, Value, Structure, and System Support,” Journal of Organizational Effectiveness: People and Performance 4.2 (2017).)，以彌補公司內(nèi)部數(shù)據(jù)的不足。

在大數(shù)據(jù)條件下，人力分析的數(shù)據(jù)來源具有如下特點：首先，盡可能從多種不同來源獲得數(shù)據(jù)，以便于對數(shù)據(jù)進行三角驗證，提高數(shù)據(jù)質(zhì)量(George et al., 2014)。其次，數(shù)據(jù)搜集手段以自動化采集為主，不需要人工調(diào)查或填報，搜集的速度很快，絕大部分?jǐn)?shù)據(jù)是實時數(shù)據(jù)。最后，尾氣數(shù)據(jù)(exhaust data)在人力分析中占據(jù)主導(dǎo)地位。尾氣數(shù)據(jù)不是為人力分析的目的而有意識收集的，而是在提供服務(wù)的過程中自然產(chǎn)生的。對于數(shù)據(jù)的產(chǎn)生者來說，這些數(shù)據(jù)都不是有意識地提供的，而是其行為的忠實記錄，大大增加了關(guān)于人的數(shù)據(jù)的真實性、連續(xù)性和實時性。缺陷在于數(shù)據(jù)的非結(jié)構(gòu)化、低相關(guān)性，以及由于當(dāng)事人不知情而造成的隱私問題。

(二) 數(shù)據(jù)整合

1. 傳統(tǒng)人力資源數(shù)據(jù)和人力資源大數(shù)據(jù)的整合

過去人力分析主要依賴企業(yè)人力資源信息系統(tǒng)中結(jié)構(gòu)化的數(shù)據(jù)，主要包括現(xiàn)任雇員和未被雇傭的求職者的職業(yè)履歷、技能特長、正式教育經(jīng)歷以及人口統(tǒng)計信息，對于現(xiàn)任雇員來說還有工齡、歷史薪酬和績效、培訓(xùn)記錄等信息(Angrave et al., 2016)。這些數(shù)據(jù)的優(yōu)勢是與人力資源相關(guān)性強，準(zhǔn)確、完整，數(shù)據(jù)質(zhì)量高；但局限性在于數(shù)據(jù)搜集成本高，數(shù)據(jù)延遲時間長，缺乏連續(xù)性的數(shù)據(jù)，反映的內(nèi)容有限。這些傳統(tǒng)數(shù)據(jù)庫中的數(shù)據(jù)恰好可以與人力資源大數(shù)據(jù)形成優(yōu)勢互補。因此，在大數(shù)據(jù)條件下，需要將這些傳統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)和多種不同來源、結(jié)構(gòu)化程度不同的人力資源大數(shù)據(jù)進行整合，并將數(shù)據(jù)結(jié)構(gòu)化，最終得到可以進行分析的數(shù)據(jù)集(Angrave et al., 2016)。

2. 人力資源數(shù)據(jù)與其他業(yè)務(wù)部門的數(shù)據(jù)整合

人力分析要真正創(chuàng)造價值，必須“跳出”人力資源部門進行人力分析。例如，通過跨部門的數(shù)據(jù)共享，將人力資源大數(shù)據(jù)與組織的業(yè)務(wù)部門數(shù)據(jù)、運營數(shù)據(jù)、財務(wù)數(shù)據(jù)等進行整合并予以綜合性的商業(yè)分析(Fairhurst, 2014)，將人力資源投資與公司經(jīng)營成果之間，以及人力資源管理與公司的戰(zhàn)略目標(biāo)之間建立起清晰的關(guān)聯(lián)性。

(三) 數(shù)據(jù)分析

1. 數(shù)據(jù)分析方法

在數(shù)據(jù)分析的方法上，呈現(xiàn)出如下三個方面的變革。首先，數(shù)據(jù)分析的自動化程度提高，分析方法的通用性增強。隨著人工智能和機器學(xué)習(xí)在大數(shù)據(jù)分析中的應(yīng)用，不需要改變程序就能夠分析不同類型、不同結(jié)構(gòu)的數(shù)據(jù)，有些系統(tǒng)甚至能夠自動做出反饋。其次，數(shù)據(jù)分析的實時性要求提高，大多數(shù)情況下要求立即得出結(jié)論。最后，人力資源管理的理論不再是人力分析的必要前提，相關(guān)分析方法逐漸占主導(dǎo)地位(Kitchin, 2014)。

2. 數(shù)據(jù)分析目標(biāo)

在數(shù)據(jù)分析的目標(biāo)上，預(yù)測成為人力分析的核心目標(biāo)(Heuvel & Bondarouk, 2016)。精準(zhǔn)的預(yù)測能力是人力分析能夠支撐人力資源決策并創(chuàng)造商業(yè)價值的關(guān)鍵，例如通過預(yù)測候選人的工作潛能和忠誠度來優(yōu)化招聘決策能夠提高員工的生產(chǎn)率并降低離職率。

在過去的人力分析中，對于不能直接進行觀察的能力和動機等因素，主要在人才測評理論的指導(dǎo)下，依賴人力資源經(jīng)理的直覺和經(jīng)驗進行判斷。得益于大數(shù)據(jù)技術(shù)對于人才生理活動、行為以及人際關(guān)系角度的全面觀察，大數(shù)據(jù)條件下人力分析的另一項重要目標(biāo)就是通過可以觀察的外在表現(xiàn)和行為推斷不能觀察的能力、動機、情緒和心理狀態(tài)，以及產(chǎn)生績效的原因等內(nèi)在因素 (Davenport et al., 2010)*Thomas H. Davenport, Jeanne Harris, and Jeremy Shapiro, “Competing on Talent Analytics,” Harvard Business Review 88.10 (2010): 52-58.。

(四) 數(shù)據(jù)分析結(jié)果的呈現(xiàn)

如果止于分析本身，則是不能創(chuàng)造價值的。對人力分析而言，只有當(dāng)分析得到的商業(yè)洞察被決策者采用時，才有可能創(chuàng)造價值。這類似于一種內(nèi)部銷售的過程。要達(dá)到使分析結(jié)果變得容易理解和轉(zhuǎn)化為行動的目的，最核心的變革在于將數(shù)據(jù)的洞見與決策者關(guān)心的商業(yè)問題相結(jié)合，強調(diào)分析結(jié)果呈現(xiàn)的時效性和針對性，通過規(guī)范分析提供切實可行的建議，并且用后續(xù)數(shù)據(jù)不斷證明人力分析所創(chuàng)造的商業(yè)價值(Boudreau & Cascio, 2017)。

(五) 人力分析的組織和流程的變革

1. 人力分析組織架構(gòu)的變革

從事人力分析的人才方面，需要數(shù)據(jù)科學(xué)家、人力資源專家、部門經(jīng)理和公司高層參與協(xié)作(Fairhurst, 2014)。例如，谷歌公司的人力運營部門(People Operation Department)的人員構(gòu)成即是人力資源經(jīng)理、業(yè)務(wù)咨詢顧問、數(shù)據(jù)科學(xué)家各占三分之一。

2. 人力分析流程的變革

傳統(tǒng)人力分析的流程是從問題出發(fā)，有針對性地搜集數(shù)據(jù)并完成數(shù)據(jù)分析工作。而基于人力資源大數(shù)據(jù)的分析，則既可以從問題出發(fā)，也可以從數(shù)據(jù)出發(fā)。

基于大數(shù)據(jù)技術(shù)的人力分析流程的另一項變革是通過算法和模型的迭代進化形成數(shù)據(jù)分析的閉環(huán)。從人力資源大數(shù)據(jù)到商業(yè)洞察再到管理決策和行動，人力分析的過程并沒有告一段落，而是依據(jù)行動的反饋來檢驗人力分析的有效性，并且進一步改進、優(yōu)化或者放棄現(xiàn)有的數(shù)據(jù)分析模式，使得人力分析本身在應(yīng)用中不斷迭代進化(LaValle et al.,2011)*Steve LaValle, et al, “Big Data, Analytics and the Path from Insights to Value,” MIT Sloan Management Review 52.2 (2011): 21.。

圖1 人力分析閉環(huán)的影響周期模型

四、 人力資源工作流程和工作方式的變革

(一) 人力資源職能的變革

1. 人力資源規(guī)劃

基于大數(shù)據(jù)技術(shù)的人力資源規(guī)劃以滿足實現(xiàn)公司戰(zhàn)略目標(biāo)對人力資源的需求為目標(biāo)，基于人力資源大數(shù)據(jù)、公司運營和財務(wù)大數(shù)據(jù)、產(chǎn)業(yè)和市場大數(shù)據(jù)以及宏觀經(jīng)濟大數(shù)據(jù)，采用機器學(xué)習(xí)等現(xiàn)代預(yù)測技術(shù)來預(yù)測人才供給和需求。預(yù)測的內(nèi)容更加廣泛、精確和細(xì)致，不僅包括人才的數(shù)量，還包括人才的具體類別和所需要的素質(zhì)。預(yù)測的范圍可以拓展到5～8年，使得中長期人力資源規(guī)劃成為可能。例如，在過去的幾十年里，陶氏化學(xué)公司根據(jù)公司4萬名員工的歷史數(shù)據(jù)以及產(chǎn)業(yè)和資金大數(shù)據(jù)，預(yù)測出整個化工行業(yè)以七年為一波動周期的勞動力需求情況，據(jù)此測算企業(yè)的員工晉升率、內(nèi)部職位調(diào)動和其他人力供應(yīng)等情況，并設(shè)計了一個模型工具——陶氏戰(zhàn)略性人員配置模擬，用以測算5年后的人員需求以及剩余員工的數(shù)量(Isson & Harriott, 2016)*③ Jean Paul Isson, and Jesse S. Harriott, People Analytics in the Era Of Big Data: Changing the Way You Attract, Acquire, Develop, And Retain Talent (John Wiley & Sons, 2016).。

2. 招聘

人力資源大數(shù)據(jù)將會改變招聘的運作方式。從人才搜尋的角度，從過去基于公開招聘信息的被動搜尋轉(zhuǎn)向基于大數(shù)據(jù)的人才定位的主動搜尋。在數(shù)字化時代，人才必定會在網(wǎng)絡(luò)中留下“數(shù)字足跡”，這些線索為企業(yè)主動定位相關(guān)人才提供了依據(jù)。例如，人才在社交網(wǎng)絡(luò)上發(fā)布的簡歷信息、與已知人才之間的互動行為、在搜索引擎中的搜索記錄、移動智能終端記錄的位置信息，以及在包括GitHub等專業(yè)網(wǎng)站上的活動記錄等等。人力資源大數(shù)據(jù)為企業(yè)提供了全新的人才搜尋渠道。例如，巨獸公司旗下的TalentBin從諸如GitHub 、Stack Overflow、推特、領(lǐng)英、谷歌以及其他利基網(wǎng)站和社交媒體平臺上匯總候選人的資料，然后為每個人創(chuàng)建唯一的標(biāo)識檔案，包括數(shù)字足跡、微型工作產(chǎn)品以及可公開獲取的聯(lián)系方式和簡介信息(Isson & Harriott, 2016)③。這對于難以填補的科學(xué)、技術(shù)、工程和數(shù)學(xué)領(lǐng)域里的職位空缺非常有用。

在人才的篩選和測試方面，人力資源大數(shù)據(jù)緩解了勞動力市場的信息不對稱問題(Barman, 2015)，幫助企業(yè)以最少的投入甄別出最佳人選?；谖谋痉治龅拇髷?shù)據(jù)技術(shù)從簡歷篩選環(huán)節(jié)就開始縮小了需要進入測試的候選人范圍，其篩選條件基于歷史簡歷數(shù)據(jù)和入職后績效數(shù)據(jù)不斷迭代優(yōu)化以提升簡歷篩選的精確度。人力資源大數(shù)據(jù)使得招聘測試得以簡化，只保留數(shù)據(jù)證明與入職后表現(xiàn)高度相關(guān)的部分，甚至不再需要現(xiàn)場測試。這是因為過去只能通過復(fù)雜的測評手段才能夠獲取的人才信息在當(dāng)下已經(jīng)能夠在人力資源大數(shù)據(jù)中找到替代品，且其數(shù)據(jù)取得的成本要低廉得多。

3. 績效

大數(shù)據(jù)技術(shù)使企業(yè)從周期性績效考核轉(zhuǎn)向?qū)崟r跟蹤績效波動，為員工提供及時的績效反饋，并依據(jù)績效動態(tài)調(diào)整薪酬激勵。過去的績效考核數(shù)據(jù)搜集成本高，費時費力，所以大多以半年或一年為績效評價的周期。人力資源大數(shù)據(jù)提供了豐富的定量績效數(shù)據(jù)，并且其中大部分是實時更新的，能夠反映員工的績效波動情況，并通過在線系統(tǒng)對員工提供自主性的績效反饋。例如，容器商店公司(The Container Store)正在使用可穿戴設(shè)備實時跟蹤其店員與同事、顧客之間的交流互動情況，以及店員在店內(nèi)的位置移動狀況，將此作為績效考核的依據(jù)之一。

此外，績效評估的主觀因素降低，過去難以量化的因素被大數(shù)據(jù)所囊括，評估方式更為透明?；谀軌蚣?xì)致反映員工工作過程的人力資源大數(shù)據(jù)，新的績效評估不僅衡量工作的結(jié)果，也解釋產(chǎn)生結(jié)果的原因，為績效反饋提供更具體的改進建議。

4. 留任

大數(shù)據(jù)分析能夠發(fā)現(xiàn)早期的離職傾向。不同于以往當(dāng)員工明確表現(xiàn)出離職意向的時候才進行留任干預(yù)，通過分析歷史上的離任行為和對應(yīng)的大數(shù)據(jù)特征，就能夠建立離任預(yù)測模型。通過對員工進行持續(xù)監(jiān)測，可以提前3～5個月識別具有潛在離職傾向的員工，為人力資源經(jīng)理提供了主動干預(yù)的時間。例如，德勤公司基于員工的出勤記錄、工作時間、休假時間、對客戶的影響、付出的努力以及旅行的頻率和距離等大數(shù)據(jù)，通過統(tǒng)計模型識別出離職傾向排名前10%的人，其離職意愿是德勤以往案例研究所得到的平均水平的330%，并且能夠識別出人物、時間和原因。

5. 員工問題

相比于過去企業(yè)為員工提供的周期性的體檢和心理評估，大數(shù)據(jù)技術(shù)能夠?qū)崟r監(jiān)控員工的生理指標(biāo)和健康狀況，這為發(fā)現(xiàn)早期的員工問題提供了數(shù)據(jù)支撐，使得企業(yè)能夠?qū)⑦^去廣泛提供的健康和員工福利變?yōu)橹鲃訛橛行枰膯T工提供個性化服務(wù)，將過去由于員工問題導(dǎo)致的缺勤損失以及醫(yī)療支出變?yōu)轭A(yù)防性的保健支出。員工健康數(shù)據(jù)也能夠用于評估當(dāng)前相關(guān)設(shè)施和員工關(guān)懷項目的有效性。

(二) 大數(shù)據(jù)技術(shù)使人力資源管理的工作方式發(fā)生了根本轉(zhuǎn)變

首先，大數(shù)據(jù)技術(shù)使人力資源從經(jīng)驗和直覺驅(qū)動向數(shù)據(jù)驅(qū)動轉(zhuǎn)型 (McAfee & Brynjolfsson, 2012)。其次，大數(shù)據(jù)技術(shù)提升了人力分析的預(yù)測能力，使人力資源管理從被動處理問題轉(zhuǎn)型為主動發(fā)現(xiàn)潛在問題和提升商業(yè)價值的機會，并采取行動。最后，人力資源管理的主要職能可從周期性工作轉(zhuǎn)變?yōu)閷崟r連續(xù)跟蹤，做到立即處理、立即反饋(Barman, 2015)。人力資源管理的敏捷性和快速反應(yīng)能力得到了質(zhì)的提升。

圖2 大數(shù)據(jù)人力資源管理的理論框架

五、 組織架構(gòu)與組織文化的變革

(一) 人力資源部門角色的變革

人力資源部門的角色將從成本中心和服務(wù)支持部門轉(zhuǎn)型為以人才管理為核心的戰(zhàn)略決策部門(Boudreau & Ramstad, 2005)。從人力資源管理到人才管理意味著人力資源范式的轉(zhuǎn)變，以及人力資源部門角色的變革。這意味著高層管理者將人才看作組織最重要的資源，將獲取、發(fā)展和保留最優(yōu)秀的人才作為實現(xiàn)公司戰(zhàn)略目標(biāo)的根本保障。這也意味著人力分析將著眼于公司重大戰(zhàn)略目標(biāo)的實現(xiàn)，著眼于應(yīng)對激烈的人才競爭(Heuvel & Bondarouk, 2016)。

(二) 組織架構(gòu)變革

企業(yè)組織架構(gòu)的設(shè)計需要適應(yīng)組織內(nèi)部原始數(shù)據(jù)搜集和共享、業(yè)務(wù)部門與數(shù)據(jù)分析部門高效協(xié)同、數(shù)據(jù)分析結(jié)論高效轉(zhuǎn)化的需要。整合組織內(nèi)部各業(yè)務(wù)部門的數(shù)據(jù)，實現(xiàn)數(shù)據(jù)互聯(lián)互通是建構(gòu)人力資源大數(shù)據(jù)的前提。在組織架構(gòu)設(shè)計上需保留各部門間數(shù)據(jù)共享的接口，建立有利于部門間數(shù)據(jù)共享的激勵機制(Barman, 2015)。建議采用矩陣組織和設(shè)立分析小組的形式以促進數(shù)據(jù)分析人才在組織內(nèi)部的靈活流動(McAfee & Brynjolfsson, 2012)。

(三) 組織文化和管理心智模式的變革

人力資源大數(shù)據(jù)最大的改變不是技術(shù)層面的，而是組織中的人對于數(shù)據(jù)分析態(tài)度的改變(McAfee & Brynjolfsson, 2012; LaValle et al.,2011)。受到歷史觀念的影響，在過去，組織在涉及人的決策上普遍依賴于經(jīng)驗和直覺，而不是數(shù)據(jù)；即便涉及數(shù)據(jù)，也往往是利用數(shù)據(jù)來論證一個先入為主的結(jié)論。要改變這種狀況，應(yīng)從組織文化的層面推行數(shù)據(jù)驅(qū)動，提高組織成員的數(shù)據(jù)素養(yǎng)，使更多的成員能夠以直接或者間接的方式參與人力分析項目，并用客觀的數(shù)據(jù)證明人力分析創(chuàng)造的價值，以此促進管理心智模式的轉(zhuǎn)變。

六、 大數(shù)據(jù)技術(shù)應(yīng)用于人力資源的挑戰(zhàn)

(一) 個人隱私問題

大數(shù)據(jù)技術(shù)應(yīng)用于人力資源最大的挑戰(zhàn)就在于個人隱私問題。不同于其他類型的大數(shù)據(jù)，人力資源大數(shù)據(jù)聚焦的對象是人而不是物。為了達(dá)到人力分析的目的，很多時候需要識別分析對象的身份，即便這些數(shù)據(jù)并未公開且僅僅用于人力資源管理、即便保證了分析對象的知情權(quán)，這些分析行為也依然有可能給分析對象造成窺探個人隱私的不安全感和不滿，導(dǎo)致額外的副作用，同時也可能違背個人隱私保護的法律法規(guī)，給組織造成重大損失。

(二) 復(fù)合型大數(shù)據(jù)人才

大數(shù)據(jù)技術(shù)的廣泛應(yīng)用造成了全球范圍內(nèi)數(shù)據(jù)分析人才的緊缺。然而無論是數(shù)據(jù)科學(xué)家還是人力資源專家，都不能夠獨立完成大數(shù)據(jù)人力資源管理的全部工作。因為人力分析既涉及對人力資源管理職能和公司戰(zhàn)略目標(biāo)的理解，也需要從海量數(shù)據(jù)中挖掘商業(yè)洞察的分析技能(Frederiksen, 2012)*Linda Frederiksen, “Big Data,” Public Services Quarterly 8.4 (2012): 345-349.。在人力分析項目中時常出現(xiàn)人力資源專家和數(shù)據(jù)科學(xué)家之間無法有效溝通和理解的問題。綜上，復(fù)合型大數(shù)據(jù)人才是未來制約人力資源大數(shù)據(jù)發(fā)展的主要瓶頸之一。

(三) 兩個重要的權(quán)衡關(guān)系

數(shù)據(jù)和經(jīng)驗直覺的權(quán)衡、相關(guān)關(guān)系和因果關(guān)系的權(quán)衡是人力資源大數(shù)據(jù)中最重要的兩對關(guān)系。人力資源大數(shù)據(jù)要求經(jīng)理人從依賴經(jīng)驗直覺轉(zhuǎn)向依賴客觀數(shù)據(jù)(McAfee & Brynjolfsson, 2012)，但這絕不是否定經(jīng)驗直覺的重要性。數(shù)據(jù)和經(jīng)驗直覺之間權(quán)衡的挑戰(zhàn)包括：如何利用經(jīng)驗直覺更深入地解讀數(shù)據(jù)中浮現(xiàn)出來的模式和相關(guān)性，從而產(chǎn)生更準(zhǔn)確的分析結(jié)論；如何利用數(shù)據(jù)分析的結(jié)論填補經(jīng)驗直覺中的盲區(qū)和誤區(qū)，拓展經(jīng)驗的范圍；如何在經(jīng)驗直覺與數(shù)據(jù)分析結(jié)論沖突的時候準(zhǔn)確判斷哪一個更為接近人力資源管理的現(xiàn)實，并做出相應(yīng)的調(diào)查和修正。

大數(shù)據(jù)技術(shù)一度宣稱理論和因果關(guān)系不再重要，對企業(yè)來說相關(guān)關(guān)系就足夠了(Kitchin, 2014)。然而統(tǒng)計專家正對大數(shù)據(jù)技術(shù)中相關(guān)關(guān)系的可靠性提出質(zhì)疑。從人力分析的角度看，在預(yù)測分析能夠創(chuàng)造巨大商業(yè)價值的領(lǐng)域，苛求相關(guān)關(guān)系的可靠性是沒有必要的，因為預(yù)測創(chuàng)造的價值能夠包容預(yù)測誤差所造成的損失(Agarwal,2014)*Ritu Agarwal, and Vasant Dhar, “Big Data, Data Science, and Analytics: The Opportunity and Challenge for IS Research,” (2014): 443-448.。然而，當(dāng)分析時效性要求不高，且我們有充足的時間和條件通過實驗設(shè)計檢驗因果關(guān)系的時候，理論解釋和因果關(guān)系依然是有必要的(Harford, 2014)*Tim Harford, “Big Data: A Big Mistake?” Significance 11.5 (2014): 14-19.，這可以確保我們在將一項人力資源政策大規(guī)模實施時所要求的可靠性和穩(wěn)定性。

七、 未來的研究方向

(一) 圍繞個人隱私問題的研究

個人隱私問題作為制約人力資源大數(shù)據(jù)發(fā)展的最大瓶頸和潛在風(fēng)險，需要在將來從多個不同的層面深入研究，這是人力資源大數(shù)據(jù)管理能夠?qū)嵤┑那疤?。首先，從技術(shù)的角度，研究能夠幫助人力分析部門構(gòu)建最大限度地挖掘人力資源大數(shù)據(jù)的商業(yè)價值、同時減少對個人隱私的窺探的風(fēng)險之定制化的大數(shù)據(jù)分析系統(tǒng)是解決這一問題的根本出路。例如，通過數(shù)據(jù)脫敏減少數(shù)據(jù)中個人敏感身份信息的暴露，開發(fā)自動化的數(shù)據(jù)處理技術(shù)，使得人力分析從原始數(shù)據(jù)到結(jié)果反饋的過程在黑箱中運行以減少個人隱私泄露的機會。

其次，開展關(guān)于人力資源大數(shù)據(jù)相關(guān)的法律法規(guī)和行業(yè)規(guī)范的研究，明晰其應(yīng)用的邊界和運行的規(guī)范性。個人隱私保護的制度設(shè)計既要給人力資源大數(shù)據(jù)的進一步發(fā)展留有余地，也要明確個人隱私保護的底線，這是將來人力資源大數(shù)據(jù)研究的一個重要方向。

最后，開展人力資源大數(shù)據(jù)的產(chǎn)權(quán)研究。例如，個人在社交網(wǎng)站或求職平臺上的數(shù)字足跡的產(chǎn)權(quán)究竟屬于個人還是相關(guān)平臺？平臺需要以怎樣的方式取得數(shù)據(jù)授權(quán)？平臺是否有權(quán)或以哪些形式利用這些數(shù)據(jù)開展商業(yè)分析或者將這些數(shù)據(jù)出售、轉(zhuǎn)讓給其他組織？個人是否對于自己產(chǎn)生的其他尾氣數(shù)據(jù)具有完全的產(chǎn)權(quán)？在數(shù)據(jù)產(chǎn)權(quán)受到侵犯的時候如何實現(xiàn)權(quán)利救濟？諸如此類。

(二) 建立適應(yīng)于人力資源大數(shù)據(jù)的人力資源管理理論

過去的人力資源理論已經(jīng)不能完全解釋人力資源大數(shù)據(jù)在人力資源管理中的應(yīng)用，當(dāng)前很多全新的人力資源管理實踐本質(zhì)上在理論真空中運行。例如，谷歌公司通過大數(shù)據(jù)分析發(fā)現(xiàn)，基于過去的人才測評理論設(shè)計的面試問題與員工入職后的績效相關(guān)性很低，真正能夠預(yù)測員工入職表現(xiàn)的是一些以往理論認(rèn)為無關(guān)緊要的問題，但這種不能被理論解釋的相關(guān)性卻能夠很好地提升招聘績效。因此，開展適應(yīng)于人力資源大數(shù)據(jù)的新的理論的建構(gòu)研究非常有必要。人力資源大數(shù)據(jù)帶來的人力資源管理實踐的變革、創(chuàng)新，以及全新的數(shù)據(jù)搜集手段，也為人力資源理論的拓展創(chuàng)造了得天獨厚的條件。

(三) 探索模塊化、可定制的大數(shù)據(jù)人力資源管理解決方案

項目建設(shè)成本高昂、相關(guān)人才缺乏是當(dāng)前人力資源大數(shù)據(jù)發(fā)展緩慢的重要原因。為了解決這一問題，學(xué)術(shù)界需要從大數(shù)據(jù)人力資源管理的共同基礎(chǔ)和適應(yīng)于特定行業(yè)的特殊需求出發(fā)，以模塊化和可定制相結(jié)合為目標(biāo)，努力開發(fā)出類似于目前ERP系統(tǒng)的成熟的大數(shù)據(jù)人力資源管理技術(shù)解決方案。