大数据技术即将爆发！人力资源管理发展的趋势是数据分析

大数据技术即将爆发！人力资源管理发展的趋势是数据分析

20世纪初古典管理学家弗雷德里克·温斯洛·泰勒通过实验研究如何提高工人的劳动生产率，并提出了迄今仍在使用的计件工资制、计时工资制，可算作人力资源数据分析的先驱。后来闵斯特伯格、梅奥两位学者将心理学方法引入工业领域，通过大量实验，研究如何提高工人效率，其核心依然是对数据的测量和分析。

人力资源管理从发展之初就与数据分析结下不解之缘。一百多年后的今天，世界进入了信息化、数据化时代，但我国人力资源管理却在数据分析领域原地踏步，在大数据门外驻足不前，仍然在汇总、平均、同比、环比，仍然在依赖Excel，几乎没有将数据挖掘等高级技术应用到管理实践中，去更充分地挖掘数据的价值。这不能不说是一种遗憾!人力资源管理领域未及时享用数据分析技术发展带来的福利，像那些重要且经典的算法如判别分析、机器学习、聚类分析、因子分析、时间序列分析、文本挖掘等早已进入零售、金融、通信、电子商务以及社交媒体行业，并且表现出令人惊讶的作用，但始终把人力资源管理挡在门外。

然而，人力资源管理专业人员学习数据分析的意愿并不十分强烈。根据弗鲁姆的理论，人力资源管理专业人员研究数据分析的动机强弱，取决于数据分析能够为工作带来的价值大小、学习的难度大小，以及学习的工具和环境的适宜程度。可想而知，在看不到数据分析带来的价值，对数据分析知识心存畏难，且没有称手的分析工具时，人力资源管理专业人员又怎能迈入数据分析的世界呢?

人力资源管理发展有三个层次的数据分析需求，具体来说有以下三点。

(1)人事管理阶段：这个阶段需要对基本数据进行整理、统计，比如计算薪酬、记录考勤、统计加班信息、分类统计人员信息、编制薪资报表等，基本上就是对原始数据进行普通预算，这属于数据粗加工。

(2)单向人力资源管理阶段：这个阶段在对数据粗加工的基础上，需要统计更为复杂的指标，用于分析和反映人力资源管理的水平，诊断管理的健康程度。这些指标涉及人力资源各个模块，比如招聘成功率、员工流动率、培训百分比、工作负荷率、企业年轻化程度、劳动生产率，等等。经过几十年的发展，人们总结了不少指标，从类别上划分，大致可以分为人力资源效率指标、人力资源发展指标、人力资源描述指标、人力资源健康指标四类，还形成了人力资源统计学、人力资源会计学等学科。这个阶段开始对数据进行精加工，主要是研究和提炼管理指标，通过计算各种指标来进行数据分析。

(3)战略人力资源管理阶段：这个阶段将人力资源效能与公司发展战略结合起来，形成人力资源发展战略，进入战略管理阶段。这个阶段需要分析人力资本的投入和回报、人力资源在企业的影响力、人力资源如何促进公司战略目标的实现等更高层次的命题。这个层次需要更为复杂的统计指标和分析技术，在分析指标上重点研究人力资本在企业中发挥的作用，并能够根据需要建立管理分析模型，在分析技术上需要采用更为高级的概率统计分析方法。

计算机管理系统每天都会产生大量数据，如何充分利用这些数据来提升人力资源管理水平，已成为人力资源管理的重要课题。这些数据就像是原材料，我们现在只是进行了粗加工，实际上可以进行精加工，可以更加有效地利用这些数据来为我们所用，给我们提供更有价值的信息。

现代计算机技术的发展、大数据技术的发展、数据挖掘技术的发展，以及数据分析工具的普及，都为高级数据分析技术在人力资源管理领域的应用提供了良好的土壤，也对人力资源管理工作提出了更高的要求。那些看上去复杂、神秘的数据分析技术和昂贵的数据分析软件曾经阻碍了数据分析技术在管理领域的广泛应用，但是现在形势已经发生变化，数据分析的技术和工具不再是高高在上遥不可攀。现代人力资源管理领域应在实际工作中充分利用这些技术和工具，创新管理手段，提升管理水平。所以，可以说数据分析是人力资源管理发展的趋势。