這就是騰訊HR的大數據實(shí)踐

　　搜索一下“HR+大數據”，我們也許能得到幾百萬(wàn)條記錄，可見(jiàn)大數據在HR領(lǐng)域并不是一個(gè)陌生的話(huà)題，遺憾的是，熱度有余而深度不足。北大光華的穆勝博士在其寫(xiě)的《大數據為何走不進(jìn)人力資源管理?》一文中提出“HR可能誤會(huì )了大數據”， HR的大數據需要有自己的玩法，其不同于傳統的HR數據分析的功能可以概括為三個(gè)方面：

　　一是養成平臺的能力：

　　大數據的特征概括為4V， Volume(大量)、Velocity(高速)、Variety(多樣性)、veracity(真實(shí)性)。這也決定HR的大數據絕不僅僅是把一些數據拿過(guò)來(lái)分析，而是一個(gè)涵蓋數據的產(chǎn)生、存儲、抓取、清理、分析、挖掘、建模、訓練、驗證、呈現的全過(guò)程的綜合平臺。

　　二是要有連接的效能：

　　與傳統的數據分析只需要得出一個(gè)數據性的管理結論不同，HR的大數據分析包括了 提出概念、分析框架、數據準備、數據清理、數據挖掘、模型創(chuàng )建、訓練驗證以及管理行動(dòng)，其過(guò)程充分卷入了HR三支柱的COE、BP和SDC，乃至于管理者和員工，其目標是推動(dòng)HR管理的持續改善。

　　三是能夠牽引HR的方向：

　　傳統的數據分析多是事后的總結，是一種滯后的管理。而HR的 大數據分析則要求能夠幫助HR進(jìn)行預測，實(shí)現前置的管理。

　　例如傳統的人力資源通過(guò)績(jì)效管理來(lái)識別高績(jì)效的員工并幫助員工持續提升績(jì)效，而在大數據模式下的思路則是通過(guò)數據的挖掘找到高績(jì)效員工的特征要素，讓企業(yè)的每一個(gè)員工都能夠持續產(chǎn)生高績(jì)效。

　　由于多數企業(yè)在HR的數據領(lǐng)域缺乏規劃，要實(shí)現上述突破對HR部門(mén)而言將是一個(gè)漫長(cháng)而艱難的過(guò)程。本文以HR大數據領(lǐng)域騰訊的實(shí)踐與探索為例，說(shuō)明HR領(lǐng)域大數據實(shí)踐的現狀。

　　騰訊在HR領(lǐng)域的大數據實(shí)踐最早可以追溯到2012年，通過(guò)People Soft搭建起了HR的統一結果庫，并開(kāi)展了第一期的數據清理工作。

　　1騰訊的HR大數據平臺由應用層、功能層以及團隊三個(gè)部分組成

　　(1)應用層主要解決HR大數據如何支撐HR業(yè)務(wù)的問(wèn)題，闡述的是大數據的應用場(chǎng)景，以及需求如何被響應和落地。

　　(2)功能層主要解決HR大數據在后臺如何運作的問(wèn)題，闡述的是如何去科學(xué)的管理和使用數據，保障數據的質(zhì)量和價(jià)值，包括元數據管理、數據質(zhì)量管理和邏輯建模規劃三大核心模塊。

　　(3)從應用層和功能層我們可以看到HR的 大數據涉及了HR專(zhuān)業(yè)以外的IT系統、數據庫、數據分析、產(chǎn)品設計等多個(gè)專(zhuān)業(yè)，這也意味著(zhù) 僅憑專(zhuān)業(yè)的HR是無(wú)法搭建起HR的大數據平臺的。

　　以騰訊SDC的大數據團隊為例，其成員由SSC、E-HR、區域中心的員工共同組成，是一個(gè)擁有人力資源、HR信息化、數據庫、HR咨詢(xún)復合工作經(jīng)驗和背景的團隊。

　　2在連接效能上我以騰訊正在開(kāi)展的某項目舉例

　　該項目由COE最先提出概念，先后卷入SDC和BP，執行迅速成立了項目聯(lián)合團隊。

　　其中COE團隊負責政策、資源的協(xié)調以及專(zhuān)業(yè)方向的把控，BP團隊負責模型驗證以及落地研究，SDC團隊則負責數據清理、質(zhì)量建設、特征挖掘以及模型的搭建和訓練。

　　在這個(gè)項目中，不僅COE、BP和SDC的人被連接起來(lái)，同時(shí)連接的還有對應的“事”和“信息”。

　　3在牽引HR的方向上以騰訊社招候選人穩定性分析為例

　　傳統的HR數據分析會(huì )圍繞離職率展開(kāi)分析，而在HR的大數據分析中則是 將騰訊歷史上所有的員工按照穩定程度分成多個(gè)樣本，通過(guò)數據的挖掘找到與穩定性相關(guān)的典型特征，建立起能夠識別候選人穩定性的數學(xué)模型。

　　其目標之一是希望通過(guò)應聘者的簡(jiǎn)歷自動(dòng)對其穩定性給出評估建議，也為后續招聘以及保留環(huán)節提供參考。

　　幾點(diǎn)建議給到準備進(jìn)行HR大數據探索的同行們

　　1. 從現在開(kāi)始，夯實(shí)數據基礎。

　　以騰訊的某個(gè)HR大數據項目為例，一次調用的數據就超過(guò)了600萬(wàn)條，400多個(gè)字段，一般的PC機以及excel、spss等工具都無(wú)法支撐此種量級的數據挖掘，但是其量級又達不到使用TDW的程度，加上數據敏感性等諸多因素，最終發(fā)現需要搭建用于HR大數據分析的服務(wù)器。

　　2. 數據質(zhì)量決定數據的價(jià)值。

　　涂子沛在《大數據》一書(shū)中用了整整一個(gè)章節來(lái)闡述 數據質(zhì)量，足見(jiàn)數據質(zhì)量的重要性。在此我想用一句話(huà)來(lái)補充說(shuō)明：在 一堆錯誤的數據中，你能指望得出正確的分析結果嗎?

　　3. 是挖掘數據而不是統計數據。

　　僅從統計學(xué)的方法上看就可以看到差別，傳統的HR數據分析用的最多的統計方法就是描述統計、箱型圖等。

　　但是到了 HR的大數據分析，相關(guān)性分析、方差分析、回歸分析、聚類(lèi)分析、決策樹(shù)模型等用的會(huì )更多。其原因就像維克托.邁爾-舍恩伯格在其《大數據時(shí)代》中強調的， 大數據研究的“不是因果關(guān)系，而是相關(guān)關(guān)系。”

　　對于企業(yè)的HR而言， 當HR遇上大數據，我們更應該抓住這個(gè)機會(huì )，在大數據平臺能力，連接的效能，牽引HR方向這三方面尋求突破，進(jìn)行創(chuàng )新性的研究和探索，提升HR之于企業(yè)的價(jià)值和影響力。

　　最后借用名言：“It was the best of times, it was the worst oftimes”，I時(shí)代帶給HR的不僅僅有挑戰，同樣也有機會(huì )。亦如郭重慶院士所言，“管理學(xué)界應該抓住這個(gè)機會(huì )，實(shí)現自己的歷史使命和擔當。”

　　來(lái)源：環(huán)球人力資源智庫