如何运用数据做人才盘点

如果评选 2014 年最忙的词汇，“大数据”应该榜上有名。各个行业都在为大数据时代的到来欢欣鼓舞。在人才管理的各类行业论坛、专业研讨会、案例分享活动中，不管是否与自己的业务有关联，标题和内容也是言必称大数据。 似乎不抓住这些机会明确表态， 就会被时代淘汰一样。

我和许多HR 从业者交流过他们对大数据的看法——绝大部分人说不出来“大数据”到底指什么内容，只是模糊的觉得这是趋势， 会改变他们未来的工作方式。也有一些从业者激情澎湃地谈到他们对大数据的实践，但实质上可能只是几份普通的报表而已。我想，之所以数据化的概念会这么热，一方面因为大家确实在实际的工作中面临困难，希望自己能突破困境; 另外一方面也是看到别的行业因为新的技术带来了变革，总归有一天能轮到自己的行业。

实际上， HR的工作就像生产企业或者电商企业一会产生大量的业务数据和行为数据——比如一个职位的招聘周期有多久，这是业务数据; 招聘到一个工程师或者招聘专员需要找多少份简历、 打多少次电话， 这是行为数据。这些信息首先会量化地反映 HR各项业务开展的情况，帮助我们发现中间的问题，当然有时候也会充分反映出 HR的工作价值——比如用人部门抱怨某个职位招不到人的时候，就可以来看看 HR 在这些职位上做过什么样的努力。

HR 工作信息化相对落后，比如至今大部分公司的招聘管理还在用 excel 进行。没有科学的数据记录工具，更别提数据分析了。暂时抛弃掉大数据的概念，先让数据成为工作的重点。

临近年终各家企业都在做工作总结，实施核心人才盘点。一个组织推动人才盘点的本质，无非是根据企业将来可能的业务发展储备(或者培养) 足够的合适人才。从数据驱动的角度来看，对应的内容是：每个员工详尽的人才档案，企业人才结构的情况，人才获得的难度等。那么人才盘点中有哪些数据可用? 如何积累这些数据? 这些数据能够解决现在或者是未来的哪些问题?

一、建立人才数据库是一切 data-driven的基础

做人才盘点之前不妨先看看是不是能够构建企业人才数据库。

传统的企业人才管理的信息化建设大部分会落在将流程信息化，将业务表单信息化，将薪酬和考勤之类的基础人事模块信息化。因此，当你去问一个花了两三年时间去做 HR 信息系统落地项目的企业，“你们是否已经建好了自己的人才数据库?”答案很可能会让你失望。虽然人才数据库的建设都是基于不同的信息管理软件，但是软件的基因不同，对待人才数据的管理思想差异也是非常大的。传统的 e-hr 提供的信息主要是基础人事信息。而在一个信息负载过大的互联网社会，我们对员工的了解需要更加全面才能做出更合理的人事决策。如何能把这些信息用网状联系在一起，可以考虑在保持基本信息的基础上，扩展发展性的信息。

我们先来看看一份标准的人才档案可以包括哪些内容。

人才数据库的信息是结构化的数据，能够搜索和排序是很重要的。如果人才档案是一份一份的文档，在使用中并不便利。举例而言，员工来应聘的时候提交的简历，通过简历解析技术可以形成用于智能搜索的数据信息——这样当你想要查找所有的在某公司工作过的员工时，就轻而易举。员工的领导潜力不再是冷冰冰的数字，而是一份关于他领导潜力的组织内甚至行业内分析报告。这也是使用工具建立人才数据库的意义，搜索的价值大于浏览。

二、让人才数据库“用”起来

如果你的人才数据库是只存在于 HR 自用系统里面的数据，可能一年中只有几天会被查询和浏览，那么这个数据库可以说完全没有发挥价值。 除去提供完整的数据信息，可搜索可浏览之外，人才数据库还应该具备以下的特点：

■ 业务部门可以使用。实际上，不只是人才盘点，甚至整个人才管理的过程，都应该以业务部门为核心。人才盘点中的人才提名和盘点的主体也都来自于用人部门，那为何不把最完整的人才的信息开放给业务部门呢?

■ 实时查看。每到人才盘点时再开放数据出来，平时都是保密的? 随时随地可以查看人才信息，除了可以实时掌握人才情况，更重要的是可以实时把握人才的发展并给与必要的支持和帮助， 而不是只在每年定时定点盘点一次，这也是互联网思维带给我们工作方式上的变化

;

■ 可视化分析。近些年大数据的热潮有一个很重要的进展，就是加速了“数据可视化(info-

graphics)”的发展进程。无论是更生动的图形化展示还是关键数据的提取，都是为了让数据的价值更大，让非专业人士能够快速把握要点。那么就必须让由专业人士通过复杂的演算来解读数据的日子一去不复返。

三、让人才数据库“活”起来

有人会说，我也可以用 excel 维护这些人才档案，要计算要搜索，excel 也可以完成。如果只用 excel 完成这些工作，有两件事情会成为难题：一是当你的员工数据很多的时候，excel 的搜索能力太有限，更不用提存储安全什么的了; 二是 excel 永远无法提供实时的行业数据对比，这也是动态人才库的巨大价值。 大数据中的分析包括几个数据层次：个人数据 > 组织(群体) 数据 > 互联网数据。在 HR 的工作中，这几个数据层次并不陌生，例如大家热衷的薪酬调查或者敬业度调查，也是因为可以为组织提供行业参照标准而突显出数据的价值。当人才信息数据化后，通过行业对比分析，掌握组织的竞争力和发现问题都变得易如反掌。比如可以动态查看行业内的人才流动方向、行业的薪资变化趋势、比对组织各层级管理者比例的合理程度，这些信息一定是动态变化的，而不只是付费购买一组数据，每年更新一次。而这种应用的背后依赖的是先进的存储技术、计算能力和安全技术。

四、让人才数据说话：随时随地盘点人才

随时随地盘点人才一个组织获得人才的两大途径主要是外部招聘和内部培养。大部分致力于花费很多精力做内部培养的企业，主要的挑战都是所需人才很难直接从市场上获得(或者成本很高) 。企业内的管理者通过内部培养和提升的比例是很多企业较容易给出的数据。但是升迁的路径是什么样的? 预计到达下一个阶段的时间是多久? 这些就不是下一个阶段能给出来的信息了。而这些信息对于稳定发展的企业尤为重要。总的来讲，拥有人才数据库可以较为容易地实现人才搜索和挖掘。当我们以某个企业内绩优的人才为核心时，就很容易通过匹配来做人才挖掘了。

比如需要找一个有外企经验，有2～3年管理经验，做过政府项目，与竞争对手打过交道的员工，在传统的人才管理中需要靠人和人之间传递信息，或者是人员盘点会才能找到。但是有了人才数据库以后，可以随时随地通过搜索和查找去找到合适的员工。让信息的传递变得更加透明。

人才盘点本身就是一个数据化的过程。在人才盘点过程中，直接上级、HR 专家等会对候选人的各种方面进行评价和记录，这本身就是一个丰富的数据化过程。一年可以针对哪类核心人才进行几次人才盘点会，也成为企业评估组织人才管理成熟度的重要标准。

召开人才盘点会的确很好，可是一年最多只有两次。组织的用人需求是动态的，高速发展的企业可能时时都有人才需求。能不能将人才盘点会也变成一个动态的过程? 对用人部门来说， 适度开放人才数据库是一个很好的方式，有助于组织随时随地发现人才。许多企业的内部竞聘并不是为了随意地通过竞聘找到潜在人才，而是为了给已经锚定的人才一个发展机会。但是，如果这个人才没有找到，哪里谈得上后面一系列的工作呢?

五、让人才数据说话：什么人才可能成功?

参与人才盘点会时，花费时间最多的工作是去讨论人才未来成功的可能性。人才档案所提供的信息一般是以查看为主的，也就是能知道这个人的过往，但是他们的将来会如何呢? 我们更想知道他将来是不是有

可能胜任，他是不是真的会成功? 这就是数据在预测中的价值，用历史数据预测特定人才未来可能有的成就。当然，预测的第一步是积累数据模型。

两种预测模型可以在完善的人才数据基础上使用：基于能力的胜任预测和基于经历的胜任预测。 在胜任力模型的构建中，我们会使用绩优员工的关键特点去分析他们成功的素质特点，然后反过来去预测其他人的效果。在人才盘点的工作中可以去利用的数据分析有：

■ 根据潜力预测人才成功的可能性

■ 根据标杆人物预测成功的可能性

■ 根据多项指标预测离职的风险

根据潜力预测的成功可能性通常基于人才的测评结果进行预测。将人才的测评结果与一般的胜任力模型进行比对，对风险和问题做出预测。近些年来较为流行的是根据企业内部员工进行建模和预测。常见的一种是根据绩优人员的特点建模， 将新晋人才的领导力测评等数据进行比对。另外一种是将新晋人才的测评结果与内部的员工进行匹配，告知人才盘点会的参与者，目标候选人的特点更像公司内的哪个员工——这种方式快速帮助管理者形象直观地把握人才特点，能迅速形成诸如“影响愿望不高，程度与 xxx差不多”的概念，大大提高了人才盘点中对人才信息的理解和共识。

根据多项指标去预测员工的离职风险，现在还是一件相对困难的事情，主要是缺乏合理的数据模型(也没有数据) 。 但也有一些成功的实践总让人们燃起对大数据的期待，比如惠普的案例被收纳入各种大数据书籍：

“几年前，惠普一些部门离职率高达 20%，受此触动，惠普决定预测全球 33 万名员工中谁最有可能辞职。分析师团队从薪酬水平、加薪情况、升迁情况等海量数据入手，搭建了一个离职风险评分系统，成功帮助降低了离职率。大数据的魔力可见一斑。”

——摘自 《大数据思维》

预测时拥有数据是做预测最大的前提，接下来是构建预测模型。实际上预测模型并不需要做的非常复杂，将关键因素提取赋予不同的权重可以是最基本的方式。目前对于关键人才的离职风险预测，主要是依赖直接上级的个人判断。

总的来讲，人才管理的未来也是数据的未来。当我们热衷于对大数据可能带来的美好未来侃侃而谈时，其实应该先回顾实际业务中的数据积累，是否已经使用了合适的报表对 HR 工作进行分析? 是否建立过数据模型? 分析的周期和成本有多高? 试想一下，一家连工作邮箱都未启用的公司，招聘还靠着 excel 记录，如何谈得上用数据驱动工作?

数据驱动的人才盘点也不是一夜之间就可以完成的。选择正确的管理软件，建立合理的流程，选择合适的时机完善人才数据，一切才有继续发展的可能。先进的工具和技术都是为业务服务的。与其谈概念，不如先让自己的工作更加量化， 能够让HR 的工作用更多量化的数据来反映，做到 data-driven，再谈大数据也不迟。

Bersin 在 2104 年于美国拉斯维加斯召开的 HR 技术大会(HR Technology Conference) 发布的《HR 技术领域的十项巨变(Top 10 Disruptions in HR Technology)》中提到，未来的 10 年将会是 HR 数据化的十年，人事决策也会是基于数据的决策——人们的性格、工作经历、发展、评估数据等，结合实时的与工作相关的数据，去对雇佣谁、如何提升销售业绩、如何减少员工成本等制定科学的决策。在未来，软件会越来越没有价值，真正有价值的是数据、决策和分析——HR 软件可能会是免费的，收费的是数据。