当然我写这篇文章并不是有意要跟风或者追时髦，而是我自己在读到一些有关大数据尤其是人力资源大数据的时候，感觉有点不知所云，至少以我这个从业人力资源信息化行业十年的人来看，总觉得有某些地方不对头。可是非要让我说出个123来，我觉得也是挺困难的一件事，毕竟自己不是高大上的咨询顾问出身，那些云里雾里的理论咱也整不出来，我写这篇文章其实更多的是以自己的亲身实践加上思考来梳理一下我自己对HR+大数据一点个人看法，欢迎各位同仁拍砖。
当然为了避免我个人的观点过于偏颇，在这之前我还是做了一点功课的，近一两周利用业余时间，把《大数据时代》这本书通读了一遍，对一些主要概念进行了理解，同时结合自己的从业经验来大家讲讲我所认知的有关HR大数据的那些故事：
一、大数据启蒙
我记得在9年前，当时做了一个全国性的项目，也就是我们的三大运营商之一，当时采用了Y记软件的人力资源管理系统。这个项目当时实施的还算成功，因为至少有一点给我留下了非常深刻的印象：
因为这个客户分支机构遍布全国，组织机构层级多加上员工数量大，所以他们在上HR系统前的管理现状就是，在每个自然月初报送上月HR月报的时候，采用类似于中国的人口普查一样的形式，每一个县级公司统计后将数据上报到地市公司，每一个地市公司再将本级的数据汇总上报到省级公司，省级公司再将数据汇总上报到集团总公司，而这每一个统计汇总的环节几乎都要花掉将近一周的时间，因此当集团总公司的人力资源部的老总当时就面临这样的一个管理困境：他讲道”当我现在拿到最新的一份人力资源月报的时候，其实这个报告里面的在职人员数量、入离职、退休等数据，准确来讲已经是延后了三四周的状态了，数据的延迟这么厉害，对于我们的管理产生很大困扰“，归根结底就是因为采用这种手工的报送数据方式，造成了工作效率的低下，而采用了集中统一的信息化系统之后，整个的过程可以保证在2-3个工作日之内全部完成，相对之前来讲数据报送的效率和准确性大大提升了，单单从这个意义而言，项目是达到了预期的目的的。
这就是我接触到人力资源大数据的第一个阶段，首先数据量要大（当时该企业是几十万的员工规模，在我的见识里面已经是大数据了）在没有应用信息化系统之前，由于对数据的收集处理这个过程为手工作业方式，所以效率非常低下，因此，关于大数据的第一个阶段，数据量必须大，然后要有一定的系统工具作为支撑推动数据的收集和加速处理。
二、大数据进化——BI
接下来就在这个客户及其它大型客户的基础之上，当时公司整理出来了一套关于人力资源的商业智能分析解决方案，对于我个人而言，对HR大数据的理解来看是进入到了第二个阶段，我现在仍然非常清楚地记得，当时公司组织相关专家将这套人力资源的统计分析维度做的比较细，包含了人员的总体分析、结构分析、存量分析、变动分析、人工成本分析等维度。当时的售前术语称做管理驾驶舱、HR商业智能等，在售前和客户交流阶段，当把这些花花绿绿的柱形图、饼状图、雷达图展现给企业的高层领导（甚至是包含在pad上）时，那些个追求时髦与新鲜感的客户高层被这些晃花了眼，那几年靠着这些我们总结的所谓商业智能还是给公司签回了不少的订单。
当时对于这一套分析模型自认为掌握的还算非常熟悉，每次去参加售前，尤其要和客户领导层沟通的时候，都会把这套模型显摆出来，从头到尾地讲解一遍。时间长了之后甚至产生了一种幻觉，关于人力资源的数据分析，是不是也就不过如此，直到有一天发生了下面的这件事情，对我后面的思想和售前工作产生了巨大的影响：
当时我承接了国内十大券商之一的一个券商HR项目，当和他们的人力资源老总进行交流系统预期效果的时候，我仍然按照惯例给老总讲到利用这个系统可以进行人员的离职分析。如根据员工的离职数据统计可以分析出是薪酬待遇原因还是工作压力，还是有更好的发展机会（选择到同业的其他的券商），老总打断了我的讲话：
我不否认你刚才所说的离职分析有一定的意义，但是在管理上员工都已经流失掉了，那还有什么样的意义呢？更何况，任何一个员工在离职的时候可能都不会真正的说出他离职的真实原因吧，在管理上讲求事前预警、事中控制、事后检查，这个只能算做事后的分析了。
在我的管理实践当中，真正所关心的是核心、关键人员的稳定性，在我看来，有如下的3个因素可能造成了关键人员的流失。
1.薪酬增长率-金融行业每年的薪酬按一定的幅度进行增长，我会统计行业的年度薪酬增长率，我公司平均的薪酬增长率，同时我要确保公司的关键人员薪酬增长率要优于行业及公司平均的薪酬增长率。
2.职位的晋升频率-对于基层中层的关键人员来讲，在过去的1到3年中他的职位有没有明显的晋升，如果没有那么他流失的可能性也会比较大。
3.培训力度-大家都说现在是一个学习型的社会，每一个企业都在标榜自己是学习型组织，可是真正有多少企业将培训的相关数据进行了详实的统计，比如这些培训费用花在了企业当中哪些不同层级、对于关键人员的培训费用有多少？如果一个企业总是声称自己是学习型组织，而他的高层领导与骨干人员每年接受的培训却寥寥无几，那么无论他口号叫得多响亮，我想他也不是一个学习型的组织。同理，在关键人员的培养上，我更需要统计分析出，这些骨干人员在过去的一段时期，公司有没有为他提供高质量的培训与发展机会。
这3个因素结合在一起，形成一个复杂的模型，比如说有的人在他过去一段时间并没有获得职位的晋升，但是公司为他提供了高质量的培训，那么在薪酬增长率上，他也可以接受适当的让步。但是如果在过去一段时间，他的薪酬增长率也一般、公司也没安排相应的培训机会，个人的职位发展也是原地踏步，这样的骨干你认为他会留在公司吗？肯定是会流失掉的，因此从我们管理上来讲，就需要通过这些数据模型及时的发现我们管理当中的问题，并采取相应的行动来进行干预，最终提升我们的管理效率与效果，这才是我关心的。
这个项目已经过去了好多年，我从这次谈话当中可谓获益匪浅，之后我将这些进行了系统的整理，在我后续进行售前的环节，当我讲完这个小故事的时候，很多客户的眼睛都闪烁出一道期望的光芒，后面经过事实证明，很多公司的高层普遍有类似的管理诉求。这个事情还给我带来另外一个启发，以前我们只是将自己定位于IT从业人员，总是习惯性地从肤浅的数据本身来思考问题，而没有真正的去深入到业务当中，只有我们深入到业务中，再结合信息技术做为工具，客户才能从内心发出“你懂我”的呼声出来，进而发展到“我信你”的阶段，签订订单做生意只是迟早的事情。
在从业的十年中，现在回想起来刚入行接受培训时，从公司培训材料里面反复提到的“我们拥有着行业的最佳实践，要用最佳业务实践去引导客户进行项目实施”，而现在这一切回想起来，自己当时却是多么的年少轻狂和无知，真正的业务最佳实践在哪里？那些在这个行业经历过摸爬滚打获得真知，真正懂得客户的业务，并站在客户的立场和角度上思考问题的人，才有资格说出最佳业务实践这几个字出来。
三、大数据实践
很多的时候我们都在讨论大数据，然而真正怎么来做，行业却缺乏这样的实践，由此我联想到了一个传统的代工巨头富士康，在2010年的时候曾经发生过非常令人惋惜的十三连跳事件，当时我个人是没有大数据这方面的概念的，如果用今天的思维来回溯当时事件的话，其实富士康的人力资源部门，在这方面做得是相当不足，比如：如果充分地运用人力资源的大数据，来进行以下一些分析的话，可能会带来不同的结果（下面这些内容，全是我个人的一些猜想）
在过去的一段时间之内他的工作成果是怎么样的？（计件的数据）。
他的加班时长是多少（考勤的数据）
他有没有参加过工厂组织的一些培训？情况是怎样的（培训数据）
他来自于哪里，是否属于贫困地区？他的父母及兄弟姐妹情况如何（家庭信息）
他平常在餐厅就餐的平均伙食费为多少？处于全厂的哪个水平，是否低于甚至是严重低于平均水平？（就餐卡数据）……
这所有的一切如果联系到一起，他可能来自于偏远的农村，也没接受到高等教育，他作为家里面的老大是家里的主要劳动力，收入主要来供弟弟妹妹读书，由于之前缺乏系统培训，操作不熟练，个人产量较低造成收入一般，为增加收入长时间加班，但因为良品率低而经常遭到主管的臭骂，加之个人性格有些孤僻，不太善于与人交往，巨大的心理压力、繁重单调的工作节奏压得他喘不过气来……
这就是所谓的高危人群，如果通过大数据可以及时预警，那么公司的人力资源部门是不是可以有针对性的安排一定的周期对这样的员工进行走访甚至是慰问呢，他们到底是需要一些职业的培训来提升个人技能，还是需要通过主管给他更多的关注。在他过生日的时候哪怕是给他送上一份节日的问候，或是组织他们在公司放映几场免费的露天电影，或者组织一些交友等业余休闲活动，这些并不需要太多的物质付出，但有可能就能够挽救很多如花似玉的生命，避免了悲剧的一再发生，然而可悲的是，现实当中却没有。我们从新闻媒体公开的数据来看，大多数的不幸和长时间的工作、较大的压力、主管的批评、不够友好的同事关系让其感觉生活没有希望甚至是对不住自己的父母等等，综合的因素而最终导致了悲剧的发生。而如果通过HR的大数据，至少让我们可以像天气预报一样有可能会预判到将要来临的暴风骤雨，从而采取一定的应急预案，而不会当悲剧发生的再来痛心疾首。
与这些悲剧相对应的则是另外一些优秀企业对大数据的良好运用，下面这个是来自阿里的故事：
联系客服
