时至今日，以商业智能为代表的大数据分析已经在运营管理、市场营销以及财务金融领域得到应用，甚至在部分工作中取得了丰硕成果，但是人力资源管理在管理实践的数据分析功能上有所掉队。市面上有很多标准化的人力资源数据系统，但是大部分公司的人力资源分析依然停留在初级阶段，以对人力资源情况的描述性分析为主，例如员工人数、薪酬的统计等。人力资源经理在大多数决策上，例如招聘选拔、绩效评估和培训上，依然依靠传统的经验，而不是通过对数据的分析。华恒智信经过研究，汇总多家公司已经开展的大数据案例，指出在人力资源管理的多个重要模块中都可以使用大数据推进决策。

第一，人力资源规划模块。基于大数据技术的人力资源规划以满足公司战略目标对人力资源的需求为目标，基于人力资源大数据、公司运营和财务大数据、产业和市场大数据以及宏观经济大数据，采用现代预测技术来预测人才工具和需求，预测的内容也从只包括人才的数量扩展到包括人才的具体类别和所需要的素质。预测的范围也更加长远，使得中长期人力资源规划更加准确。例如，陶氏化工根据公司4万名员工的历史数据以及产业和资金大数据，预测出整个化工行业以七年为一波周期的劳动力需求情况，据此测算企业的员工晋升率、内部职位调动和其他人力供应情况，并设计了陶氏战略性人员配置模拟，用以测算5年后的人员需求以及剩余员工的数量。

第二，人才招聘模块。人力资源大数据将会改变招聘的运作方式。从人才搜寻的角度，从过去公开招聘信息的被动搜寻转向基于大数据的人才定位的主动搜寻。公司公司旗下的TalentBin从诸多利基网站和社交媒体平台上汇总候选人资料，然后为每个人创建唯一的标识档案。在人才筛选和测试方面，人力资源大数据缓解了劳动力市场的信息不对称问题，帮助企业以最少的投入选出最佳人选。其中，腾讯公司通过将历史上所有员工的信息按照典型特征建立数学模型，与候选者进行匹配，为后续的环节提供了参考。同时腾讯公司在其庞大的社交网络上精准投放招聘群信息，这样会让信息传达更加集中，同时也更加真实。利用大数据进行定向挖掘，人才配置，把最合适的人放在最合适的岗位上帮助人力资源主管通过大数据在社会化招聘中的应用，成功实现精准化、智能化、个性化的员工推荐和配置。

第三，员工培训与开发模块。企业对员工的业务培训与开发是人力资源管理中非常重要的一环，为了满足不断发展的需要，每个企业在其管理职能当中都会确保培训开发的正常进行。培训和开发中对需求的精准把握与产生的效果是人力资源管理人员培训工作的首要难题。腾讯学院院长马永武曾经提到：线上培训花了我们最大心思。借助大数据技术中的自然语言处理、机器学习等方法，管理者可以通过对员工产生的各种数据进行相关分析，识别出学习需求、行为、模式及效果，管理人员可以随时获取员工的各种数据信息，这样使今后的培训过程，更加侧重于员工的个人发展。

第四，绩效考核与薪酬模块。大数据收集使企业从周期性绩效考核转向实时跟踪绩效波动，为员工提供及时的绩效反馈，并依据绩效动态调整薪酬激励。过去的绩效考核数据搜集成本高，所以大多以半年或一年为绩效评价周期。人力资源大数据提供了丰富的定量绩效数据，并且其中大部分是实时更新的，能够反映员工的绩效波动情况，并通过在线系统对员工提供自主性的绩效反馈。绩效评估的主观因素也随之降低，过去难以量化的因素被大数据所涵盖，评估方式更加透明。基于能够细致反映员工工作过程的人力资源大数据，新的绩效评估不仅衡量工作的结果，也解释了产生结果的原因，为绩效反馈提供更具体的改进建议。在腾讯公司的薪酬管理体系当中，通过落实职位价值及员工绩效的薪酬哲学，创建了“以绩效为导向”的薪酬理念。而腾讯公司的绩效评估极大的依赖于数据，利用大数据的分析结果，设定绩效目标，评价指标等，动态的业绩评价能更好的促使员工在组织中发挥主观能动性。同时，借助大数据的其他技术，人力资源管理还能更好的对员工未来的工作方向进行指导，并能更好的激励员工实现工作中的突破。腾讯公司还根据国际薪酬体系设计的理念和方法，选取10家业内标杆公司作为外部市场参照，人力资源管理部门通过收集和整理人才的相关数据，建立数据库，针对员工动态进行实时分析。同时，大数据的分析结果与国内外劳动力市场的数据进行比对，可反映出行业整体的薪酬水平，以及员工的真是的薪酬水平，以此提高薪酬管理在人力资源管理中的有效性。

第五，员工关系模块。经验预测法、德尔菲法和描述法等定性分析法是传统的企业人力资源管理种经常采用的方法，而这类方法中较为缺少数据的支撑，这就导致决策人员会很容易受到各类主观因素的误导，而不能做出有效决策。这时候就有可能与员工之间的关系造成负面影响，在大数据环境下的员工关系管理，可以通过数据动态地跟踪、分析员工的工作情况和状态，准确地进行沟通协作。大数据分析还能够发现早期的离职倾向。不同于以往当员工明确表现出离职意向的时候才进行留任干预，通过分析历史上的离任行为和对应的大数据特征，就能够建立例如预测模型。通过对员工进行持续监测，可以提前3至5个月识别出具有潜在离职倾向的员工，为人力资源经理提供了主动干预的时间。例如，德勤公司基于员工的出勤记录、工作时间、休假时间、对客户的影响、付出的努力以及旅行的频率和距离等大数据，通过统计模型识别出离职倾向排名前10%的人，其离职意愿是以德勤以往案例研究所得到的平均水平的330%，并且能够识别出人物、时间和原因。在腾讯公司，如当员工提出离职时，过去的方法是经理谈话，但往往未必奏效。而有了大数据的各项技术，便可对员工离职进行有效管理。通过分析员工离职率与薪酬涨幅的相关关系，可以提前与想要离职的优秀员工进行沟通。传统的员工薪酬上，薪酬曲线呈正态分布，但大数据研究发现，正态分析的薪酬曲线本身就是一个错误，优秀员工涨薪幅度必须达到平均值的115—120%，才能防止优秀员工的离职。

本文通过汇总各类案例，对大数据在人力资源管理几个模块中的应用进行探讨，可以看到大数据技术在人力资源管理领域具有巨大的应用价值。但是大数据并不是万能的，大数据带给人力资源管理的挑战与机会并存，在人力资源管理中充分运用大数据技术所带来的价值才是当下最需要关注的方面。

华恒智信原创，欢迎大家转载，但请注明华恒智信原创及来源，否则视为侵权！！！