你是如何被HR大數據忽悠的……

來 源 | 暢想者 ID：changxiangzhedc

作 者丨DC

這幾年，「HR大數據」這個話題似乎越來越火，

從顧問公司，無論是業界各種專家，還是HR從業人員，

不管懂還是不懂，都喜歡拿著大數據三個字說事，

看多了之後，我的感覺是，

「卧槽，你們還真敢說啊」。

畢竟大數據(英文名稱big data，又稱逼格太大)，

這個概念，在業界是有清晰的定義的，

你不能拿個簡單的數據分析就往上去套，

什麼拿離職率也當成是大數據來呈現，

要是更牛逼點，估計搞個郵件自動回復都能叫阿法狗了。

簡直是鳳姐用美圖秀秀一秒鐘變身空姐的即視感。

所以，澄清」HR大數據「這件事情的歷史性重任，

就順理成章地落在了我的身上(故意裝作無視周圍鄙夷的目光——)。

我的難題是，

要如何靈巧地避開諸如Hadoop、Spark、R語言這些很詩意卻讓大家很容易失意的詞，

又要甩出柔軟的身段，

將這個被各種解讀，導致大家一頭霧水的概念娓娓道來，

請大家多給一點信心和掌聲!

其實呢，要說清楚HR大數據這件事情也並不難，難的是選擇好角度。

比如現在談HR大數據的文章清一色都是在談「HR大數據是什麼」，且不管講得對不對，大家總之是聽了一堆覺得雲里霧裡，兩眼一抹黑很容易又被忽悠了。

所以，與其談大數據是什麼，我們不如先來談談HR大數據不是什麼。

誤區之一：

人力資源數據化就是大數據

在眾多誤區之中，這應該是大家最常見到的一個。

實際上人力資源數據化並不是什麼新鮮事了，

隨便找一個專業的HR或者HR顧問公司就能拿到許多可以評估人力資源工作的指標，

除了開始提到的離職率，

還有出勤率、招聘周期、組織氛圍、敬業度等等，

這些數據的可以讓大家很好地評估人力資源的工作，

因此被大家奉為圭臬。

可是問題來了，這些東西到底有什麼意義呢?

企業關心的是我現在和未來能不能賺更多錢，有逼格一點的說法叫價值創造。所以老闆總覺得很鬱悶。

一方面看你們每天玩數據玩得不亦樂乎，但要真是對HR問一些問題，

比如我要銷售額翻一倍究竟該花多少錢招多少人啊？

什麼樣的人才和幹部最適合我們組織啊？

你搞了這套激勵體系以後到底我組織績效增加了多少啊？

HR立刻兩眼一抹黑，掉過頭開始罵老闆土包子，不會用「專業的眼光」來看待HR。

可問題是，你在大排檔吃烤魚的時候，你只會看烤魚好不好吃，價錢貴不貴，吃完以後有沒有拉肚子。

你也不會吃飽了沒事，用天然氣利用率、烤魚各部位燒烤停留率（這是什麼鬼，好吧我亂編的）來衡量大排檔的質量吧！

而對於老闆來說，他如果能通過觀察每個食客的回頭率、停留時間、點菜的偏好，乃至於統計大眾點評上的評語、

在朋友圈發的照片（你沒看錯，這些都是數據，又叫做非結構化數據），

經過分析就能知道，哪些要素比較重要，

於是我可以據此對我的食材、口味、服務流程、速度、店面裝修等要素進行適當的調整和優化，

並可以據此預測出我調整以後我每個月可以多多少顧客，

可以多賺多少錢，多少時間大眾點評的評分可以上五星。

這就是大數據，看著很不切實際嗎？

要知道當年Netflix是怎麼拍出來一部火爆全球的《紙牌屋》的，

他們通過對自己3300萬用戶的行為進行分析，

知道了大家喜歡看什麼樣的電影電視，

在什麼時候會暫停、回放、快進，喜歡搜索什麼關鍵詞等等，

最後發現用戶很喜歡 Fincher(社交網路、七宗罪的導演)，

也知道Spacey主演的片子表現都不錯，

還知道英劇版的《紙牌屋》很受歡迎，

三者的交集表明，值得在這件事上賭一把。

由此可見，HR想憑離職率和出勤率這類數據的統計就做到這個層次?還太嫩了點。

所以簡單的人力資源數據化，哪怕是這個數據因為有十幾萬人顯得很「大」，那也不能算大數據，也並沒有什麼用，只不過是老生常談，而你不幸知道的太少了，而已。

誤區之二：

大數據距離企業太遠，

HR應該先把基本的數據分析做好

這也是HR經常容易被忽悠的一點，

因為基本上你只要去找一個人說我要做大數據諮詢，

對方立刻會開始諄諄告誡說，

我們還是先做HR數據分析的諮詢吧，

因為你看現在業界沒幾個公司做成了HR大數據的，

都不成熟，你看看你基本的數據都沒有標準化規範化，

簡單的數據分析儀錶盤都沒有實現，就想做大數據，

這是空中樓閣。

大數據分析真的要以「基本的數據分析」為基礎嗎?還真不是。

因為兩者的思考方式完全不一樣。

▍傳統的HR數據分析是「體檢型」的。

我一定要先按模塊定義出這麼一堆數據出來，然後我看看各個指標對不對。

就好像你去醫院買了個體檢套餐，裡面要做什麼項目都寫得清清楚楚的，

你一樣一樣做完以後交表等結果，

然後醫生那裡有每樣數據的正常範圍是什麼，

所以會告訴你：血脂高了、視力弱了、脊椎彎曲了(加班狗的悲哀……)。

所以每樣數據必須非常精確，差了一點就會判斷錯誤。

然後拿到結果你會發現其實絕大多數檢查我根本不用做嘛，結果還是要花這麼多錢好坑爹，可是醫院會說這又沒有劇透，我不一樣一樣檢查完，我怎麼知道你正不正常呢。

▍而大數據分析是「治病型」的。

我覺得我最近經常咳嗽而且咽喉痛，一位正常的醫生不會讓我去做骨髓穿刺，而是會按和我癥狀相符的病症來篩選檢查。

比如驗血、拍片，最後根據數據反映的情況，

診斷出我應該是咽喉炎，

然後根據治療咽喉炎的經驗，

讓我去打點滴做霧化吃藥，

幾天之後我的病好了。

在這個場景里，理論上我不需要所有檢查結果都精確指向我是咽喉炎，只需要排除掉其它可能性，大概率地判斷我應該是咽喉炎就可以了。

比如Google在發現大家對冗長的面試流程怨聲載道以後，就通過大數據分析發現，

面試平均只要超過3.6次，邊際效用就會大大降低，

而面試效率和候選人的體驗也會大大降低，

所以性價比最高的方法是讓面試次數縮短到四次以內，

這樣他好我也好，全家人都開心。

像這種問題，靠「體檢」怎麼能發現呢?那可真是寶寶心裡苦，可寶寶不會說啊。

如果說你能通過大量數據，分析出哪種激勵方式對公司員工更有效？

哪種能力特質的人更適合哪些崗位？

諸如此類，並基於這些數據，應用這些判斷，我覺得可以算得上大數據了。

誤區之三：

找個諮詢顧問就能搞懂大數據了

其實如果掌握了上面兩個誤區，你應該就能明白，

如今某些專家和顧問根本就不懂什麼是HR大數據，

更從來沒有實踐過HR大數據，

他們只是拿著數據分析的工具來掛羊頭賣狗肉的，

是莆田系醫院的好基友，顧問界的塔利班。

大數據和以往的HR諮詢產品是完全不同的，與其說大數據給HR帶來的是一種工具上的提升，不如說是一場思維上的變革。

在這場變革中，

HR既要能夠脫離已有的框架和工具，用更全面的視角去看到以往從未關注到的變數，

又要從心理學、組織行為學、管理學的層面更深入地把握個體和組織，

從而觀察到真正的問題，觸及更深刻的本質，提出更科學的假設，

更要對技術和數學有深刻的洞察，了解技術和數學可以幫助我實現什麼，如何實現。

在完成思維變革的HR的眼中，實現HR大數據，其實只有三個步驟，

第一，假設，

第二，驗證，

第三，應用。

特別簡單，你說是不是!

如果大家姿勢水平高的話，應該會反應過來，

這就是如今在科研和學術界已經被廣泛接受的實證思路，

只不過在應用層面，要注意更加從企業實際情況出發。

所以我說，HR大數據剝離掉技術層面的唬人的外皮，其實一點也不複雜，

只不過HR們以前的心思都花在了去揣摩領導和套用模板上，

而忽視了對事實和真相的追求，在反人類的道路上走得越來越遠。

所以在HR大數據時代，HR只不過是在回歸本質，只有在這條路上，才是和Google、Facebook這些HR大數據的標杆越走越近了。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！