大数据时代下人力资源管理变革的思考

【摘要】大数据时代的到来冲击着每一个领域，人力资源管理领域也将受到深刻的影响，而产生什么样的影响是值得我们思考的。本文通过分析大数据的特点，阐述了大数据对于人力资源管理存在的不可忽视的作用，最后也反思了大数据存在的风险。

【关键词】大数据时代；人力资源管理；影响；特点；风险

一、研究综述

（一）研究背景

“大数据”时代最早由全球著名咨询公司麦肯锡提出，它在其《大数据：创新、竞争和生产力的下一个前沿》的报告中指出：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。”大数据的思潮迅速的波及世界的每一个角落，这犹如一场即将到来的革命，冲击着人们的传统的观念。大数据早已有之，之所以“大数据时代”的概念一直到最近几年才提出，是因为以前大数据的运用领域比较窄，很多领域还没有大数据的概念。但是现在，大数据已是一个十分流行的名词。

大数据借助互联网技术迅速发展，各个领域的学者开始思考量化在自己领域的可能性。同样，大数据也将对于人力资源管理领域也将产生深刻的影响，越来越多的学者开始思考这一时代对于人力资源管理的意义。我们应该思考，是否可以借鉴ฝ大数据的思维和技术去解决诸如人力资源管理难以量化的难题？是否可以更好地衡量人力资本♥的价值？

（二）已有研究现状

目前国外关于大数据在人力资源管理领域的研究基本没有，而更多的是有关大数据技术应用方面的。国内现阶段对于本课题的研究是最近两年兴起的，由于“大数据”时代是最近两年兴起的趋势，因此国内本课题的相关研➳究并不是很多。

二、大数据时代的特点

（一）数据规模大

（二）数据种类多

大数据时代数据已经不仅仅局限于原有的结构化数据，半结构化、非结构化数据已经越来越多的运用到数据的处理当中，文字、音频、图片等等都已逐步数据化。当半结构化、非结构化的数据能够被大规模收集和分析时，我们才能获得以前所无法得到的信息，而这也有利于我们分析现象的本质。

（三）数据更新速度快

大数据时代的另一大特点就是数据更新速度快。随着互联网的发展，人们每天所接受的信息量十分巨大，据研究，现代人每天所接触到的信息是古代人一年的信息量。而这也导致了数据的更新速度十分迅速，据研究，全世界每年的数据量每年以50%的速率增长，也就是说，超过一半的数据是人类近两年产生的。而这也体现数据的时效性，过了一定的时间数据很可能价值就会大大降低。

三、大数据时代人力资源管理的变革

在大数据的浪潮汹涌而来时，也让各行各 ツ业的HR们和人力资源管理领域的学者们陷入了思考之中。到底大数据对于人力资源管理会产生什么样的影响？是否能将大数据的思维运用于企业人力资源管理的工作中？对于这些问题，笔者认为，大数据的思维对于人力资源管理的影响是广泛而深刻的，它有可能改变原有的人力资源管理的理念和其各个模块的工作方式。笔者将从以下几个角度进行分析：

（一）企业招聘的精确化、节约化

在大数据的条件下，原有招聘模式遭到挑战，企业可以通过互联网进行大范围的快速收罗符合职位要求的人才，通过大量个人信息和公共信息的对比，分析出最适合特定职位的应聘者，实现人才搜寻的精确化。另一方面，由于大量的工作可以在计算机上完成，省去了外派实地招聘和广告的经费，这也一定程度上实现了成本的控制。

（二）培训的个性化

大数据给培训带来的利处就是可以实现培训的个性化，我们知道，实现个性化培训的最大难题之一就是员工个性的把握，而在大数据条件下，企业可以根据员工大量结构化和非结构化的信息数据，分析员工的具体需求或者是不足之处，为员工准备个性化的培训“套餐”，实现“私人订制”。另一方面，可以依托大量♥网络培训资源，最大程度的降低成本。

（三）绩效考核的全面化

以往的绩效考核只能针对可以量化的工作指标，存在绩效考核不全面的缺点，运用大数据的技术，我们可以掌握更多的与绩效相关的指标，并将这些数据进行处理，以更全面地得到员工的绩效情况。同时，大数据的高速更新特点能让管理者第一时间了解员工的状态，帮助管理者做出预判或者快速决策。

（四）员工关系的预判性和人性化管理

以往大多数情况下，企业管理者只能在员工产生矛盾之后才能进行协调和解决，而现在通过对员工大量非结构信息的分析，可以了解员工最近与同事之间的关系状态，一旦发现有苗头能够及时协调，避免员工之间关系的恶化。另一方面，利用大数据更新快的特点建立实时获取员工各方面需求的机制，为员工营造满意的工作环境，以促进其工作效率的提高。

四、总结与反思

大数据时代的趋势不可避免，正如哈佛大学社会学教授加里・金所言，所有领域都受到了这一趋势的影响，人力资源管理领域也是如此，我们应该更多的思考我们能从这一趋势中探寻出发展人力资源管理领域的更好的道路。

另一方面，我们也应该反思大数据时代可能带来的风险，数据安全就是一个无法忽视的重要隐患，如何保护员工的信息安全，数据一旦泄露如何处理等等都是必须思考的问题。此外，大数据的质量也是一个非常关键的点，如何确保数据质量也值得我们深思。