大数据在提升人事管理质量中的应用与思考

郝明哲 许佳

摘要：以铁路组织人事管理信息系统为例，结合大数据分析的特点，介绍了大数据分析在人事管理中的应用方向，提出大数据分析在提升人事管理质量的思路，以期人事数据发挥更大的决策作用。

关键词：人力资源管理 大数据分析 可视化

随着“大数据”时代的来临，人类生活、工作和思维都在发生着重大变革，各领域通过大数据技术在行业内的应用，力求进一步释放数据所蕴含的潜在价值。人力资源管理理论和管理实践的迅速发展，数据利用水平的提升成为传统的人力资源转型的关键，也是实现人力资源管理创新的重要途径。

铁路组织人事管理信息系统上线运营以来，为推动铁路组织人事工作信息化提供了有力保障。迄今为止，系统已收录全路6000个单位、200万职工的基础信息，以及大量的管理流程数据。对于已收集到的这些大量有价值的数据，如何利用大数据分析的理念和方法，进行分析、整理、挖掘、统计，使人力资源管理的理念、流程、制度、规划及战略决策更加规范化、科学化和高效化，更好地发挥数据价值，提升人事管理质量成为下一步工作的重点。

1 大数据分析的特点

（1） 全数据统计避免抽样结果的片面性

原始的数据统计，基于成本和运算能力的限制，都是采用抽样统计的模式。随着科学技术的进步，计算机数据处理能力的增长速度则比世界经济的增长速度快9倍。数据运算能力的爆发性增长，促使数据统计的样本发展为全体数据，全体数据的分析结果更加准确，避免了抽样统计数据的片面性，不容易受环境的影响，造成数据误差。

（2） 從总结性数据分析向数据预测转变

传统的数据分析多是在数据生成之后的总结，管理上属于滞后型;而大数据分析强调预测性，要实现前瞻性管理，利用这样的相关性关系研究，利用数据相关性，预防或促成某些结果的发生。通过数据的挖掘找到与稳定性相关的典型特征，建立起稳定的数学模型。

（3） 挖掘数据之间的相关关系

在无法确认因果关系的情况下，通过大数据技术手段，挖掘数据之间的相关关系，预防或促成某些结果的发生。这样才能更加高效迅速地应对信息社会“数据爆炸”和诸多涌现出来的“复杂性”很高的问题。

2 人力资源管理的数据现状

目前的统计工作，仍是以收集和整理数据信息为主，大部分数据停留在人事资料的汇报和上报报表方面，统计出来的信息相对滞后、数据分析的维度单一，大量基础数据并没有发挥出应有的价值和作用。伴随着现代化人事管理工作的不断发展，人事统计也更加地全面和准确，在实践中充分利用人事统计信息，可以为企业的健康发展提供良好的基础。更好地利用信息数据开展决策，促进企业管理水平的有效提升，不断推动企业人事制度的变革。

3 大数据分析在人事管理中的应用方向

在人力资源管理中，战略决策的成败依赖于大量的信息支撑，数据的分析、挖掘、建模、训练、验证、管理改进等一系列的完整活动，不仅要求实时掌握当前的动态情况，还需要对未来发展有一定的趋势性分析，大数据技术通过汇聚更多的组织人事信息资源，实现对其中的组织、人员、岗位、业务等全面的关联性分析，各项人才决策将更加有数可考、有据可凭。在传统的人才选、育、用、留环节中，加强以大数据技术为依托，可以实现科学管理所要求的可测量、可记录、可分析、可改善，从而大幅提升人力资源管理决策的准确性。

4 人事管理质量提升结合大数据分析的思路

针对不同的数据类型，人力资源大数据分析可以从以下三个角度入手：

（1）基础数据分析：主要是对机构和个人的基础信息的分析。机构信息主要是单位部门基本信息、编制信息、人员组成信息、上下级机构信息等数据。个人信息主要是人员基本信息、学历信息、学位信息、资格信息、家庭信息、照片信息等数据，还包括党组织和党员的基础数据。这些数据通常是唯一的或不经常变化的静态性数据，是人力资源的最基本的信息数据，是大数据分析的基础。日常工作中最常见的分析需求都是针对这些数据的分析。

举例一：因组织人事部门工作保密性的需要，选取2016年的数据来进行分析。通过不同年份职工年龄分布情况对比发现，2015年底51～55岁职工35万人（见图1），按照现在男60、女55岁退休的标准，我们统计国铁集团下所有干部数据，得到结果为：在2018年、2019年退休人数将达到一个小的高峰（见图2）。根据数据预测显示，人事部门就可以制定有针对性的工人聘干和毕业生接收计划，实现对干部职工的有效管理，避免因为人员变动影响企业正常运营。

根据现有数据，对18个铁路局45岁以上职工数作了统计，如图3。

从图3中可以看到，目前18个铁路局中，有6个局超过45岁的职工占50%以上，年龄结构整体偏大，对今后几年的毕业生招聘工作，提出了更高的要求。同时分析的结果可以用来指导我们的人员调整、生产力布局、毕业生招聘等工作的开展。（注：因保密工作需要，图中铁路局名称以数字代替。）

举例二：铁路新招聘毕业生情况

从图4中可看到，2017年和2016年相比，硕博高学历人才招收没有明显变化，但高职生接收比例却大幅增长。

分析图5可以看到，前四类主专业学生接收比例占所有接收学生比例的80%以上。图6为2011—2015年交通运输专业毕业生接收情况。

交通运输专业学生接收比例2014年以来大幅提升，其中部分路局2014、2015两年增长幅度较大，见图7：曲线3是全路交通运输专业学生平均增长曲线，曲线1与曲线2是两个增长幅度较大的路局。分析这五年的建设情况，可以发现这两个路局2014年以来陆续有数条新建铁路开通，所以储备了大量交通运输专业人员。按照数据分析的角度，可以将今后计划增加运营里程数与增加人员储备数量结合，制定出人员的最佳招收方案。

（2） 过程数据分析：这类数据的特点就是一直在不断变化，来源于人力资源业务进行过程中产生的动态数据，数据量非常大，也是最需要进行大数据分析的地方。例如，干部任免、干部考核、人员调动、干部培训、出国出境过程中产生的数据，以及由这些过程引发变化的人员变动信息、干部简历信息、职工培训信息、考核信息、奖惩信息、出国信息、工资信息等。

举例三：当前企业人员流失问题日益突出。人员流失并不可怕，可怕的是企业不知道是什么原因造成的流失，流失的状态、结构、时间、规律又是什么，這些其实都可以通过对过程数据的分析来找出原因或者规律。首先，根据人员流动数据，制作出员工流失率曲线，根据人员培训数据制作员工培训曲线，根据工资变动数据制作出薪酬变动曲线，同理还可以做出更多的曲线。然后通过对这些曲线的对比，找出关联度最大的两条或者多条曲线，总结分析原因，有助于解决员工流失问题。

（3） 系统外数据的分析：这类数据往往是由企业其他部门掌握，或者企业外机构掌握，如果能够取得这些数据，结合既有的人力资源数据，能产生1+1远远大于2的效果。比如生产经营数据、企业审计数据、安全生产监督数据等。

举例四：将企业生产经营的各项数据指标进行提取分析，结合人事部门对企业领导人员的考察考核数据，可以精准地判断出企业领导人员在生产经营活动中的能力特长，有助于企业内部更有效地进行人事布局、合理分工。

举例五：财务数据与人事数据结合不仅仅能为人员管理提供便利，还能为财务部门提供有价值的结论和建议。通过对人工成本、劳动生产率的分析来验证薪酬总量的合理性和科学性，判断企业下一步是通过增加人员，还是通过提升效率，或者通过降低个体薪酬来扩大营业规模提升企业效益。不同层级、不同岗位人员薪酬的差异和企业经营业绩的关系，和人员流失情况的关系，分析其相关性，找到最好最有效的改进方案。

通过对以上各类数据的深入分析研究，可以帮助人力资源管理部门更好地做到“明事实、察问题、预将来”，进一步提升人事管理质量。帮助企业更清楚地了解企业现实状况是什么，更迅速准确地发现存在或者潜在的问题，应该怎样做才能解决或者避免这些问题，人力资源部门可以对企业提出，由数据驱动、深谋远虑的战略规划和决策建议。由此，人力资源部门对于人力资本的管理，可以达到其他专业部门同等甚至更优的专业水平，既能够帮助企业合理使用人才、培养储备人才、吸引外来人才，帮助员工进行职业生涯管理，更可以帮助企业在市场经济的环境中，更好地做大做强。

参考文献

[1] MAYER-SCHONBERGER V， CUKIER K. 大数据时

代：生活、工作与思维的大变革[M]. 周涛，译. 杭州：浙江

人民出版社，2013.

[2] 李柯. 大数据时代人力资源管理的机遇、挑战与转型升级

[J]. 金华职业技术学院学报，2015，15（4）：35-38.

[3] PEASE G. HR的大数据思维：用大数据优化人力成本[M]. 赵磊，任艺，译. 北京：人民邮电出版社，2018.