大数据背景下人力资本价值评估的创新思路

王安中 王静 杨宇鹏

摘 要：随着互联网和信息技术的突飞猛进，我们即将迈入5G时代。基础设施的更新换代也带来了数据量的爆发式增长，在这种背景下，大数据运算应运而生。海量的数据信息给人力资本服务业带来了前所未有的契机。本文主要探讨在大数据时代如何更好地运用大数据技术来进行人力资本价值的评估、评测，从而提升人力资本价值评估的效率和准确度。

关键词：大数据  人力资本  价值评估

中图分类号：F299 文献标识码：A 文章编号：2096-0298（2020）05（a）--02

人类社会发展需要进行生产建设，而所有的生产建设过程都必然消耗一定的社会资源，这些在人类生产劳动过程中消耗的社会资源被称作生产要素。在2009年的时候，大数据的概念被美国麦肯锡咨询公司率先提出，麦肯锡将大数据定义为一种在数据时代背景下产生的全新的生产要素。同样人力资本也是一种生产要素，人力资本价值的评估一直都是经济学领域的难题，利用大数据技术能够为人力资本的价值评估提供一种全新的视角。

1 大数据的发展历程

1.1 大數据的产生

自从大数据产生的概念被麦肯锡提出之后，对于大数据的定义一直存在诸多争议。主流的对大数据的定义可以分为两种：一种是以麦肯锡为代表的商业咨询公司，他们认为大数据指的是一种超大规模的数据集合，应用传统的数据处理软件和信息筛选程序无法在较短时间内对这些庞大的数据量进行分析处理，这样的数据集合就叫作大数据。而另一种是由IBM为代表的互联网公司他们将大数据定义为可以为企业提供经营决策支撑的资讯库，并且这个资讯库所包含的内容非常巨大，资讯库的数据符合三个特征：基数大、增长快和种类多。两种对大数据的定义都能够反映出大数据本身的复杂程度已经超过了传统的数据集合，大数据作为一种数据集合已经不再适用于简单的数据处理模式。必须要借助更为复杂的模型和算法才能从繁杂的数据集合中提取到有效数据，并且找出不同数据之间的关联性。

1.2 大数据的特征

IBM公司在道格莱尼的研究基础上进行完善，提出了大数据的4V特征，也就是海量数据规模（Volume）、多样数据类别（Variety）、快速数据流动（Velocitu）和巨大数据价值（Value）。这四个特征分别从大数据的数据体量、数据类别、数据变化和数据价值方面进行了定位，让我们能够更加直观和准确的理解大数据的物理意义。和传统数据相比，大数据产生速度更快，数据来源更加全面，数据结构零散，数据集成困难，必须使用实时批处理技术才能对数据进行分析处理。

1.3 大数据的应用

目前大数据的应用场景已经非常广泛，渗透到人们生活的方方面面，尤其是智能手机中几乎每个应用背后都有大数据技术提供支持。而且这些应用本身也在无时无刻地产生大数据，产生的数据信息又能对软件的应用和服务提供反哺，所以很多软件都会越来越“懂”用户。例如我们平常打字采用的输入法，每进行一次输入，他们就会记录我们的操作行为和输入习惯，用过几次以后，我们打字的速度会变得很快，输入法也会优先选择弹出我们的常用词汇。还有我们常用的一些新闻资讯类应用，它们会根据我们的使用习惯不断地给用户推送其感兴趣的新闻资讯，这些都是大数据最简单的应用。目前大数据技术已经在电商互联网、医疗健康、金融保险、交通出行等各个领域得到了广泛应用。

2 当前人力资本价值评估体系存在的问题

人力资本价值评估体系是人力资本服务的基础，只有能够对人力资本进行准确的评估评测才能更好地为人力资本的提升和交易做好后续服务，而当前国内的人力资本评估评测还处于起步阶段。我们分析了国内的一些人力资本评估系统，发现目前还存在以下几方面的问题。

2.1 评估模型测试样本较少

目前国内的人力资本评估评测体系还处于研发测试阶段，而且已有的评估评测体系也在测试样本方面存在一些问题。人力资本价值的评估分为个体评估和群体评估两个层次，在群体价值评估层次，例如每年发布的区域人力资本指数的测算主要就是采用抽样调查的方式，通过对随机抽样结果的教育指标分析，来评估区域内人力资本价值的存量。但由于是通过网络抽样调查的方式进行样本搜集，所以评估模型的样本测试必然不会很多，而样本数量较少则会影响调查结果的准确性。另外国内对个体人力资本价值的计算，一般采用的都是C-F终身受益法和收益-成本差分法。这两种计算模型中都需要先通过抽样调查的方式确定一些参数，再将这些参数推广到一般规律中，而选择样本的数量就直接决定了这些运算参数的准确性。受到调研成本和数据有效率的影响，评估模型的参数必然会存在一定误差。

2.2 评估指标验证成本较高

在目前对个体人力资本价值的评估过程中，由于很多数据库无法直接贯通，很多信息都需要进行人工验证，当评估系统的用户激增以后，必然会造成工作量的大幅度提升。而且人工验证对于信息的准确度判断也存在不确定性，随着工作量的增加，工作效率和工作准确性必然下降。很多时候，在对个人用户进行人力资本价值评估的时候，为了提升个体的人力资本价值，用户可能会夸大或者虚假填报个人信息。尤其是对于一些年代久远的数据，甚至没有网络数据可查，对于证照和凭证的真实性就无法判断。对于这些虚假夸大的信息在后续处理时如果没有专业数据库支撑很难进行辨别。并且在经济利益面前，如果这个漏洞无法弥补就很难做好后续的风控管理，由此造成的间接管理成本和金融风险也会增加。所以对评估指标的验证成本较高也是目前个人人力资本价值评估中存在的问题。

2.3 评估数据无法准确量化

目前对于人力资本的价值评估模型是基于各种指标数据为支撑的，这些指标和数据想要发挥效用必须转化为量化的数据。但是实际情况是在个人人力资本价值评估过程中还需要面对很多无法量化的指标，比如个人的技能水平、荣誉指标、工作经验、岗位熟练度等。这些指标如果要进行量化，就需要通过人工定义的方式对不同的指标进行赋权，而这种操作会增加系统的模糊度，让评价结果误差变大。所以面对很多无法准确量化的指标，现有的人力资本价值评估体系也显得捉襟见肘。

3 大数据在人力资本价值评估中的应用

3.1 建立有效数据模型

针对以上问题，大数据技术能够进行有效解决，例如针对目前评估模型样本较少的问题，大数据技术可以直接从海量的数据信息中构建不同指标之间的逻辑关系，同时能够直接从数据库中摘取和分析用户的行为数据。对群体层面的人力资本价值评估，可以直接选择样本群体进行指标筛选和逻辑关联，直接对群体数据进行建模，这样得到的数据模型不仅数据量更为丰富，而且数据指标更加真实。对于个体人力资本的价值评估也类似，大数据可以直接分析个人的行为数据和网络轨迹，通过对个人行为数据的分析匹配相应的用户画像，直接给出用户的价值定位和匹配度。不仅摒弃了繁琐的数据运算，而且得出的结果也更加准确。

3.2 形成交互应证体系

大数据技术的核心特征就是数据规模非常庞大，不同数据之间可以通过很多中间数据找到逻辑关联，就像一句俗语说的，“弥补一个谎言需要更多的谎言”。如果离开了大数据技术，想要验证一个信息的真实性，需要运用很多技术手段来反复鉴别。但是在大数据技术面前，任何谎言都可以被轻易揭穿，如果一个人提供了虚假信息，就需要篡改更多的历史数据。而大数据能够挖掘出海量的关联数据来验证某个数据的真实性，弄虚作假的成本被大幅度降低，对个体人力资本价值的评估也能够更加准确。运用大数据进行个体人力资本价值评估其评估依据不是基于用户提交信息，而是基于数据库中不同维度数据指标的相互印证。因此大数据技术的应用能够让人力资本价值的评估更加准确。

3.3 提供全面量化依据

利用大数据的分析方法，能够让复杂的人力资本价值评估系统变得更为直观和便捷，大數据系统能够提供更为全面的数据信息，这些信息都是能够直接量化的数据。大数据评估系统和传统的评价系统最本质的区别就是大数据提供的都是量化过的数据信息，而不需要再对一些信息进行人工的量化。每个人通过手机、网络、WIFI都在不停的产生行为数据，随着信息技术的发展，个体人类会变得越来越没有隐私。在大数据下，个人的一切行为都是透明的，因此对一个人的行为判断和价值评估才变为可能。同时基于个人的行为大数据的价值判断比依靠传统的数据模型测算要更为准确和高效。

4 结语

大数据时代已经到来，信息技术的飞速发展让数据已经覆盖了我们生活生产的方方面面。通过本文的研究可以看出，大数据评估体系能够为人力资本价值评估带来全方位支撑，所以人力资本服务业想要实现创新发展，必然要借助大数据技术，开创人力资本价值评估的新模式。

参考文献

王笑笑，郝红军，张树臣，等.基于模糊神经网络的大数据价值评估研究[J].科技与管理，2019（2）.

袁煌，潘宇.大数据在文化企业价值评估中的应用——以电影票房收入预测为例[J].中国资产评估，2014（10）.

梁红波.基于大数据技术的企业品牌价值评估分析[J].财会通讯，2014（26）.

邵娟，叶惠，杨秋实.一种基于大数据的知识产权价值评估系统：CN107767184A[P].