石 颖
(贵州财经大学 工商管理学院,贵阳 550001)
企业HR 在招聘过程中常常有许多困惑:难遇优质人才,应聘人员太少,无效简历太多。最终要么在招聘环节投入大量的宣传时间和财力,要么被迫降低招聘门槛,使得HR处于被动地位,无法实现预期目标。出现这一情况的原因可以归结于两方面:一是客观层面上,现如今的人才市场本身存在激烈的竞争;二是对企业人力资源管理来说,其主观上未积极顺应社会发展和市场变化而转变招聘方式,缺乏先进的招聘方式和技能,各企业的招聘方式雷同。“物以稀为贵”,优质人才无疑也是企业中的“香饽饽”,谁能招到优质人才,便为自身未来的发展添加了制胜的筹码。为适应大数据时代的发展,企业招聘管理需要全面升级,借助大数据优势拓展新的招聘渠道,重构招聘流程,搜寻新型人才。
大数据可以引导HR 将招聘渠道延伸到网络社交领域,获取新的人才资源,不局限于人才市场、传统招聘网站、中介公司等渠道。在网络社交领域中,企业招聘可以在宣传基础上,在人才资料库中主动筛选所需求的人才类型,使HR 对求职者信息有全面的了解,同时拥有更多的选择权。大数据后台还会根据HR 的点击数据,主动推送出与岗位相适配的人才。大数据对网络社交领域招聘渠道的延展主要应用在,部分企业会将招聘与内部员工的个人社交网络相结合,利用已有的内部人脉资源获取更多新的外部信息,为企业获得更多有价值的潜在的“隐藏数据”,通过新的发现创造驱动力。
第一,降低了企业招聘的资金投入成本。首先,大数据可以根据企业内部的人员信息和岗位变动情况,为HR 建立员工离职预警机制,同时提供科学的岗位匹配人才报告,为企业招聘提供正面引导,减少不必要的精力投入和内部耗损。其次,利用大数据强大的分析功能,HR 能够准确辨识出不同招聘渠道的真实成效和经费投入,进而作出正确的取舍,选择性价比适中的招聘渠道。最后,减少了企业招聘的时间成本。依托于大数据系统,无论是招聘渠道拓展、招聘宣传还是人才筛选,企业管理层均能在最短的时间内获取最精准的信息,并完成信息的立体化展示。
企业招聘的人才是否与其岗位相匹适,直接关系到企业的运营和发展,大数据系统通过筛选机制和岗位设定为HR 推荐匹适性最高的人才,并为岗位人才进一步制订能力提升方案。选择匹适性高的人才,其关键就在于对岗位和人才开展的定向分析和个性化分析,通过计算机建立模型,罗列出岗位特性和胜任该岗位的能力标准,对候选人进行比对和筛选,开展个性化分析,即分析求职者的专业背景、岗位经验、资历,及其个人兴趣爱好、社交圈、个人职业规划等,完成综合信息的搜集和比对,为企业HR 最终的决定提供科学的数据支撑。
大数据应用于企业招聘环节的优势显而易见,即便如此,也有不少HR 在实际应用中显得能力不足。在主观认知上,一方面HR 对大数据的价值和优势没有更新认识,仍然依赖于以往的“个人经验”,对大数据给出的数据指标仍有顾虑;另一方面,即使认知到大数据潜藏的功能,但HR 的数据操作能力却没有跟上,使得招聘成效仍然停滞不前,没有实质性改变。企业招聘对大数据的应用基础在于信息资源的存储量,基本要求在10TB 规模以上,其中招聘环节中所含括的数据结构庞杂,数据系统需要分类存储,但这对现下许多企业来说仍然是一个难题。同样的难题还表现在数据分析和数据提取上,由于招聘环节中的数据体量与最终呈现出的价值并不一定成正比,但又必须通过不断的传播去扩散招聘效应,因此数据体量始终在直线增长,而有价值的数据却并不一定以同等比例出现,再者,无论数据信息有无价值,其真伪性均有待分析、辨识,这对企业的数据过滤工作来说是一项巨大的挑战。
前已述及,大数据应用于企业招聘的优势之一就是有效降低了招聘成本,但这种降低效果是建立在成熟的数据运营模式上的,若出现数据利用成本与产出比例失衡的情况,则会导致企业在招聘管理上得不偿失。大数据系统对企业的技术水平有较高的要求,且投入成本较大,回报周期长,因此企业在引进大数据技术的初期基本看不到相应的回报,新的招聘模式势必与传统招聘模式有一个冲突、磨合的过程,两者要达到最终的契合,企业需要投入大量的成本,而招聘人才后,员工为企业创造价值也需要一定的时间,因此,大数据初期利用成本普遍过高。此外,还有部分企业急于求成,看到大数据系统为人力资源管理带来的效率提升,在没有对自身企业的实际运营情况展开调研的情况下便盲目引进大数据技术,花费大量的经济成本和时间成本去构建和维护系统,但最后却无法获得等同的价值回报,招聘效果未得到改善,甚至还会破坏企业原本稳定的招聘系统,造成了投资浪费。
大数据系统对所有求职者的信息进行提取,包括许多个人隐私数据,如身份证信息、住址信息、通信信息等,这些私密信息用于人才招聘环节中能够极大地提升人岗匹配度,但若操作不当导致信息泄露或是毫无节制地获取员工隐私信息,则会引发严重的数据安全问题,甚至牵扯到法律问题。现如今,企业管理已经不仅仅只依赖于大数据系统的信息提取,还包括云端、移动端的信息平台,因此获取的信息更为全面,在提取数据和共享数据时的可控性便更低,引发安全问题的可能性更高。但我国企业目前在面对数据安全问题时,安全意识还并不强,相应的安全防范制度和技术也并不完善,使得员工的数据安全管理存在许多空白,一旦员工隐私数据泄露,则会对他们的生活造成诸多困扰,如果企业的商业机密暴露,会使企业发展受阻。
第一,培养HR 的大数据招聘意识,以顶层设计为切入点,先转变传统的招聘思维,将大数据的优势作用以及取得的成果融入日常的员工培训中,普及大数据基础理论知识,同时加强大数据应用技术培训,以不断学习,技术巩固为宗旨,创新管理理念。第二,从宏观上做好企业人力资源系统规划,借助大数据系统,建立人才信息库,收集在岗员工的基本工作信息,以及不同岗位的变动状况,便于管理层及时掌握人员和岗位空缺情况。同时可建立专门的应聘人才简历库,通过大数据的分析和筛选,选择与企业发展和岗位最契合的人才。第三,提升数据处理水平,采用先进的数据算法,优化数据处理能力,从海量的数据中挖掘出有用信息,充分发挥数据信息的价值。
第一,建立员工素质与岗位职能分析模型,筛选中高层优质人才,首先录入预选人才信息,与相应的岗位绩效、素质关联相对比,并评估出人才素质与绩效的关联度,再建立岗位关联分析模型,辨识人才的个人特性能为岗位和企业发展带来的效益,最后与预选之外的外部人才简历信息相对比,选择最优质人才。第二,遴选关键信息,为人才选择提供科学的数据参考,譬如将员工的性别、受教育程度、同岗位资历、兴趣爱好、工龄等情况纳为影响岗位绩效的因素,最后进行样例约简和属性约简提取最终规则,即影响岗位绩效的关键信息,从而帮助HR 在人才招聘过程中根据关键信息快速识别出匹配人才,优化招聘过程。
胜任力于20 世纪70 年代开始在美国得到应用。起初美国政府在选拔驻外联络官时是以智力为首要因素,最终选拔出的人才的综合素质都非常优秀,但涉及实际工作中,其表现力却相差甚远,令人咋舌,美国政府便邀请心理学家重新制订了一套选拔方案,是以人才的实际工作能力为选拔核心,即以“胜任力”这一要素为人才选拔指标和人才考评标准。胜任力是判断员工是否能胜任岗位的基本条件,也是区别于其他员工的个人特征与优势能力要素。在以胜任力为导向构建大数据招聘体系时首先需要对招聘岗位所需人才的胜任力要素作出基本分析,即动机(推动个人追求目标的内驱力)、个性(对环境、人物等外界信息的反映或倾向等)、自我形象(个人自我认知、自我评价的结果)、社会角色(个人的社会属性及组织认可度)、价值观(个人对周围事物、人所表现出的看法和认知)、态度(个人内化素质的外化结果)、知识(个人在某些特定领域所赋有的专业和经验)、技能(个人结构化地将知识运用于实际工作中的能力)等。不同岗位所要求的胜任力均有所差异,如营销类、操作类岗位对人员的专业胜任力便有较高要求;领导和管理岗位则对人员的可迁移胜任力要求较高;项目组和任务组岗位则对团队结构胜任力有较高要求,等等。企业可依托大数据系统组建专门的岗位胜任力分析团队,利用粗糙集算法得出各岗位所需的潜在胜任力,再与应聘简历对应,精确人岗匹配。
第一,在招聘环节中要准确判断和评估其简历信息的真伪性,除了前期的面试和筛选,后期的录用与培训情况也需要纳入大数据招聘流程中,便于管理层全面调取人员信息,帮助员工做好发展规划,找准工作提升的方向。第二,企业要注重自身在招聘工作中的有效度,这不仅与人力资源部门员工的工作能力有关,更关系到企业自身的社会影响力、企业文化等,因此,企业要塑造好自身的社会形象。另外,要结合企业自身的实际情况,选择效益最高的招聘渠道,使大数据招聘体系的优势得到有效发挥,以优质渠道寻找到更多潜在的优质人才。
大数据技术能够集中整合企业各方资源,人力资源管理部门可借此建立完善的后备人才储备库,结合企业的未来发展规划,做好企业不同岗位的人才信息归纳汇总。一方面,掌握各岗位的人才流动动态规律,另一方面,要考虑到企业于不同阶段制定的战略发展规划的动态调整。将两种动态变化紧密地联系在一起,构建与企业相适应的人才储备库,打造企业内部的“人才共享经济”,以科学客观的数据分析计算出岗位不断更新的人才需求,基于客观科学的数据为企业推送和储备更多优质人才。需要注意的是,“人才共享经济”一旦实现,企业务必加强对人才库的更新和管理,实行信息的动态追踪,遵循“优胜劣汰”的自然法则筛选人才,形成激励机制,为企业持续发展提供新生力量。
大数据技术在企业招聘环节中的应用目前正处于整合状态,企业应用具有一定的门槛。本文仅结合企业招聘现状与大数据思想,在实践方向上进行蓝图勾勒,寻求全新的思路。当前,已有部分先行者率先作出了新的尝试并取得了一定效果,招聘成效有了显著提升,但其中也存在诸多不确定因素,因此,利用大数据优化企业招聘管理未来仍需要不断探索。