人力资源管理的改革对策建议论文（共3篇）(4)

　　2.人力分析的原则和步骤

　　综合过去的研究文献，组织开展人力分析主要遵循如下三条原则：第一，人力资源部门的负责人必须从战略的高度理解组织的人力资本是如何为组织目标的实现做出贡献的(Boudreau&Ramstad，2007)*。第二，人力分析想要得到有价值、有意义的结果，必须建立在对于数据本身以及搜集数据的环境有深刻理解的前提上，也就是所谓的逻辑驱动的分析(Boudreau&Jesuthasan，2011)*。第三，人力分析必须能够识别组织中的关键人才，即对于组织的战略目标影响最大的那一部分雇员(Boudreau&Jesuthasan，2011)。

　　雇员研究协会(IES)在2014年的报告中指出了人力分析的五个基本步骤：将具体的商业问题转为数据分析问题；搜集、结构化、存储和操纵数据；用标准化的统计处理技术对数据进行初步分析；采用机器学习和神经网络等方法对数据进行深入分析；将数据分析的结果以清晰且具有说服力的形式传递回商业世界(Fairhurst，2014)。

　　当前学术界对于人力分析的原则和步骤的研究基本上基于先进企业最佳实践的经验总结或者一般性的商业智能方面的研究，主要缺陷在于没有能够与人力资源管理部门的具体职能深度融合，未充分体现人力分析的独特性。

　　3.人力分析对人力资源管理的影响

　　随着人力资源管理与商业活动的联系日益紧密，循证人力资源管理和人力分析变得日益重要(Boudreau&Ramstad，2007；Gibbons&Woock，2007*)。如果没有严格追踪人力资源措施和结果，人力资源决策就难以被认为是科学的。尽管很多人力资源决策需要直觉和经验，但人力分析有助于使人力资源管理向专业和严谨的方向发展(Ulrich&Dulebohn，2015)*。

　　(二)大数据及其对人力分析的影响

　　得益于数字化技术，越来越多的人类行为都留下了数字足迹，并且这些足迹的收集、存储和整合已经可以通过自动化的方式完成。大数据技术用于人力分析的主要障碍在于整合。整理和分析传统人力资源信息系统中的数据与这些非结构化数据的技术手段尚不成熟，并且存储和分析这些个人数据会导致尖锐的个人隐私和道德上的挑战(Angraveetal.，2016)*。

　　大数据能够反映所关注对象的整体情况并且提供很高的分辨率；不要求一定有前置性的理论、模型和假设；数据能够“自己说话”，不受人们主观偏见和思维定式的影响，从大数据中浮现的任何模式和相关性都具有其现实性；数据分析结果的意义超出了内容和专业领域的限制，可以被任何能够理解可视化分析结果的个体所掌握(Kitchin，2014)*。这些都将对当前人力分析的范式产生深远影响。

　　当前，学术界一致认为大数据技术将会对人力分析产生革命性的影响，但遗憾的是，除少数著作外(Isson&Harriott，2016；王通讯，2016*)，能够具体而系统地阐述大数据技术如何应用于人力分析的各个环节，以及大数据将会如何改变人力分析和人力资源管理的研究还极为有限。

　　三、人力资源分析系统的变革

　　(一)数据搜集

　　1.数据内容

　　过去人力分析涉及的数据内容主要是基于人力资源信息系统中的结构化数据，主要包括简历、年龄、籍贯、教育经历、工作经历、出勤情况、绩效和薪酬等。大数据技术大大拓展了人力分析所能够使用的数据内容。本文认为，人力资源大数据可以分为生理大数据、行为大数据和关系大数据这三种基本类型。

　　生理大数据主要包括实时的生理指标和人类基因数据这两种基本类型。人的生理活动是一切外在行为的基础和支撑，不受主体自身意志的控制，对人力资本现在和长期中价值的实现具有重要影响。得益于可穿戴设备和便携式生理分析技术，实时连续监测人体包括心跳、体温、睡眠、激素水平以及其他理化指标并进行数据存储和传输已经成为现实。这些指标动态、全面地反映了一个人的生理状态和健康水平，对于企业降低因病缺勤损失及员工保健开支具有重要意义。目前，生理大数据在体育产业等高度依赖雇员身体素质的行业中已经得到广泛的应用。另一方面，人类基因包含了海量的遗传信息，属于典型的大数据范畴。这些信息从遗传的角度上揭示了一个人天生的禀赋，对于人力分析具有重大的参考价值。目前，以华大基因为代表的基因大数据公司正致力于降低基因检测的成本并推动这项技术的大规模应用。虽然人类基因数据目前还限于医疗健康领域的应用，但在将来，基因数据却很有希望成为人力分析的重要组成部分。

　　行为大数据主要包括教育、求职、工作、娱乐和消费等方面的行为数据。相比于过去企业掌握的行为数据，这些数据在精细程度上有显著提升。例如，教育行为大数据包括在线教育资源的使用、图书资料的购买和借阅、参与非正式的技术分享等；求职行为大数据包括在线浏览职位和公司信息、投递简历、与猎头的接触以及参加面试等；工作行为大数据包括在办公场所的移动、办公软硬件设备的使用情况、使用讨论室的频率、使用工作场所休闲设施的频率以及在会议中的发言等。

　　关系大数据主要包括在线互动行为和线下互动行为。在线互动行为包括成员之间在包括电话、邮件系统以及其他即时通讯系统上的联系行为，及其在各种社交网络中的发布和互动行为；线下互动行为包括项目团队内部的沟通和合作、茶水间的交流行为以及非工作场所的互动等。关系大数据为勾画成员间的联结网络和联结强度、进行社交网络分析提供了数据基础。

　　2.数据来源

　　人力资源大数据有两个主要来源，其一是公司内部数据，其二是外部数据合作。公司内部的数据来源主要包括智能手机(包括APP)、可穿戴式设备，办公场所物联网和传感器设置，公司内部通讯系统、数字化办公系统和erp系统等，主要涉及公司内部跨部门的数据整合和共享(McAfee&Brynjolfsson，2012)。外部数据合作主要包括与网络运营商、电子商务网站、在线社交平台(Tufekci，2014)*、即时通讯软件厂商等开展数据合作(Jagadishetal.，2014*；Heuvel&Bondarouk，2016*)，以弥补公司内部数据的不足。

　　在大数据条件下，人力分析的数据来源具有如下特点：首先，尽可能从多种不同来源获得数据，以便于对数据进行三角验证，提高数据质量(Georgeetal.，2014)。其次，数据搜集手段以自动化采集为主，不需要人工调查或填报，搜集的速度很快，绝大部分数据是实时数据。最后，尾气数据(exhaustdata)在人力分析中占据主导地位。尾气数据不是为人力分析的目的而有意识收集的，而是在提供服务的过程中自然产生的。对于数据的产生者来说，这些数据都不是有意识地提供的，而是其行为的忠实记录，大大增加了关于人的数据的真实性、连续性和实时性。缺陷在于数据的非结构化、低相关性，以及由于当事人不知情而造成的隐私问题。

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说管理学人力资源管理的改革对策建议论文（共3篇）(4)在线全文阅读。