2018-大数据时代企业人力资源管理创新_17页-1mb

大数据时代企业人力资源管理创新总结

核心内容

在大数据时代背景下，企业人力资源管理正经历从传统模式向更加智能化、精细化方向的转型。传统的管理模式存在诸多局限，如决策依赖经验、风险规避过度、资源分配平均化等，而大数据技术的应用为企业提供了更科学、更精准的管理手段，推动人力资源管理向更高层次发展。

主要观点

1. 人力资源管理的演变

• 人事行政管理模式：以行政事务为主，关注基础数据的整理与统计，属于数据的粗加工。
• 人力资源管理模式：注重资源使用效率，需要统计更复杂的指标，研究并提炼管理指标。
• 人力资本管理模式：聚焦于人力资本如何促进公司战略目标的实现，需借助大数据分析方法与工具进行深入分析。

2. 传统人力资源管理的困局

• 粗放式决策：缺乏数据支撑，决策多依赖直觉与经验。
• 风险规避过度：人力资源管理人员往往谨慎行事，倾向于说“No”。
• 资源分配平均化：将公平视为平均主义，忽视不同员工群体的价值差异。

3. 大数据时代的破局策略

• 强化整体功能：通过数据量化分析，提升人力资本投资的科学性与整体效能。
• 平衡风险机会：利用数据分析与风险管理工具，有效消除风险并把握发展机会。
• 区分群体价值：基于人才细分，挖掘不同员工群体的价值差异，精准分配资源。

关键信息

1. 员工管理大数据分析案例

• 数据收集：A公司数据包括年出口额、年固定资产投资额和员工总数。选择年出口额和固定资产投资额是因为它们与员工总数高度相关。
• 模型构建：通过探索性分析，初步选择多元线性回归模型，后因固定资产投资额回归系数不显著，改为一元线性回归模型。
• 回归模型：员工数 = 165.2 + 0.045 * 年出口额
• 统计检验：回归方程显著（p-value: 1.96e-9 < 0.01）

2. 离职情感分析应用

• 文本挖掘：从员工提交的辞职报告中提取情感信息，使用R语言的sentiment包进行情感分析。
• 分析方法：采用简单贝叶斯分类器，对情绪（喜、怒、哀、乐、惊、恶）以及负面、正面、中立三种极性进行划分。
• 分析流程：
  1. 收集数据（离职文本）
  2. 机器分词
  3. 导出词云图与情感图
• 分析结果：员工辞职文本以正文本面情绪为主，情绪相对积极、平稳，未包含过多负面情绪。

3. 管理大数据（RBD）概念

• 定义：中源数聚首创“管理大数据”（RBD）概念，构建了相关模型与数据体系。
• 平台模式：结合“互联网+人工智能+管理大数据”，升级传统管理咨询模式。
• 服务内容：
  • 数据提取：提供战略描述、组织信息、管理制度、企业文化、管理变革等数据。
  • 数据分析：对管理大数据进行系统思考与深度挖掘。
  • 管理培训：提供战略、集团管控、企业文化、人力资源等培训。
  • 定制报告：提供行业研究与专题研究报告。
  • 深度会谈：进行企业诊断、战略管理、企业文化、人力资源等问题分析与方案探讨。
  • 咨询报告：结合人工与智能化，提供高质量、低成本的管理咨询报告。

结论

大数据技术正在深刻改变企业人力资源管理的方式，使管理决策更加科学、精准和高效。通过数据驱动的分析方法，企业可以更好地理解员工行为、优化资源配置、提升管理效能，从而实现战略目标。中源数聚提出的管理大数据（RBD）概念，为企业的管理数据资产提供了全新的管控与价值挖掘路径。