本文由王愛民老師講授的網絡課程《人力資源大數據應用實踐》整理而成。
所以到了這個地方，我就拿妳開玩笑。早些年大家經常說人力資源的人不工作，不是說我們不工作。因為不熟悉戰略和業務，限制了我們做大家想的事情。為什麽？因為早些年人力資源不是特別受重視，處於跟不上的狀態。說到這，大家可能感覺比較壹致，就是老板沒有重視HR，比如壹些重要的業務會議，運營會議，高管會議。我們的人力資源領導沒有機會和權力坐在那裏接觸、參加會議、壹起傾聽和理解。我們如何將它傳達給其他人力資源主管？所以每次咨詢的時候，我都特別願意和公司的CEO討論這個問題。首先要做好這個項目。妳的人力資源真正發揮作用，必須從老板開始。作為公司的老板兼CEO，妳對人力資源的理解是什麽？如果妳對人力資源的理解不夠高，那麽項目實施後是否能真正幫助到妳的組織，真的很難說。所以我這幾年給壹家上市公司的董事長做人力資源顧問的時候，剛開始的幾個月，我的工作重點就是和董事長以及他所在分公司的總經理分享想法，讓他們意識到人力資源的重要性。
這樣做了以後，人力資源專業人員才能真正的融入到高管當中，真正的了解業務，才能真正的為我們公司，為我們組織發揮出應有的作用。所以我覺得商業理解的前提是戰略，而商業理解的基礎是戰略，這也是我壹直為大家強調和分析的。我覺得這背後有壹些技術性的東西，我們只需要大致了解壹下就可以了。我們就是在這個基礎上。壹個數據收集和數據準備清晰的模型評估應用，可以說是從數據理解到數據建模。我覺得可以叫黑匣子，就像飛機黑匣子壹樣。在這裏我們可以由技術人員來做，我們理解為HR，在這個基礎上，在前面指導這些技術人員之後，最後應用的時候，當然必須是我們HR的高管來應用，包括我們的CEO。稍後我會告訴妳更多這方面的內容。這是我們要追求的商業邏輯。這壹點尤為重要。我壹直強調，特別想和大家分享。
在前面業務邏輯的基礎上，我們還有指標體系的邏輯圖。這個邏輯是什麽意思？我們用邏輯驅動，其實就是循證思維中的這樣壹種邏輯驅動。邏輯驅動的分析方法，可以讓人力資源經理更巧妙的理解人力資源分析與實際運營的關系，讓我們的HR使用更符合企業運營管理思想框架的思想邏輯。也就是說，我們公司的戰略是什麽？我們的業務是什麽？在我們HR理解的基礎上，其實妳和公司老板是壹個層次的，這樣妳就能明白老板在說什麽，企業要怎麽發展，這樣我們才能更好的為企業服務，大大提高我們分析結果的可靠性。我們再來看看這個指標體系的邏輯圖。我們只是在壹些戰略業務的基礎上考慮人的問題。人的問題是什麽？這裏要考慮我們公司的經營戰略，也需要看人才的生命周期，所以我們大家都很熟悉的形象、服務、創新、質量、效率我就不贅述了。然後這是根據人才信息采集，以及我們的壹些關鍵指標，比如財務、運營、能力、客戶等，對人才的選拔、評價、開發、獎懲，這是我們BIC的壹個思路。具體來看這張表。從人才發展周期的角度和邏輯來考慮選拔、評價、人才發展、人才激勵和人才保留。我們從哪裏分析緯度？優化、預測分析和關聯，我們實際上是自下而上，我們描述和基準測試、關聯分析，然後預測，最後優化。從人才選拔的角度，我們做什麽？從相關性的基礎數據和交叉分析，我們如何考慮預測的優化？從人才評價的角度，我們也遵循這樣壹個邏輯，就是我們描述基礎數據，我們尋找相關性分析，我們做預測，我們如何優化我們的管理等等。，包括人才培養。我們如何遵循數據分析的邏輯？這就是這樣的邏輯思維。
如前所述，我們的指標體系建設的業務邏輯。壹個是商業邏輯，最重要的是從戰略和業務的理解，第二個是從人才的成長規律角度。然後在這個業務邏輯的基礎上，就可以建立我們的指標體系了。其實這個系統的架構分為四層，系統層、數據層、分析層、展示層。系統層就是我們身邊有壹些數據，有壹個ERP系統。我們可以把它寫進去，進出，選詞，內網的壹些數據，業務系統的壹些數據，也就是我們身邊的數據在系統層都要選，在數據層怎麽做。數據層是純技術的操作，所以我們傳統的HR不懂技術也沒關系。我只是說作為黑匣子交給我們的技術人員是可以的。數據層的背後是分析層，分析層是基於對前面的信息、知識和數據的分析。然後是業務場景分析，運營管理的指標，組織效率的指標，文化活力的指標，運營分析的指標等等。根據這些模型，我們根據這些數據進行分析建模，輸出的是預警預測、用戶畫像，為我們的高管提供決策支持建議。這是人力資源大數據的平臺。這基本上是百度大數據平臺的升級版。從這個地方我們可以很直觀的看到，任何企業如果願意搭建大數據平臺，基本都會遵循壹個數據平臺比如系統、數據、分析、展現這四個層面。
那我們就分別來看看這幾個平臺。從最基礎的角度來說，基礎就是出入口升降調節的施工和預留管道的選擇，也就是從HR三大支柱的角度來說，就是SSC或者SDC。
事實上，我壹直主張將我們HR的三大支柱，SDC或SSC，建設成壹個大數據分析的平臺，它必須對我們的HR、我們的業務和我們的戰略具有最大的價值。我們系統的關鍵是我們需要HR發揮妳能力的壹個基礎部分，我們怎麽把壹些數據倒入這個平臺，我們要找的數據可能和人力資源信息系統不壹樣，還有離職管理系統，薪資福利，可能我們人力資源信息系統本身就有，還有更多，比如績效發展，試用期管理。這是我們基層HR應該發揮作用的地方。例如，我們的壹些專員和主管可以根據這些數據的邏輯以及我們的HRD或HRVP甚至COE的壹些要求來構建集成數據。第二層是數據層，其實是純技術。我們稱之為數據分析，包括數據清洗、處理、提取、保存、標註等等。這壹層處理的數據既包括結構化數據，也包括大量的非結構化數據。比如我們參與數據的主要流程構建，這些都是比較專業的內容。數據準備和工作數據分析涉及到數據挖掘、建模、驗證和避免數據陷阱，所以我們起到了預測的作用，這是壹個數據分析邏輯。這是數據層。
我們來看數據的分析層。它包含什麽？主題分析、制定與分析、指標體系與模型構建。這裏面最主要的是什麽？比如過去發生的事情，診斷問題，找出原因，根據過去的壹些數據，通過分析建模來學習，找出其中的相關性，而不是像過去那樣通過假設來驗證，通過對今天數據的及時觀察、及時分析、及時調整，讓數據發揮預測預警的功能，這就是為未來可能的決策提供令人信服的依據。這壹層是從數據信息到知識的過程。為什麽先告訴妳那些概念，就是要用在這個地方？從數據信息到知識，數據分析需要數學理論、行業經驗和計算工具的結合。