
如何用大数据回应管理需求_数据分析师考试
大数据与 “云计算” 的结合, 能够给世界带来一场深刻的管理技术革命与社会治理革命。 当下, 某些利用大数据和云计算产生的成果已经应用在实践中, 对提升管理水平和创新管理方式起到了重要作用。 大数据还将在哪些方面对人力资源管理产生变革性影响? 企业管理如何顺应大数据应用潮流?
大数据是一种思维方式和管理方略
记者:目前,大数据的采集应用是社会科学的一个热点。社会管理各个层面都在呼唤大数据,人力资源管理领域也不例外。您如何理解大数据应用?
王通讯:作为一种数据集合,大数据在使用过程中实际包含三层含义。 一是数据很大,二是变化很快,三是构成复杂。但是,大数据不单单是一大堆数据的存在,更重要的是大数据还是一种思维方式和管理方略。
有观点认为, “大数据”与 “云计算” 就像一枚钢镚的两个面,二者相辅相成。这个观点是非常有意义的。大数据相当于储有海量信息的信息库; “云计算”相当于计算机和操作系统。大数据与 “云计算”二者结合起来, 能够给世界带来一场深刻的管理技术革命与社会治理革命。当下,某些利用大数据和云计算产生的成果已经应用在实践中,对提升管理水平和创新管理方式起到了重要作用。
记者:您能否举例说明?
王通讯:大数据的一个重要特点就是不重数据的因果性,而重视数据的相关性。在商业运用上,最著名的例子是沃尔玛公司。沃尔玛发现在他们的卖场里,凡是购买婴儿尿布的顾客,很多都要买上几罐啤酒。这是为什么?不知道。 但是, 掌握了这种关联性的卖场经理,就可以告诉上架员,把罐装啤酒与婴儿尿布摆放在一起。这么做,果然提升了这两种商品的销售量。
在与人力资源政策相关的领域内,如今也有了类似的例子。在劳动力数据应用方面,国家发改委的研究人员发现了 “榨菜指数” “方便面指数”,就是这两种产品的销售量与国内农民工流动流向高度重合。这对于了解劳动力流动趋势大有帮助。
而在人力资源管理上,我们也可以通过观察与人力资源管理密切相关的数据和指标,来观测人力资源活动的某些特征。例如,美国亚利桑那州立大学利用与大数据、云计算相关的一些测量技术对技术人才的创造力进行研究,发现在某一组织内部,当这个组织的创造力旺盛时,员工彼此间的互动更加密切,也就是与同事的交谈增多。
一家软件公司就运用这一成果,开发了一种活动———“黑客马拉松”:让一群程序员聚在一起, 给他们提供计算机、 沙发、 比萨和饮料, 鼓励他们提供小组合作方式共同构建下一个革命性产品。此举大大提升了程序员团队的创造力。
大数据在各个领域的应用是相通的
记者: 我们知道, 在人力资源管理领域内,大数据的应用目前并不多见。人才管理更多的是需要从其他领域中的大数据应用中汲取灵感。这方面您有什么研究心得?
王通讯:最值得关注的是教育领域对大数据的应用,这对我们的人才培训非常有借鉴意义。
美国已经利用大数据方法建立了富有个性的高等教育教学支持系统。其中有一种 “学习分析技术”, 能够通过对与学生相关的海量数据分析,辨别出每个学生的学习行为和学习模式。这就便于在学习的初始阶段发现哪些学生面临学习困难, 从而采取比较准确的帮扶措施。
教育与人才培养其实是相通的。因此, 教育系统的这些应用成果和方法将来都可以运用在人才的培训体系建设与受培训者能力的提升上。
记者:按照您刚才所举的例子来看,大数据似乎在各个领域的应用都是相通的。应用大数据的本质是什么?
王通讯: 其实大数据的本质是 “洞察”。在社会管理中,大数据可用于洞察社会工作重点、洞察未来趋势、洞察社会管理规律。而在商业活动中,大数据可用于洞察调度奥妙、洞察客户需求与信用度等。
在人力资源管理上,大数据的 “洞察” 作用一样很明显。它可用于洞察员工表现。国外某些高科技企业要员工做 “工作日志”, 就是把一天的工作情况用计算机记录下来。通过对相关数据的记载、分析,企业不仅能够了解员工的真实表现,而且可以提前干预,避免绩效下降。
记者:其实目前寻找人才的猎头、招聘模块,是对大数据需求最为迫切的领域。您觉得在这一领域大数据有什么用武之地?
王通讯:我认为,大数据时代给招聘带来的利好是能够实现 “全信息选人”。 从理论上讲, 凡是符合条件的都可以进入选拔的视野,这就解决了以往少数人从少数人中选人的弊端。
发达国家猎头公司之所以能够帮助国家、企业寻找到合适的人选,是因为它掌握了大数据这个猎才利器。现在国外已经开始通过大数据挑选电视剧本的合适演员。 整个过程有观众、 影视粉丝参与, 而且可以预测票房价值。而在国外的体育赛事领域,一些职业球会与俱乐部开始利用统计学知识和技术,将球员的能力数据化,并以此作为衡量球员的标准。他们通过计算机程序和数学模型, 以有限的预算,找到了一些原本价值被低估了的球员。
我们和国外的这种差距敲响了警钟:如果我们没有大数据, 就不能 “猎头”, 只能 “猎腰”、 “猎脚”,处于产业链的低端。
大数据本身创造了新的职业需求
记者:大数据对于企业管理岗位的变化是否会产生某些影响?
王通讯:实际上,大数据除了应用于人力资源管理, 本身也创造了很多新的职业需求。《哈佛商业评论》 杂志认为,21世纪最热门的职业是数据科学家。 数据科学家的首要任务是,把散乱的数据变成结构化的、可供分析的数据,找出丰富的数据源,整合可能不完整的数据源,并清理成结果数据集,从而帮助决策者揭示蕴含在数据中的规律。 到2015年, 全球市场需要440万个信息技术岗位, 每个岗位将催生3个非技术岗位,而现有市场仅能满足1/3的需求。
这一研究成果给人力资源管理的启示是,在包括企业在内的商业机构与其他社会组织中,为落实大数据战略,必须设置首席数据官(CDO) 这一重要岗位。 需要注意的是,CDO与CIO(首席信息官) 不一样。 能够走上这一岗位、职位的不仅是信息科学家,还应该有懂得数据科学、 信息挖掘的行政工作者。因为, 信息官既要懂得数据, 更应懂得社会、人文,只有这样,才能担负起应有的职责。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02