京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据对人力资源显示人性一面_数据分析师
在进入到互联移动时代之后,因为我们因为互联网、物联网等等的驱动产生的结构化和非结构化海量的数据,今天的报告就从大数据的视角来切入。
大数据也是有人性一面的,对人力资源有什么样的影响呢?第一章重点谈一下三家机构的报告,这是非常振奋人心的,因为带来了新的变化,新的工作的岗位和职位。这也代表了未来的机会。
2015年企业数据是核心的资产,包括一些企业设置所谓的CDO的组织。IDC另外一分报告,最终所有的大数据必须经过业务需求导向分析运用产生出价值,这是推动人才培养上很重要思考的方向。另一份研究报告也谈到所谓的数据科学家,这在市场上也会产生很多新的工作岗位,这是在人力资源方面,因为大数据而带来的正面的宏观性的影响。
SAS公司针对超过全球两千多位企业管理者做的深入的访谈之后,归结出来进入大数据时代,对于企业竞争力的提升是来自于分析型的企业文化,是远胜于一般的数据管理和技术层面的影响力。企业文化最终是以人为本形成的,当我们有分析导向的企业文化之后,人才的招聘、选拔、培养一直到保留都要贯穿这样分析的概念,让我们从各个阶段的人力资源战略里都数据中挖掘出更有价值的洞察力可以结合在一起。
拿两个成功的企业来做分享。第一是COACH,它的成功关键之一是人力资源的组织规划下之下总部有一个战略分析的智囊团,它的负责人和首席战略官就是市场营销的负责人,从战略的订立到市场的分析技术的结合到第一线市场营活动是高效的整体性管理。而且打破了智能和部门的障碍,让战略的专家和分析技术的人员结合在一起,大家可以激荡出更多的火花,激发出更多的潜力。
第二是沃尔玛,它在全球是零售业的领导者,他们对互联网进入新的移动互联的时代很关注,据他们的统计每周在社交媒体上有超过三十万笔的信息会提调到沃尔玛,他们总市场部门到人力资源管理部门非常重视,如何运用大数据协助来做好公司品牌形象的建立以及人才的招聘。沃尔玛一年全球的招聘是50万名员工,要达成这样的任务必须运用新的科技手段,结合了对客户行为分析的技术,转化为人力资源对人力的招聘和培养。
重点是沃尔玛在人力资源部门对于分析数据团队,跟过去不管是财务管理、风险以及市场营销部门的分析技术团队是同样的重要。
SAS公司实际的经验,我们是关注在商业分析、数据挖掘领域的全球领导者,IDC调查我们占了35%的市场份额,我们在创办之初CEO就下了决心,要打造出一个最优良的工作环境,我们内部的战略很重要的是如何发展成最好的工作的环境,在《财富》杂志做全球最佳雇主的评选时我们就入选了,连续16年入选最佳雇主。过去五年是维持在前三名,2013年、2014年是排名在Google之后的第二名。
全球的布局下各国的分支机构也把人才的培育、员工的满意度、忠诚度列入重要的KPI的指标。我们在各地也尽力的建立良好的环境去吸收和培养更好的人才,当我们的员工感觉是最佳的雇主的环境,对我们的向心力也更加强了,这也是新的变局中吸引留住人才的可以参考的。
我们希望有快乐的员工确保有满意的客户,最后回馈到我们的员工和客户身上之外,很重要强调工作和生活的均衡。我们有各种不同的体制和环境的配置,包括总部工作环境是有托儿所、健身中心、医院、学校,让我们的员工没有后顾之忧,可以把工作全力以赴做好,但是家庭也可以兼顾到,这是我们公司最大的努力方向。
人才战略的布局也有长远的考虑,对于在学术教育方面做出很多的付出,包括对学术界除了各种软件的捐赠、培训的计划合作之外,我们在中国跟北大、清华、人民大学、厦门大学等等超过一百所高校做了合作,这对我们有很大的意义,一方面培养了自己需要招聘的人才,把校园人才提前延伸出去,培养了未来员工的人才,也帮客户培养了很多人才,举个例子,我有机会拜访一些重要客户的领导,有些客户说到,我在大学研究生论文就是由你们SAS完成的,对我们有深厚的情感。对于学术教育的投入是进入一个新时代还是值得我们企业去参考的,它是人才战略部署很长远很关键深远的影响。
最后分享一句话我们的CEO谈到,如果坚信员工可以改变世界,他们必将改变世界!当我们作为一个企业的领导团队,对我们的员工有这样的信念,而且把这样的热情传递给他们,一定可以激发出他们的潜能,做好对客户的服务,这是我们在人才战略发展上的非常关键的所遵循的宗旨,
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20