京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据:人才发展决策新“罗盘”_数据分析师
从2012年始,大数据(big data)一词越来越多地被提及,人们用它来描述和定义信息爆炸时代产生的海量数据,并命名与之相关的技术发展与创新。
庞大的数据正在迅速膨胀,它决定着社会的未来发展。哈佛大学社会学教授加里·金说:“这是一场革命,庞大的数据资源使得各个领域开始了量化进程,无论学术界、商界还是政府,所有领域都将开始这种进程。”
人才发展的决策同样如此:人才发展的决策也已经不能仅凭经验和直觉,而要依靠对人才经济的数据分析来得到。人才发展的研究与管理更是如此。
提高引才精度
人才发展决策及管理常常是困难的,因为它往往直接影响到人才个人及群体,并且通常是深刻地影响到他们的创新创业活动。同时,它往往又直接影响到用人单位,关系到组织目标的实现。
基于量化研究结论的缜密思考可以帮助人才工作决策及管理者找到一种办法来同时促进社会组织和人才双方利益的增加。如,中组部在东南部沿海地区尝试推广的“人才团队项目绩效评价”,就是人才发展量化管理的一个有效方法。各类人才团队项目的绩效通过包含数十项指标、体现人才项目经济效益、科技效益、社会效益的“人才项目绩效评价指标体系和标准体系”的评价与相应数学模型的测算,得到各类人才团队项目绩效的量化分值及其优势和短板的量化分析结论。人才工作决策及管理者和用人单位据此可以清晰地了解和掌握各类人才团队创新创业的成效和不足,人才团队也从中了解和认识到自身的优势和缺失,从而在组织的支持下进行“归因分析”,进而制定绩效改进的方案。
严密的分析可以通过阻止人才工作决策及管理者采取一些武断和有害的行为,而对人才创新创业有所帮助,并且使人才使用单位受益。仍以“人才团队项目绩效评价”为例:佛山市南海区将预期绩效评价结果作为引才的“罗盘”。人才项目引进从全区的产业需求出发,本着“有所为有所不为”的原则,在人才项目申报之时就开展“预期绩效评价”。项目的评审认定按照绩效评价方法加以考量,并将项目“预期绩效”作为今后发展实绩的比对标杆。人才“预期绩效评价”有侧重地推行“节点引才”,尽量避免“捡到篮里就是菜”,或阻止“凭领导的好恶点人才”现象的发生。
避免“盲目资助”
严格的数量化思考不仅有可能显示出一项对人才发展有负面影响的决策是质量低劣的,而且有可能揭示出一项不清醒的、依据不足的决策是错误的。以引进“高端人才”为例:有些不具备引进高端人才条件的地区,没有对本地区的人才经济和社会发展现状进行定量分析,也没有对引进高端人才的可行性进行定量研究,盲目追求“海归”人才的引进,以扩大“社会影响”,显现本届政府的“政绩”。由于本地区不能给“海归”人才提供其创新创业的经济平台、科技平台、产业平台及政策环境,致使“海归”人才无法展现和发挥其聪明才智,万般无奈之下,又只得“归海”。此项“不清醒的、依据不足的错误决策”使该地区付出了昂贵的“学费”,使“拍脑袋”决策者得以清醒,但为时已晚。
此外,数量化思考可以使人们认识到一项特定的决策尽管符合人才发展的大方向,但却是代价高昂的。在没有进行分析的情况下,人们往往是低估而不是高估对人才管理所可能产生的成本。江苏张家港市把绩效评价成绩单作为项目管理的“利器”,明确要求落户满两年的人才项目必须开展绩效评价。根据各项目绩效评价成绩单实行分类管理。评价优秀的项目给予重点鼓励与培育推进,评价不达标的项目要会同相关部门,与领军人才面对面地沟通、一对一地把脉问诊,深入查找问题症结所在,共同商议提出补长短板、解决制约瓶颈的“绩效改进计划”。在项目日常管理中,将项目绩效与兑现后续资助政策“绑定”,明确人才项目达到绩效评价相应条件、经验收合格后,方可享受后续相关资助政策,避免了“盲目资助”所产生的高昂成本。
因此,人才发展的量化研究及管理有利于推进人才发展的科学化、规范化和制度化进程。
量化人才发展
我国不少部门的领导人数据意识淡薄,由来已久,缺乏用数据来说话的的习惯和素养。在国家的管理上,也缺乏以数据为基础的精确管理,有时甚至是刻意回避数据。我国人才数量居世界首位,将会成为产生人才经济数据量最多的国家,但我们对数据保存不够重视,对存储数据的利用率也不高。此外,我国一些部门和机构拥有大量人才经济数据却既不公开,也不愿与其他部门共享,导致信息不完整,给人才研究带来极大困难。
“人才发展管理将日益基于数据和分析来实施,而并非基于经验和直觉”,应该成为大数据时代广大组织人事人才工作者强烈的行为意识;人才发展的量化研究,也应该成为大数据时代广大组织人事人才工作者必备的基本功和工作技能。试想,一位组织人事人才工作者对本部门负责地区的人才发展态势心中无数,言中无量,何以履职,何以作为?
现时期人才发展的量化研究,包括整体综合研究和单项环节研究两大类型。其中,整体综合研究可以对区域人才发展态势、区域人才综合竞争力等方面展开研究;单项环节研究可以对区域的人才集聚度、人才集聚力、人才投入力度、人才流动态势、人才空间配置结构、人才发展平台、人才创新创业指数、人才发展环境指数、人才贡献率、人才使用效益、人才团队绩效评价、人才工程绩效评估等方面展开研究。
以人才贡献率研究为例。作为国家制定人才工作政策的决策者,作为人才资源开发与管理工作者,更为关注的是人才资源在经济增长和社会发展中的支撑作用和贡献度。具体地说,人才对经济发展做出了多大贡献?在每年的GDP中人才的贡献占了多大份额?更通俗地讲: 每年的“人才GDP”是多少?在这样的背景下,由此导出“人才贡献率”问题。
人才贡献率指标不能通过简单的数据统计得到,而是需要进行较为复杂的综合测算。研究人才贡献率的结果显示,人才资本增加的速度和积累的多少决定着人才资本增长对经济增长贡献率的高低,以及人才资本增加的速度和物质资本增加的速度是否保持了一个合理的比例。这一导向的目的是为了进一步落实科学发展观,强化科教兴国战略和人才强国战略的实施力度,推进人才“以用为本”理念的践行,引领我国人才事业的科学发展。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师 出品 作者:李诗怡 四层结构 · 零件与房子 · 六大易错点 一、什么是指标体系 定义:指标体系是整套完整框架 ...
2026-10-13写在开头 先还原一个你大概率见过的场面。 立项会上有人说:我们得做用户画像。 于是团队关进会议室,白板写满便利贴,两小时后 ...
2026-10-13 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-10-13在统计学与数据分析研究中,相关性分析分为数值变量分析与分类变量分析两大类。针对身高、销量、分数等连续数值变量,通常采用皮 ...
2026-10-12在Power BI可视化分析体系中,常规表格仅能展示枯燥的数值数据,存在数据对比不直观、强弱规律不突出、维度交叉分析低效等问题。 ...
2026-10-12 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-10-12在传统零售行业同质化竞争激烈、大众营销转化率持续走低的背景下,依托经验与直觉的粗放式营销逐渐失效。美国塔吉特百货(Target ...
2026-10-10随着智能客服、数字化服务、用户精细化运营的快速普及,传统零散、非标准化的客户服务数据与业务体系逐渐难以支撑高效服务治理。 ...
2026-10-10 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-10-10CDA数据分析师 出品 作者:李诗怡 定义区别 · 场景举例 · 指标分类 · 计算方法 知识体系总览 模块 包含内容 一、核 ...
2026-10-09在数据分析工作流中,业务数据大多存储在各类关系型数据库内,例如MySQL、PostgreSQL、SQLite等。Pandas是Python生态中主流的数 ...
2026-10-09在数字化精细化运营时代,海量用户存在需求差异、行为差异、价值差异与偏好差异。如果企业采用“一刀切”的统一营销、统一服务、 ...
2026-10-09 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-10-09指标体系是企业数字化分析、业务监控、经营决策的核心基础框架,是将零散数据转化为可衡量、可对比、可落地业务价值的关键体系。 ...
2026-10-08随着市场竞争日趋饱和,同质化低价竞争逐渐陷入内卷僵局,传统以价格、渠道、促销为核心的营销模式边际效益持续递减。在此背景下 ...
2026-10-08 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-10-08你有没有想过,手机里点外卖、刷社交软件、转一笔账,背后到底是谁在替你"记着账"? 答案其实很简单:数据库,以及跟它对话的那 ...
2026-10-07CDA数据分析师 出品 作者:李诗怡 一、数据分析四大思维 1. 对比思维:没有对比就没有分析 核心观点:单独一个数字没有意义,有 ...
2026-10-05Kimball 是方法,星型模型是它产出的形状。 很多人把"Kimball vs 星型模型"当成一道选择题——这本身就是个误会:Kimball 是动词 ...
2026-10-05写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03