为什么大数据让人力资源如此重要

简介:

致所有人力资源从业者:你极具潜力成为你们公司最重要及最有价值的员工。但你得聪明点儿,不要惧怕捣弄数字。幸运的话你所需要的所有数据尽在指间。

“过去我们就像牧羊人,天天点人数。”甲骨文人力资本管理战略总监Melanie Hache-Barrois说道,“但是现在我们是真正的战略决策者。”

从办公室文员到无价规划师演进的关键,是依赖于对员工统计数据和信息的收集和分析。

正确的技术可以让人力资源专家们预测其公司的前景,并以数据予以支持。他们可以提出如何面临挑战的建议以及抓住机遇。

“这的确是一种新观念。”Hache-Barrois认为,“人力资源需要用数据来助力思考。大数据和分析都是热词,但我们需要比用术语更精准,这种加速意味着大数据分析成为人力资源的关键一环。”

具体需要调研和存档何种数据?Hache-Barrois认为收集数据的初衷很重要——是为了预测以及战略决策。不要让约定俗成的方法局限决策。“我们并非在表格里先数数人再产生想法。而是先有一个想法,然后利用分析去探索数据,最后基于事实来做决策。”

数据如何创造不同

有两种方式获取数据:一是被Hache-Barrois称为“老派”的经典调查问卷,另一种方式更为系统化,人力资源系统和员工的电脑通过云相互连接,这样在其工作期间就可以获取信息。

“这样就可以在员工工作期间收集到近乎所有数据。”她说道,“无论何时他们登录学习和培训系统,就可以分析到他们分享何种内容以及他们如何与其他人合作或互动。”

当收集到所有员工的这类数据,就可以建构一个完整的员工视图。可以预测他们对新公司政策的反馈,抑或改变现有政策,衡量他们如何看待公司荣誉,领会他们是否处于工作状态或者试图离开。

《甲骨文人才研究》(Oracle Simply Talent Study )发现56%受访者认为增强产出是更佳融入工作的直接导向结果。其中,37%的员工认为感受到融入工作会减少他们寻找其他就业机会的向往,这对人力资源来说尤其是在如今相关技能处于市场强需求的情况下至关重要。

“这样的数据越多,就越能令员工满意,他们将会更开心、有安全感甚至有更多产出,”Hache-Barrois这样说道,甚至拿出数据来支持她的观点。甲骨文在欧洲进行了研究,其问询了来自7个国家的1500名员工:什么使他们融入公司?答案是人们觉得当处于这三方面时最有融入感:他们理解公司,他们在公司担当责任,上级管理人员关怀他们。

该研究发现大部分受访者(53%)认为成就是他们最优先级,然后是帮助他们理解其在公司的贡献(35%)以及好项目的工作机会(34%)。

“当员工感受有价值并且被关怀的时候,自然会有忠诚度。收集并分析这些数据让人力资源可以作出决策并且实施正确的政策,这使得他们很重要。”她补充道。

本文转自d1net(转载)

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
数据采集 监控 安全
大数据应用:大数据在医保管理中的应用与面临挑战
  医疗保险面临基金收支平衡压力增大、医疗服务违规行为多发、传统经验决策方式落后等多方面挑战,从信息化建设角度,人社部门推进全民参保登记、医保智能监控、支付方式改革和移动支付探索等工作,积极开展了医保大数据应用。但在应用过程中仍然面临数据质量有待提升、数据应用尚不充分、安全体系还需健全等问题。继续深化医保大数据应用,下一步应重点围绕四个方面:
1171 0
|
分布式计算 算法 大数据
|
大数据 数据安全/隐私保护 数据挖掘