人事管理也將進(jìn)入大數(shù)據(jù)時代

    算法事實(shí)上只是人腦決策程序的自動化，而傳統(tǒng)的HR流程本就是經(jīng)營者用自己的大腦，在有限的資料來源下，去預(yù)測每個人才適配性。換成用機(jī)器去處理，本質(zhì)上是一樣的。如果這樣的決策方式，能夠讓每個人才適得其所，并且得到更合理的工作報(bào)酬，事實(shí)上，可能是更美好、更有效率的社會。

Kids Auditioning

    既然我們已經(jīng)在用 Big Data 在分析、預(yù)測并且影響消費(fèi)者的行為，沒道理它不能被運(yùn)用在分析、預(yù)測并且影響其他人類的其他行為。以企業(yè)的角度去看，除了消費(fèi)者之外，在知識經(jīng)濟(jì)時代，另一群同樣關(guān)鍵的人，就是我們賴以產(chǎn)生價(jià)值的人才。

資料源的根本改變

    傳統(tǒng)的 HR 流程，可供雇主判斷的資料來源非常有限，除了履歷表、面試紀(jì)錄，以及 Reference Checks 之外，我們必須只能仰賴直覺去做判斷，因此誤判的機(jī)率也不低。一旦誤判，雇用不適合的人才，不但會造成企業(yè)的損失，也造成人才自身的困擾。在 Internet + Mobile + Social 的時代，由于可以參考的資料量大增，如果能夠拿來運(yùn)用，提升判斷的準(zhǔn)確度，對人才市場的雙方都是利多。

模型的建立

    預(yù)測模型要準(zhǔn)確，仰賴的是好模型的建立。如何從企業(yè)內(nèi)外找出理想的人才模板，如何從他們產(chǎn)生的資料中去篩出高預(yù)測性的指標(biāo)，如何持續(xù)校正這些模型，都將是會來企業(yè)人事工作的考驗(yàn)。

非主流資料的取得

    當(dāng)企業(yè)們開始使用 Big Data 去優(yōu)化人事，將會造成“普遍符合多數(shù)企業(yè)人才模板”的少數(shù)精英供不應(yīng)求，因而價(jià)格大升。這時預(yù)算較少的新創(chuàng)企業(yè)必須要能夠像 Auckland A’s 一樣去找出多數(shù)企業(yè)所沒注意到的“非主流”資料，因此能用更合理的價(jià)格取得適合他們的人才。而就像魔球的后續(xù)一樣，這場戰(zhàn)爭將會永無止境，因?yàn)槠髽I(yè)間會仿效，而創(chuàng)新者必須要不斷找突破口。

潛力與能力的差別，個性的考量

    另一方面，無論是用傳統(tǒng)的 HR 流程，或是用 Big Data 去預(yù)測，都必須要考量人才是動態(tài)的，會進(jìn)步，也會有個性、情緒。因此如何取得潛力與性格的指標(biāo)資料，并且預(yù)測出適合企業(yè)文化與 DNA 的人才，也非常重要。

社會的價(jià)值觀

    另一方面，用算法去把人分“優(yōu)劣”，至少短期內(nèi)會是一件相當(dāng)挑戰(zhàn)社會價(jià)值觀的事情。當(dāng)然這里的優(yōu)劣是主觀的，從某單一企業(yè)的觀點(diǎn)去預(yù)測人才的適配性，而不是在評判個人的絕對優(yōu)劣。不過社會大眾短期內(nèi)恐怕無法明辨這件事的本質(zhì)，因此對于這樣的發(fā)展會產(chǎn)生反抗動能。

    但從另一方面來看，算法事實(shí)上只是人腦決策程序的自動化，而傳統(tǒng)的HR流程本就是經(jīng)營者用自己的大腦，在有限的資料來源下，去預(yù)測每個人才適配性。換成用機(jī)器去處理，本質(zhì)上是一樣的。如果這樣的決策方式，能夠讓每個人才適得其所，并且得到更合理的工作報(bào)酬，事實(shí)上，可能是更美好、更有效率的社會。

    結(jié)論就是，無論我們愿不愿意，因?yàn)槠髽I(yè)競爭，HR 往 Big Data 演進(jìn)是必然的趨勢。在這過程中，每個創(chuàng)業(yè) CEO 必須要充分理解并且領(lǐng)先去運(yùn)用這個工具，才能為自己爭取到好的 Leverage 與競爭優(yōu)勢。