好莱坞电影《美国队长2》中的大反派佐拉博士说：“21世纪就是一本巨大的数据词典”。漫画世界中的这一遐想并非夸张，我们的世界正在被迅速的数据化。未来，整个世界都可能被写成0-1代码，用数据来代表。商业世界的先知先觉们已经意识到，只有把资源数据化才能实现最佳的配置。在这一个充斥数据的商业世界里，要想理解商业逻辑，就不可能离开数据这一语言。
谷歌的人力资源部叫作People Operations，简称POPS，该部门就像一个严格的科学实验室，已在公司内部建立了多个数据收集平台，借此观察员工的工作习惯、日常行为等，据此实施人力资源管理举措。对员工的考核、薪酬、福利和培训，都依据数据给予个性化对待。
例如，POPS研究发现，由于经济衰退和竞争加剧，员工们对基础工资的看重超过任何奖励，于是最终决定给所有员工涨薪10%，这使员工非常满意。他们的研究也会深入到微小的细节，比如，员工就餐时，理想的排队时间应该是三到四分钟，这样既不会浪费时间，又可以使他们与新人相遇；桌子应该足够长，让那些彼此不熟悉的员工坐在一起交谈；在12英寸的盘子旁边放上8英寸的盘子，可以鼓励人们控制饮食量，养成更健康的就餐习惯。POPS还对公司内部的卓越领导者特征进行了测量，最终确定了八项素质，从而帮助管理人员认清自己。同时，谷歌也已经意识到了，再数据化的人力资源管理也不能替代人的直觉判断，但它可以提供基于科学分析的决策参考。
人才管理就是在投资人，作为管理者都会关心那么如何让投入产出比更高呢？
人才管理既然是投资，就得关注投入产出比。也就是说，我们往哪儿投，怎么投，都需要树立经营意识，要算算账，让人才管理决策更加优化，更好地支持业务发展，增强企业的竞争力。
尤其是在人才短缺时代，人才管理只地越来越精益化，不能仅靠直觉和经验做判断，需要有依据地开展人才管理实践，围绕企业战略目标，最大限度地挖掘和释放人才潜能。随着大数据时代的到来，人才的管理者要更加重视人才分析。
有的企业在校园招聘时，会青睐那些具备一流学术记录的名校生，但是，AT&T和Google的量化分析发现，应聘者的主动性远比这些更能预测工作绩效。有了这样的数据化证据，就会从背景信息导向的评估转向基于胜任力的评估。类似的，加拿大皇家银行为了在招聘过程中找到高素质、复合型的多元化人才，在应聘者的初选中，他们要求应聘者不要提及自身的教育背景和毕业院校，从而避免招聘者对应聘者产生偏见。
通过数据化的人才分析，可以让人才培养不再凭直觉，找到差距与不足。
中国金花李娜在“澳网公开赛女单决赛”中捧起冠军杯的事，令国人好一阵振奋。那么，李娜为什么能够获得第二次大满贯呢？其教练卡洛斯就曾明确表示，是大数据帮助她提升了能力，从而更好地指导了李娜的表现。
网球比赛与其他体育项目一样，涉及大量数据，主要是“一发成功率”“一发得分率”以及ACE球，这些是标志竞技水平的关键指标。发球速度、发球成功率、得分点则突出体现了球员的打法特点。在教练过程中，如果“非受迫性失误”“双发失误率”上升，则表明球员心理状态或体力开始下滑。大数据对这些信息均有统计，因此能够使教练与球员自己评价比赛技术发挥的好坏。而在比赛过程中，大数据又能帮助教练与球员制定正确的策略与战术。IBM研制的智能分析平台， 能够基于过去8年的赛事数据，对每个球员的历史记录进行分析，确定出每个球员的关键指标。每场比赛分析的数据超过4100万个，包括比分、回合数、制胜分、发球速度、击球类型、击球数量等。而这些数据都是通过给球员配备的传感器获取的。
在信息化高速发展的今天，完全依靠天赋和直觉成才的日子，已经一去不复返。
通过数据化的人才分析，帮助组织准确发现人才，是猎头，不是“猎腰”“猎脚”。
世界如此之大，面对茫茫人海，谁是企业某个岗位最合适的人选？这个问题在以往很难解决，但是在今天却有了可能。方法就是依靠大数据。
著名的跨国人力资源公司，都搜集掌握了海量的人才数据库。这种数据库分门别类，汇聚了大量可供深入了解某个“职位要求”与某个人“个人信息”是否对称的资料，这就为人才寻访活动提供了优越的前提条件。当前，国内的人力资源公司之所以不能与国外发达国家的人力资源公司相抗衡，问题就出在我们没有建成这样海量信息的人才信息库。人家在世界上“猎头”，我们可能是在 “猎腰”“猎脚”。在移动互联时代，可以利用大数据方法，从所有应该搜索的范围内去搜寻、定位、选择。
据麦可思对2012级新生的一项调查显示，本科新生的逃课率为33%，高职新生的逃课率则为22%。为了阻止这种“瘟疫”的蔓延，不少高校纷纷请出各种“点名神器”。美国高校也曾遇到这种现象，对付的办法形形色色。最简单的是教授点名、逐个签到，这适合学生较少的情况，如若几百名学生一起上大课，就不灵光了。后来，有教授把一种叫clicker的神器引入课堂，学生只要在课堂上按一下， 系统就会自动记录下其出勤情况。当然，这个神器还可以用来为学生释疑解惑，一举多得。
世界著名的汤森路透公司，就曾经准确地预测到谁是该年度的诺贝尔奖获奖者，准确率高达75%以上。他们是怎么预测准确的呢？途径就是凭借大数据。数据来自于引文分析，因为论文之间的引用是基于每个科研人员的学术判断，因而引文数据库就蕴藏了全球科学家的群体判断，并反映出科研活动的延续性和知识的传承。基于大数据的信息分析能够为科技规划和决策提供多方面的支持，包括了解科技的趋势，发现机会和风险，制订合理的发展目标指标，和根据评估研发投入的产出情况来优化资源的分配等。
移动互联网技术将更加普及，越来越多的人成为了互联网族中的一员，而与此同时，也出现了铺天盖地的数据。人才管理数据呈现了海量增长，如何处理这些数据成为了面临的难题。大数据时代到来，给人才管理带来了海量数据，比如人力成本数据、劳动薪酬数据、绩效管理数据，员工需求分析等。在人才管理中，搭建大数据信息化平台，让管理者从繁杂数据中走出来，借助信息化平台快速精准地处理这些数据，人才管理者只需要把关键数据提炼出来，进行定量分析，提升管理效率与水平，使得管理更加科学化。
前程无忧的有个“个人竞争力”分析模块，通过它企业可以看到投该职位的应聘者人数，工作年限，学历等信息，这样企业就能比较这些人的竞争力。竞争力排名是一个动态的数字，会随着投递人数的变化而发生变化。
数据分析绝对是体现人才管理的专业性和有效性的关键手段。行业领先的公司正越来越倾向于采用有效的分析方法对人才数据进行分析，从而提升HR管理竞争优势。以价值和逻辑为导向，整理、分析并发掘数据中存在的关键信息，并加以分析、利用，是人才管理专业价值的重要体现。人力资本管理要有数据意识，尝试用数据说话。对企业海量的人员数据、行为数据、经营数据和外部数据进行深层分析，从描述统计到推论统计、从预测到决策，不断获得有利于促进人才发展、优化商业运作模型、提高核心竞争力的信息。
人均人力成本、人力成本比重 、劳动分配率等等指标都是老板们所重点关心的。所有的这些有关人才管理方面的数据与报表，最终都会要连接到企业的财务报表，反映人才的使用效能。一方面，技术的发展，让我们有能力量化出个人的产出。另一方面市场具有高度的不确定性，倒逼人力资源管理给老板们计算出人才管理更多的确定产出。所以，现在的很多老板看上去也越来越功利，越来越要求HR用结果来说话。
人均人力成本，表示企业雇用一名员工所要支出的平均人力费用水平。这一指标可以用于一个企业，也可以用于一个行业、一个地区或一个国家的人力成本水平。即行业平均人力成本或社会平均人力成本。国际劳工组织统计发表的各国人力成本指标，就是按行业分类的平均人力成本额。人均人力成本可以分析企业间人力成本的结构差异，对各自竞争潜力和用工效率产生的影响，为调整人力成本使用方向和提高使用效益提供参照。
人力成本比重，是指企业人力成本占总成本的比重，是企业、行业、国家间商业竞争的重要指标。在市场经济条件下，商品的竞争主要是质量和价格的竞争，其中价格的竞争主要是成本费用的竞争，而成本费用的竞争又主要是人力成本的竞争。所以，一些有经营意识的企业家都把人力成本占总成本费用的比重作为决定企业盈亏的主要指标来抓。
劳动分配率指标一般只能在同行业不同企业之间进行分析比较，或对同一企业的不同时期进行比较。劳动分配率这一指标的弱点是增加值统计的难度比较大。现在折旧率的主动权由企业自己掌握，所以它只能作为辅助分析指标使用，即创造的价值用于支付人力成本的比例） 劳动分配率表示企业在一定时期内新创造的价值中有多少比例用于支付人工成本，它反映分配关系和人工成本要素的投入产出关系。同一企业在不同年度劳动分配率比较，在同一行业不同企业之间劳动分配率的比较，说明人工成本相对水平的高低。
每个老板们的心中都会有个潜台词：“你告诉我，我花了这么多的人工成本，我买到了什么！值吗”。
