人力资源管理在企业里的地位和作用，一直是人力资源领域里广为讨论的话题之一。相对于企业里的市场、销售、生产、财务和IT等职能部门，在很多企业中人力资源部门相对“弱势”，其在企业中扮演的角色和起到的作用也广为人们所质疑。其中的原因有很多，但传统的HR不善于用数据说话，决策过于依赖“定性”的分析和通过“人际关系”来解决问题，不能不说是其中的一个主要的因素。大数据的兴起与预测分析工具的成熟，对于相对来讲缺乏技术知识的HR人员来讲不能不说是一大福音，不用深度的统计学和人工智能的相关知识，利用成熟的工具，我们就可以通过数据发掘出关联关系和知识，让HR从艺术迈向科学。
一、《点球成金》带来的思考
美国哥伦比亚影片公司2011年出版了一部名叫《点球成金》（Moneyball）的电影，该电影在2012年获得了奥斯卡金像奖和美国金球奖。该片改编自迈克尔·刘易斯的《魔球：逆境中致胜的智慧》（Moneyball: The Art of Winning an Unfair Game），是一个在现实世界中真实发生的故事。该片介绍的是在竞争激烈的美国职业棒球联盟（简称MLB）中有一个叫奥克兰运动家棒球队的球队，该队在2002年度的联赛中，由于资金的匮乏，买不起大牌球星，而原来的三名主力也被重金挖走，在没有人看好该球队的情况下，该队的总经理比利（Billy），打破惯例和常规，不按常理出牌，在好友、耶鲁大学经济学硕士彼得(Paul）的帮助下，突破传统的思维方式，运用分析和统计的方法建模，通过数据分析的方案物色了一批虽有种种缺点，但在棒球运动的某方面的超强能力且价值被大大低估的队员，成功的通过团队的方式，在常规赛季取得了20连胜，以骄人的战绩进入季后赛的奇迹。
根据传统的方法，棒球队参考的主要数据是球员是挥棒姿势、左右撇子等方面的数据和组合。尽管这些传统的智慧和方法曾经是被广泛认可和普遍接受的方法，但传统的智慧和方法很大程度上却是未经检验的伪科学,可能会有一定的参考意义，但一定不是最佳和最完美的解决方案，更何况有些“知识”不一定是真实的。彼得使用电脑分析海量的历史数据，得出球员的上垒率、击打率、保送率等信息，并通过电脑来构建模型，得到远比传统智慧为佳的团队构建的解决方案，值得我们企业的人力资源管理人员的深思、借鉴和采用。
互联网+时代的到来，数据和信息呈爆炸式的增长，给我们的经济、社会与文化生活带来前所未有的挑战，对我们传统企业人力资源管理更是产生了根本性挑战: 经济迅猛增长和技能和职位的要求脱钩，形成了巨大的人才缺口; 白热化的人才争夺战加大了人才挽留的难度; 经济的发展也带走许多有价值的东西 – 员工的信用、勤奋和敬业; 忠诚和道德风险正在困扰着企业管理者; 便捷的信息渠道，当今的员工比以往更加关注劳动力市场上的工作机会; 许多员工特别是年轻员工的理念是，快点升职，快点赚钱等等。而企业对于人力资源的要求也不再局限于原来的行政事务性工作和基于HR六大模块的专业化运作，要求HR 能够理解和分析怎样的行动会给企业增加价值，而什么行动可能会减少或弱化企业的价值，并有针对性的开发和执行对企业有益的人力资源战略。
然而， 目前HR的基础理论大都是十多年前（甚至是几十年前），基于大规模工业时代的特点形成。企业HR从业人员的知识和经验大都是曾被广泛认可和普遍接受，可能是更适合于大规模工业时代特点的内容，有些甚至是在大规模工业时代也不一定正确的伪科学和伪命题。
大数据（Big Data）是一个新概念，在过去的几年里，互联网、云、网上购物和社交平台的飞速发展，使得数据以每年翻一番，甚至更多的方式发展，大数据的分析工具其有效性也得到很大的提高, 很多工具可以实时分析这些数据，发现内在的规律和知识，提供有价值的和科学的结论。
传统的HR管理使用得较多的是滞后性的数据，即通过报告、图表等方式，将已经发生过的一些事实展现出来。但是这种展现难以发现其中的关联关系，因而难以帮助企业做出科学的预测和决策。预测分析（Predictive Analysis）不是报表、驾驶舱、九宫格、复杂的数学公式，它是通过对大量数字的分析，挖掘出数字背后的、隐含的且难以通过常规方法发现的关联关系和知识，是通过数字提高人们的洞察力，并通过发现的知识来实现更好的决策！
理论研究界普遍接受人力资源管理的数据分析方法是人力资源管理发展的重要趋势之一。在人力资源转型和专业化的提升过程当中，数据分析扮演中至关重要的角色，它使得人力资源管理的理念、技术及技巧从艺术走向科学。
预测分析除了在奥克兰运动家棒球队得到非常成功的应用之外，也给传统的职业运动领域带来巨大的变革。以往职业运动往往是通过经理、教练的个人经验来组队，由于奥克兰运动家棒球队的成功经验，纽约大都会队、纽约洋基队、圣地亚哥教士队、圣路易红雀队、波士顿红袜队、华盛顿国民、亚利桑那响尾蛇队、克利夫兰印第安人、和多伦多蓝鸟队纷纷聘请全职棒球统计学分析师。在其它运动领域，聘请统计学家来做预测的运动队也越来越多，如多特蒙德、阿森纳、埃弗顿和诺维奇都显示了Moneyball理论在足球领域的成功，通过特定的球探系统来分析统计数据，来找到价值超过其价格的球员。
在人们将谷歌公司的成就归功于领先的技术及商业模式的时候，而谷歌公司却认为其成功来源于成功地运用了“人事分析”的管理实践。谷歌的人力资源部门中三分之一的是传统的HR人员，三分之一是高端、策略顾问类型的人，还有三分之一是高级学历分析专业人员。谷歌在判定杰出的管理者及其特性时，不是采用人云亦云或拍脑袋的方法，而是通过对大量的内部数据进行研究分析的氧气项目来分析，发现拥有深厚的技术功底的管理者和定期的一对一交流是成为一名卓越的领导者最重要的品质。谷歌开发了一个预测模型并运用有效分析进一步改善对未来人事管理问题与契机的预测。谷歌也将运用数据分析提供更具成效的员工计划，这是实现企业快速发展与变革的关键。谷歌在人事分析和预测等方面还有很多效果良好的实践，如高效招聘算法，人才保留算法等，同时也发现”娱乐”是人际吸引、人员留任和员工合作中的关键因素等知识。
几年前，惠普公司的离职率较高，一些部门每年离职率高达20%。为了解决这个问题，2011年，惠普公司的两位天才科学家发现了用数学方法来评估每位员工忠诚度的方法，从海量数据入手，如薪酬水平、加薪情况、升迁情况及轮岗情况等，将它们和已离职员工的详细工作经历联系起来开展相关性分析。在他们所发现的数据相关性基础上，为全球33万名员工都打了一个离职风险评分（Flight Risk Score），以此确定员工的“离职风险”，即看看哪些员工更容易离开公司，并以此为依据，建立了科学的人才保留方案。该项目的成功实施，为惠普全球节约了大约3亿美金（包括估计的人员替换成本和生产率下降带来的损失。
Evolv通过对3万到10万名员工超过3百万条的数据挖掘发现：用火狐浏览器(Firefox ）或谷歌浏览器（Chrome）申请职位的比用IE浏览器申请职位的小时工通常会有更好的绩效和离职率较低。而对于呼叫中心的员工，有犯罪背景的员工反而比没有犯罪背景的员工表现要好一些， 而“频繁变换工作的人（Job hoppers)”反而不会像先前长时间为一家公司服务的员工，有可能会很快离职。
类似的实践还有很多，如马士基集团（Maersk）对诸如员工敬业度、管理层的承诺、培训等HR指标与安全事故之间关联的关系、壳牌（Shell）通过HR相关数据和业务的数据如生产率、财务结果和安全事故等的相关性分析等等。他们都试图通过对数据的分析，揭示和挖掘出目前还是未知的隐形知识。
目前国内一些业界领先的企业也开始了利用大数据和预测分析的尝试。腾讯在HR领域的大数据实践最早可以追溯到2012年，通过建立在统一的E-HR平台基础上的规范的结构化数据，将腾讯历史上所有的员工按照稳定程度分成多个样本，通过数据的挖掘找到与稳定性相关的典型特征，建立起能够识别候选人稳定性的数学模型。
通过大数据和预测分析，我们不仅可以发现未知的隐形知识，而且可以纠正传统知识和经验的错误。依据企业的传统招聘价值观，国外通常在招聘销售人员时可能会更关注候选人毕业的大学、在大学的成绩和推荐信的质量。但数年前，一个金融服务企业的一位数据分析师进行了一次销售人员业绩分析，将销售人员进公司头两年的销售业绩、总体业绩、存活率进行综合分析后得出来的发现让人颇为吃惊，数据揭示的成功销售人员的重要特征却是：
● 简历中没有语法错误和笔误。
● 在学校期间没有辍学，并坚持获得了学位。
● 曾经有过房产或者汽车的销售经验。
● 之前有过成功的职业经历。
● 能够在上级给出的任务指令不是很明确的情况下依然获得成功。
● 有好的个人时间管理习惯，并能管理好多重任务。【来源：互联网】
