导语：计算能力和存储能力的快速提升，使得海量数据得以保存，同时计算方法的创新，也为我们打开了一扇海量数据应用的大门，大数据时代已然来临。下面我们一起来看下数据驱动的HR时代!
这是一个移动的时代，同时也是一个数据驱动的时代。计算能力和存储能力的快速提升，使得海量数据得以保存，同时计算方法的创新，也为我们打开了一扇海量数据应用的大门，大数据时代已然来临。企业对海量数据的掌握和应用能力，已经成为移动时代企业竞争优势的来源之一。在这样的风口前，HR自然不能置身其外，HR大数据应用的大幕已悄然拉开，一个数据驱动的HR时代正在来临。
大数据分析在HR领域的典型应用
捷兰航空(JetBlue)的数据分析师开发了一个量化分析工具，用以测量员工的敬业度并依此预测公司的财务业绩
洛克希德·马丁(LockheedMartin)用一个自动分析系统，及时收集和分析员工的绩效数据，并根据数据分析结果识别需要改进的绩效指标
西斯克(Sysco)通过持续跟踪hr369.com员工满意度数据，及时采取相应的干预措施，将其员工保留率从65%提高到85%。仅此一项就为公司节约了大约五千万美金的招聘和培训费用
陶氏化学(Dow Chemical)使用一个数据分析模型来进行人员规划。这个模型可以根据行业发展趋势、政治和法律因素及时对人员规划进行动态调整
谷歌(Google)利用数据分析方法，对其高绩效经理和低绩效经理的行为数据进行分析挖掘，找到了谷歌高绩效经理特有的八项能力素质，并将其应用在经理人员的招聘和发展上
诸如沃尔玛、百思买这样的大型零售公司，都在利用大数据分析方法对其呼叫中心的来电量进行预测，并根据预测的来电量合理安排接线员的数量
HR数据应用的发展阶段
由于不同企业数据处理和分析的能力有很大的差别，因此在HR大数据应用的成熟程度上也有很大的差别，根据Bersin & Associate的调研，目前企业HR大数据的应用成熟程度有4级(从低到高)：
反应阶段(1级)：这一阶段是以各类数据收集和呈现为主，关注点是：培训小时数、招聘时间、招聘成本、领导力、抱怨、安全记录、人员基础信息、任期、证书、竞争力、离职率、绩效分布等、解释如何配置人力资源、工作群体状况的人力资源管理衡量措施
主动阶段(2级)：这一阶段是以数据分析为主，关注点是：人均销售收入、流动率、人均人事费用率、研发效率、时间趋势数据;比较和改进人力资源管理;展示趋势和分析的数据
战略阶段(3级)：这一阶段是以与战略相连接为主，主要关注点是：理解战略驱动因素;建立战略与人力资源的联系;建立战略驱动的人力资源能力素质模型
预测阶段(4级)：这一阶段是以预测为主，主要关注点是：运用模型识别未来的潜在风险(比如缺员、技能差距、绩效差距);基于环境变化预见组织结构和能力的需求变化;识别现在和未来的人才风险;有助于变革商业以及阐述未来。
HR大数据应用的能力培养
企业应用HR大数据不能一蹴而就，需要有一个能力培养的过程。在企
业部署HR大数据应用时，需要关注一下几个方面：
数据：数据是HR大数据应用的基础，尤其是数据的数量是否足够，会直接影响数据分析的质量。企业需要明确需要收集的数据，建立自己的数据库，不断收集相关的数据，特别是有关员工的行为数据。在大数据分析上，数据的精确度不是主要关注的问题，数据的数量才是大数据应用的关键
领导力：企业任何项目的成功，都离不开领导力，HR大数据也不能例外。在实施HR大数据应用的过程中，更加需要强有力的领导力来解决HR大数据实施过程中的诸多难题，例如：跨部门数据收集和共享、数据的合法性、员工隐私保护等
目标：大数据分析可以解决很多企业HR问题，如：离职倾向、面试结果可靠程度、福利边际效用、敬业度与绩效关联程度等。但在具体实施是，并不是每个问题都具有同等的重要性。在HR大数据分析目标的选择上，需要从企业战略执行的角度出发，选择那些与战略成功最密切的问题作为企业HR大数据分析的出发点，这样才能使得HR大数据分析的效用最大化
数据分析师：数据分析的理论和技术有很多，如何根据企业HR大数据应用的具体需要，选择合适的理论和技术，是一项专业性很强的工作，需要有专门的数据分析师来承担。企业在实施HR大数据项目时，一定要配备具有数据分析专业知识的数据分析师，否则就会出现很多问题，甚至会得出错误的结论，误导管理人员，达不到实施HR大数据的初衷
HR大数据的风口来了，作为企业HR的您，怎么能面对风口而无动于衷呢?让我们一起迎接HR大数据时代的来临!