在原有的人才数据库的基础上，导入以社交媒体为代表的“大数据”将使H R (人力资源部门)做聘用决策时更客观。
数据，对于企业的H R 来说并不陌生，从最开始通过招聘搜集员工信息，到能力测评，以及年度、季度的绩效考评，日积月累的数据不可谓不大，但是真正将这些数据整理分析，提供给人才管理者做决策的企业却并不多见。然而，不管你用不用，这些数据还在增大，而且，随着新技术的出现和普及，移动设备和社交媒体也加入到企业招聘的渠道中。如何充分利用这些数据以便更有效地支持人力资源管理工作?目前企业利用人才数据的现状如何?人才“大数据”应用的前景是怎样的?针对这些问题，德勤华永会计师事务所中国区人力资源部招聘总监王文佶和SHL 中国区总经理付权分别从企业实践和调研分析的角度阐述了各自的看法。
从“小数据”说起
记者：SHL发布的《2013 年全球评测趋势报告》显示，企业在利用人才‘大数据’方面还处于起步阶段。这里提到的‘大数据’概念跟以前企业在招聘中运用的人才数据有何不同?
王文佶：其实数据一直存在，HR招聘过程本身就涉及很多数据，从应聘者的简历、笔试到面试都包含很多评分(rating)。但相比较现在所说的大数据，我们把这些称为小数据。所谓小数据就是按照某个业务流程目标，预先设定一些甄选标准，通过抽样的方法来判断整个流程是否符合你的需要，通过数据来研究。
德勤也有人才分析数据，但基本都是基于怎样利用好现有的小数据，就是把原来从不同部门或不同领域采集来的本身结构化的数据，录入数据仓库( Data Warehouse)，并进行数据挖掘( Data Mining)。比如，德勤有一个候选人跟进系统—ATS (Applicant Tracking System)，只要应聘者投递简历，他的信息就会进入德勤的全球人才库，现在约有30 0 万人的信息。这个数据库可以在德勤的各个跨国公司之间共享。德勤中国可以利用这个数据库寻找美国德勤吸引来的人。这是一个巨大的人才数据库或者候选人数据库，我们可以经常进行数据挖掘。
另外，德勤也在用SH L 专门的工具叫做人才数据与结构分析(Talent Analytics)，它从数据的体量上来讲更大。比如，SHL能对所有应聘财务的学生，在全球范围做各种比对和分析，从而分析出一种趋势，我们将这种趋势称之为对标。当一家企业想确定今年招收员工的整体质量时，SHL 的数据可以帮我们横向地跟全世界、亚洲或者其他竞争公司的情况做比较。
但是，我认为真正的大数据是研究非结构化数据，而非通过某一个特定目标、一个已经设定的标准去采集。当大数据来临，产生的最主要的区别在于：大数据可以通过某种机器的手段，更多地采集候选人非结构化的、自然的、在社交媒体和网络上的信息，来辅佐目前已有的结构化数据，并帮助进行判断。如果能做到这些，那么招聘决策就会更加准确。
付权：以前的数据来源于调查研究。假如美联社的薪酬数据来源于针对不同企业的HR所做的调研报告，内容可能包括今年不同岗位的薪酬涨幅如何，然后通过某个公司进行有效的数据处理后，便得出这个行业的薪酬基准( Bench mark)。但现在的数据来源于每个人与整个数据采集机构直接的互动。比如LinkedIn就是这样的数据采集机构，上面的数据是使用者作为个体自发提供的，而LinkedIn 同时也有社交媒体(Social Media) 的概念，所以它的数据是准确可信的。LinkedIn不仅仅是一个社交媒体，也是建立企业人才库(Talent Pool) 的有效工具。
无论是大数据还是过去的小数据，它们的功能是一致的，就是对业绩进行有效预测( Predict Performance)。举例来说，一个应聘者加入新公司，就需要接受测试，因为公司并不了解他。这就需要一个信效度较高的测试来判断该应聘者是否符合这个企业的文化和业绩目标，以及能否跟同事友好相处，互相促进。测试的种类非常多，但所有目的都是为了预测业绩。记者：所谓小数据的分析是怎样运用到招聘和人才决策中去的?
王文佶：从校招和社招两个角度来说。在校招方面，我们不是针对个人，而主要是针对整体进行分析。比如根据现在业务的需要，可能分析得出不一定非要招财务背景的学生做审计。通过小数据分析，我们发现财经类和非财经类的同学在考CPA 的通过率方面没有差别，甚至非财务类的学生第一第二年的通过率更高。这个现象很奇怪，于是我们就找到培训部门一起研究这些数据，并分析出很多可能原因。
这也是小数据的局限，因为通过分析产生一个结论，这种结论不能严密地解答疑问，会产生很多可能性。比如可能非财务类的学生由于不懂，所以同样的课程花了更多精力，上进心和压力感都更强，因此他们的考试通过率更高;还可能是因为财经类的学生进来就能用，所以更多时候被派到项目上去，反而没时间预习功课。业务经理不愿意用非财经类新人，因为他们不能立刻上手，所以他们有更多的时间去复习。经过分析，这些情况都有可能，但无法得出确定的结论，但至少我们知道，招聘时不一定非要招审计和财经类的学生，这就是一个小数据的例子。
在社招方面，德勤目前更多是在人才吸引、渠道分布和广告有效性上做分析。对所有参加社招的人员，我们都会追踪其消息来源，是通过自投简历、猎头邀请，还是朋友推荐过来应聘的。就目前来说，德勤社招最得力的渠道是员工推荐，占整个最终招聘量的45%.于是，四五年前，我们把员工推荐的项目政策重新进行了改革，以提高大家的积极性。比如员工推荐的奖励金额从原来的半年后付一半、一年后付全额，改为了把人介绍过来就付一半、三个月后付全额。这样员工有很大积极性。
记者：目前，企业HR对人才数据管理系统的重视程度偏低，或者说利用得不太好，是什么原因?王文佶：一个主要的原因可能是数据收集所需要的投入超出了数据分析所带来的实际收益，即投入产出不成比。比如德勤用过的人才招聘管理系统Taleo，它的一个功能是可以对所有筛选过的简历贴上各种标签，比如此人这个职位好像不合适，但也许他将来能适合其他职位，于是可以做一个标记，下次找的时候就可以调出来。但是从现实的角度来看，这些工具没有得到充分的利用。首先因为招聘官经常同时要管理十几个空缺职位，而能把这些职位完成是首要任务。如果有剩余时间或者找不到应聘者，他们才可能会花时间利用工具进行数据挖掘;第二个是技巧问题和工具方便性问题。另一方面，企业人力资源部门的职能条块分割，使得各项人才管理数据分别由不同的职能团队来收集和管理。比如薪酬团队的数据和培训团队的数据往往就不被招聘团队所掌握。现实的悖论往往是，大企业的HR有非常完善的HR 职能团队和基础架构，可以收集到很多有用的数据，但是庞大的数据量和纵横交错的管理结构使得数据比较难以被有效利用，必须建立起一个项目团队来收集、整理、分析这些数据。