大数据人力资源管理的实践与探索最新版.docx
- 文档编号:1058959
- 上传时间:2022-10-16
- 格式:DOCX
- 页数:4
- 大小:20.01KB
大数据人力资源管理的实践与探索最新版.docx
《大数据人力资源管理的实践与探索最新版.docx》由会员分享,可在线阅读,更多相关《大数据人力资源管理的实践与探索最新版.docx(4页珍藏版)》请在冰豆网上搜索。
大数据人力资源管理的实践与探索最新版
大数据人力资源管理的实践与探索
内容提要:
当前,大数据对人们的生活、工作和思维方式产生了巨大影响,也为人力资源管理的转型和发展提供了可能。
税务系统顺应时代浪潮,探索大数据时代的人力资源管理新模式,开启了数字人事改革试点。
本文从当前税务系统开展数字人事试点的实际情况出发,分析当前数字人事试点中面临的问题,并对税务系统探索大数据人力资源管理提出相应的对策建议。
关键词:
大数据人力资源管理数字人事
一、税务系统大数据人力资源管理的实践
当前,大数据人力资源管理在新华社、IBM、腾讯、华为等企事业单位都有不同程度的探索和运用。
国家税务总局于2014年6月起,启动数字人事改革试点。
截至目前,数字人事已在江苏、山东、湖北、陕西等19个省(区、市)国税系统和河南、重庆、湖北3省(市)地税系统以及其他省(区、市)国税局、地税局部分单位试点推行,涉及税务干部32万多人。
数字人事是运用大数据管理的思维和方法,按照税务干部的成长轨迹,将德、能、勤、绩、廉等方面的信息进行个人账户式量化归集,从而形成的日常化、多维化、数据化、累积化、可比化的干部考核评价管理机制。
数字人事具有以下几方面的特点:
1.数量大。
数字人事集中了干部自进入税务系统以来的人事、教育、监察、内审等各类内部和外部评价数据。
通过优化流程,开放数据接口,打通“信息烟囱”,整合“信息孤岛”,采集尽可能多的数据和信息,建立数据仓库,设定统一的数据质量标准,进一步提升数据的完整性和准确性。
2.类型多。
数字人事以人为单位,首次将原先散落在各部门、按事件归集的招聘、测评、内审、监察、巡视、党建、教育、绩效、业务等数据重新集成和整合。
秉承“一切皆可量化”的理念,对事实和数据进行量化和统一计算,并累积到个人成长账户,实现对个人成长路径的完整记录、分析和追踪。
3.价值高。
数字人事的评价结果和量化得分在不同层面发挥着实际运用价值。
个人可以通过横向、纵向对比挖掘自身潜力,促进个人成才。
人事部门可以根据评价结果指导和改进人力资源的招聘、配置、培训、开发、绩效管理等各个环节;组织可以通过数据诊断发现在组织发展中个体、部门所面临的问题,进而寻求最佳的解决方案,完善人力资源战略规划,更好地帮助组织实现价值。
4.效率快。
数字人事依托信息平台,实现数据大集中和海量数据计算,处理速度快,响应效率高。
信息平台通过界面可视化工具,可形象展现宏观汇总分析、微观智能对比的结果。
同时,系统功能具有松耦合性和高扩展性,业务运行参数可即时配置,根据需求灵活建立各类数据分析模型,深度挖掘数据价值,为决策提供参考。
二、当前大数据人力资源管理面临的挑战
(一)数据积累不充分,维护成本高
大数据人力资源管理的基础是数据。
目前,数字人事尚处于试点阶段,还存在着数据规模偏小、采集范围渠道偏窄、数据质量不高等问题。
1.数据规模方面。
由于数字人事试点启动的时间还不长,仅有江苏省徐州市国家税务局和山东省潍坊市国家税务局累积了三个完整年度的考核、评价数据。
整体而言,目前积累的数据量还不够“大”、不够“厚”,难以发挥大数据人力资源管理的价值。
2.采集范围方面。
目前,数字人事信息系统提供了多种数据接口,以人为单位汇集了来自人力资源管理部门和其他内部管理监督部门的数据,但许多来自税收业务部门的日常征管工作信息还未完全被纳入采集范围。
3.采集渠道方面。
数字人事突破性地引入了外部评价数据,但目前采集的外部数据还局限于办税服务厅现场评价、纳税人满意度调查得分、政风行风评价得分等,大量来自互联网的外部数据和信息还没有被引入数字人事,大数据管理在相关性、混杂性、文本性分析方面的优势尚未得以完全展现。
4.数据质量方面。
数据标准化推行不充分,各数据平台之间的对接和互动不足,数据集中但未有效聚合。
数字人事信息系统推行的数据标准与之前使用的人事管理系统、其他内部管理系统、业务系统等都存在数据口径、标准、颗粒度不同的问题,大量数据的初始化导入和后续的更新需要人工介入,数据维护难度大、成本高,影响了扩大数据规模的效率和效益。
(二)考核评价指标模型处于起步阶段
数字人事初步构建了对干部进行平时考核和综合评价的指标、权重、模型等,为各单位的试点探索奠定了基础。
但随着试点的深入,如何有效设置指标和模型,兼顾考核评价的客观性、公平性、可比性,成为亟待突破的难题。
一是定量考核与定性考核之间的矛盾。
目前,数字人事设计的考核评价体系坚持定量考核与定性考核相结合,并以量化考核为主,秉持“一切皆可量化”的理念,领导评鉴、现实表现测评、年终测评等主观评价指标都按照评价等次量化计分。
但这类主观评价指标在平时考核、综合评价得分中数量偏多、权重偏大,在同一部门内进行横向比较时,往往成为决定性因素,而工作量、超时率、差错率、投诉率等客观量化指标则数量偏少、权重偏低,无法发挥大数据管理在量化累积分析方面的优势。
二是考核评价的公平性和可比性之间的矛盾。
由于个人的岗位职责、工作任务不尽相同,若设置统一的考核评价指标、权重和模型,无法科学地进行不同岗位、不同部门人员之间的横向比较。
但若为了确保合理性和公平性而分岗位类别设置评价标准,则将面临着如何同时兼顾不同岗位人员之间可比性的问题。
(三)结果运用偏向事后评价,前瞻预测不足
数字人事尤其重视结果运用,并创造性地提出了得分划段的理念,将考核评价结果运用在年度考核、评先评优、干部选拔任用、干部交流、遴选、人才选拔培养等方面。
但数字人事的结果运用偏重于与个人利益直接相关的晋升、评优等挂钩,而大数据管理在人力资源现状分析、风险预防监控、人力资源开发、人力资源发展趋势预判等层面的运用尚不成熟、不充分。
数字人事立足于全面记录个人职业生涯全程数据信息,并对当年、近三年和历年的综合表现进行考核评价,但总体而言仍属于事后的描述、诊断,对于个人职业发展、人力资源管理和组织目标实现的事前研判预警、事中过程管理,尤其是运用大数据进行人力资源战略管理还有很大提升空间。
(四)复合型人才数量不足,能力不够
做好大数据人力资源管理需要大量的具备互联网思维和现代化视野,拥有人事、教育、绩效管理等行政管理工作经历,熟练掌握信息技术、数据分析等专业的复合型人才。
然而,当前实际从事数字人事工作的税务人员大多为行政管理或信息技术方面的专业骨干,精通数据分析、数学建模、机器算法的专业人才非常少,同时精通行政管理、信息技术和数据分析的人才更是极为紧缺。
三、进一步探索大数据人力资源管理的建议
数字人事是税务系统在大数据人力资源管理框架下的前沿性探索,为公共部门开展大数据人力资源管理积累了一定的经验。
目前,试点中出现的问题和难点,也是大数据管理在人力资源管理领域不断探索和持续发展的一个必经过程。
立足税务系统的实践情况,结合大数据人力资源理论,本文对数字人事提出以下几方面的建议:
(一)提升数据积累的量与质
获取和积累尽可能多的既有“量”又有“质”的数据是开展大数据人力资源管理的关键所在。
1.扩大数据规模。
一是要尽最大可能加强顶层设计,整合现有的各类信息平台,完善“一点录入、多点调用”的数据自动整合聚合功能,尽最大可能减少手工录入和人为干预。
二是要继续拓展获得内、外部数据的来源和渠道,不局限于积累人员基本信息和人力资源管理过程中产生的数据,也要收集在组织生产经营过程中形成的各类数据,还要关注大量来自外部社交媒体、招聘网站、劳动力市场、宏观经济统计的数据,为大数据人力资源管理提供更全、更准的数据基础。
三是要充分利用互联网+、爬虫技术等,逐步将非结构化数据纳入数字人事的采集范围,逐步探索运用混杂数据、文本信息进行深度挖掘。
2.提高数据质量。
一是要构建统一的数据标准和接入口径,并将其运用到各类平台系统设计开发阶段。
二是要运用信息化手段进行数据印证和校验,避免数据碎片化,提升数据的真实性、完整性和及时性。
三是要把数据维护和清洗当成一项长期工作,与系统运维和安全监控一同列入日常工作要目。
四是要建立数据质量维护的长效机制和责任机制,数据质量由数据使用部门评估,由产生数据的源头部门负责,确保数据的真实性、完整性和一致性。
3.启用派生数据。
前期的研究成果和实践经验显示,随着大数据人力资源管理向纵深发展,由源数据进行简单计算形成的、便于分析和再次使用的派生数据将处于更加重要的位置,使用频率也将会远远超过源数据。
为应对这样的发展趋势,一方面,要进一步明确统计范围和计算逻辑,着力加强派生数据的标准化建设;另一方面,要做好数据存储,减少数据冗余,提升工作效率,便于数据的调取和再利用。
(二)优化评价指标和模型算法
数字人事创造性地提出了得分划段机制,在“不唯分、不唯票”的结果运用方面踏出了坚实的一步。
然而,对干部进行平时考核和综合评价的指标模型仍在继续验证和改进。
针对这一难题,大数据人力资源管理的数据挖掘能力、预测分析能力和可视化分析为我们提供了解决方案。
一是挖掘数据的相关关系,倒推指标生成。
要在大范围收集数据的基础上,运用随机森林模型、决策树、贝叶斯分类器等机器学习算法,借助人工智能从现有的大数据中发现具有潜在价值的数据,寻找与其存在关联的数据和变量,通过重要性分析找出相关关系,不断演算推导指标,倒逼指标生成。
二是分阶段交付,动态建模。
要用大数据的简单算法,取代小数据的复杂算法,充分运用源数据简单计算得出的派生数据,遵循小步快走的方法,先解决小问题,分阶段交付结果。
运用这种顺序可逆、算法动态的建模方式,可以发挥大数据管理的独特优势,挖掘海量数据的内在价值,解开数字人事的迷思,为人力资源的招录、调配、考核、开发等提供依据。
(三)探索智能预测和战略洞察
大数据人力资源管理不仅专注于数据的收集、存储和简单的汇总、统计、查询,更要通过对海量数据的描述、诊断、预测和规范,掌握人力资源的现状、动态与变化趋势,为及时发现人力资源管理中的问题、掌握总体发展态势提供直接、真实的依据。
如果说信息化人力资源管理是数据分析应用的初级阶段,那么大数据人力资源管理则开启了颠覆性的预测式分析、图论分析的新阶段。
一是要将结果运用的重心转移到战略规划。
数字人事应当在扩大数据积累和强化数据分析的基础上,将数据运用的重心从事后考核评价转移到人力资源规划和组织战略实现上,充分发挥大数据人力资源管理的优势。
微观层面,注重挖掘员工潜力,优化对人才的服务,提高员工满意度;中观层面,着眼人力资源管理流程再造,重构管理方式,提高工作效率;宏观层面,将有利于提高组织的绩效,实现组织的战略决策和价值理念。
二是将智能预测前置到人力资源管理的各个环节。
根据德勤公司的研究,财富1000强企业中只有5%在人力资源领域使用预测分析方法,而此方法其他商业领域已经在广泛使用了。
数字人事的大数据运用,也应从传统人力资源管理的事后评价,更多地转向人力资源管理的综合研判、前瞻预测、风险防范和科学决策过程。
在调配方面,通过预测组织人力资源走势,可以提早规划人力资源配置和人岗匹配;在培训方面,可以预先分析培训需求,用以规划培训内容和项目;在选拔方面,要通过描绘干部个人的成长趋势曲线和人才地图来培养和发掘人才。
这种预测和洞察,将为个人职业发展、组织战略发展规划以及最终组织目标的实现起到积极而重要的作用。
(四)打造复合型人才团队
一是创新人才培养机制。
要树立互联网思维、前瞻性视野和人才兴税的理念,加大对信息化人才和数据分析人才的招录、引进和储备,加强对行政管理、信息技术、数据分析、数学建模等复合型人才的培养和培训,建设一支高水平的大数据管理专业人才队伍,为大数据人力资源管理提供人才保障。
二是在现有情况下,借鉴风险管理团队的经验,组建大数据人力资源管理团队。
要让具有人力资源管理、组织行为学、统计学专业背景,拥有人事管理、系统开发、信息管理、数据库、数据统计分析等一项或多项经验、技术的骨干,组成优势互补的专业管理团队,在当前的大数据人力资源管理中发挥更大作用。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 数据 人力资源 管理 实践 探索 最新版
![提示](https://static.bdocx.com/images/bang_tan.gif)