優學人才發展管理平臺（www.eyouxue.com）可以為您提供：01建立人才標準； 02立體的評估工具； 03有效提高面試質量；04擴展人才吸引渠道。
終于決定寫這個話題的時候，我心里不禁在想，到最后，這種為大家消除陰影面積的事情，還不是得靠我出馬。
從去年開始，“HR大數據”這個話題似乎越來越火，從顧問公司，到業界各種專家，還是HR從業人員，不管懂還是不懂，都喜歡拿著大數據三個字說事，看多了之后，我的感覺是，“臥槽，你們還真敢說啊”。
畢竟大數據（英文名稱big data，又稱逼格太大），這個概念，在業界是有清晰的定義的，你不能拿個簡單的數據分析就往上去套，都不知道你套的是哪根雞毛，什么拿離職率也當成是大數據來呈現，要是更牛逼點，估計搞個郵件自動回復都能叫阿法狗了。
簡直是鳳姐用美圖秀秀一秒鐘變身空姐的即視感。
所以，澄清”HR大數據“這件事情的歷史性重任，就順理成章地落在了東暢君身上（故意裝作無視周圍鄙夷的目光——）。東暢君的難題是，作為一個靈活的胖子，要如何靈巧地避開諸如Hadoop、Spark、R語言這些很詩意卻讓大家很容易失意的詞，又要甩出柔軟的身段將這個由于本身很難又被各種解讀導致大家一頭霧水的概念娓娓道來，請大家多給一點信心和掌聲！
其實呢，要說清楚HR大數據這件事情也并不難，難的是選擇好角度。比如現在談HR大數據的文章清一色都是在談“HR大數據是什么”，且不管講得對不對，大家總之是聽了一堆覺得云里霧里，完全是大學老師說要給你劃重點，結果劃了滿滿一書的絕望感（滿滿都是回憶——），結果學完出來兩眼一抹黑很容易又被忽悠了。所以，與其談大數據是什么，我們不如先來談談HR大數據不是什么。
誤區之一：人力資源數據化就是大數據
在眾多誤區之中，這應該是大家最常見到的一個。實際上人力資源數據化并不是什么新鮮事了，隨便找一個專業的HR或者HR顧問公司就能拿到許多可以評估人力資源工作的指標，除了開始提到的離職率，還有出勤率、招聘周期、組織氛圍、敬業度等等，這些結構化數據的存在可以讓大家在過去很好地評估人力資源的工作，因此被大家奉為圭臬。
可是問題來了，這些東西到底有什么意義呢？企業關心的是我現在和未來能不能賺更多錢，有逼格一點的說法叫價值創造是不是更高，所以老板總覺得很郁悶，一方面看你們每天玩數據玩得不亦樂乎，但要真是對HR問起一些問題，比如我要銷售額翻一倍究竟該花多少錢招多少人啊，什么樣的人才和干部最適合我們組織啊，你搞了這套激勵體系以后到底我組織績效增加了多少啊，HR立刻兩眼一抹黑，掉過頭開始罵老板土包子，不會用“專業的眼光”來看待HR。
可問題是，你在大排檔吃烤魚的時候，你還是只會看烤魚好不好吃，價錢貴不貴，吃完以后有沒有拉肚子，你也不會吃飽了沒事用天然氣利用率、烤魚各部位燒烤停留率（這是什么鬼，好吧我亂編的）來衡量大排檔的老板對吧。
而對于老板來說，他如果能通過觀察每個食客的回頭率、停留時間、點菜的偏好，乃至于統計他們吃魚的姿勢、吧嗒嘴的聲音、在大眾點評上的評語、在朋友圈發的照片、住所的位置、乃至第二天吃飯的菜單（你沒看錯，這些都是數據，又叫做非結構化數據），經過分析就能知道哪些要素在什么組合之下是和食客的吃飯頻次和買單額度具有較大相關性的，于是我可以據此對我的食材、佐料、服務流程、擺盤乃至店面裝修等要素進行適當的調整和優化，并可以據此預測出我調整以后我每個月可以多賺多少錢，多少時間大眾點評的評分可以上五星。
這就是大數據，看著很不切實際嗎？要知道當年Netflix就是怎么拍出來一部火爆全球的《紙牌屋》的，他們通過對自己3300萬用戶的行為進行分析，知道了大家喜歡看什么樣的電影電視，在什么時候會暫停、回放、快進，喜歡搜索什么關鍵詞等等，最后發現用戶很喜歡 Fincher（社交網絡、七宗罪的導演），也知道 Spacey 主演的片子表現都不錯，還知道英劇版的《紙牌屋》很受歡迎，三者的交集表明，值得在這件事上賭一把。
由此可見，HR想憑離職率和出勤率這類數據的統計就做到這個層次？還太嫩了點。
所以簡單的人力資源數據化，哪怕是這個數據因為有十幾萬人顯得很“大”，那也不能算大數據，也并沒有什么卵用，只不過是老生常談，而你不幸知道的太少了，而已。
誤區之二：大數據距離企業太遠，HR應該先把基本的數據分析做好
這也是HR經常容易被忽悠的一點，因為基本上你只要去找一個人說我要做大數據咨詢，對方立刻會開始諄諄告誡說我們還是先做HR數據分析的咨詢吧，因為你看現在業界沒幾個公司做成了HR大數據的，都不成熟，你看看你基本的數據都沒有標準化規范化，簡單的數據分析儀表盤都沒有實現，就想做大數據，這是空中樓閣。
大數據分析真的要以“基本的數據分析”為基礎嗎？還真不是，因為兩者的思考方式完全不一樣。
傳統的HR數據分析是“體檢型”的，就是說我一定要先按模塊定義出這么一堆數據出來，然后我看看各個指標對不對，就好像你去醫院買了個體檢套餐，里面要做什么項目都寫得清清楚楚的，你一樣一樣做完以后交表等結果，然后醫生那里有每樣數據的正常范圍是什么，所以會告訴你血脂高了視力弱了脊椎彎曲了（加班狗的悲哀……）。所以每樣數據必須非常精確，差了一點就會判斷錯誤。然后拿到結果你會發現其實絕大多數檢查我根本不用做嘛，結果還是要花這么多錢好坑爹，可是醫院會說這又沒有劇透，我不一樣一樣檢查完我怎么知道你正不正常呢。
而大數據分析是“治病型”的，就是我覺得我最近經常咳嗽而且咽喉痛，一位正常的醫生不會讓我去做骨髓穿刺，而是會按一些和我癥狀相符的可疑病癥來篩選檢查手段，比如張嘴說啊然后查血、拍片，最后根據數據反映的情況說我很大概率上應該是咽喉炎，然后根據治療咽喉炎的經驗讓我去打點滴做霧化吃藥，三天之后我的病好了。在這個場景里，理論上我不需要所有檢查結果都精確指向我是咽喉炎，只需要排除掉其它可能性，大概率地判斷我應該是咽喉炎就可以了。
當然你可能會說，體檢的時候就能根據不正常的數據發現問題然后去找醫生治病啊，這點是沒錯，可是你敢說我不體檢就不能發現我身體不正常了嗎？你敢說我體檢了一切正常以后我的身體就沒有任何問題嗎？我又不傻。
比如Google在發現大家對冗長的面試流程怨聲載道以后，就通過大數據分析發現，面試平均只要超過3.6次，邊際效用就會大大降低，而面試效率和候選人的體驗也會大大降低，所以性價比最高的方法是讓面試次數縮短到四次以內，這樣他好我也好，全家人都開心。
像這種問題，靠“體檢”怎么能發現呢？那可真是寶寶心里苦，可寶寶不會說啊。
誤區之三：找個咨詢顧問就能搞懂大數據了
其實如果掌握了上面兩個誤區，你應該就能明白，如今某些專家和顧問根本就不懂什么是HR大數據，更從來沒有實踐過HR大數據，他們只是拿著數據分析的工具來掛羊頭賣狗肉的，是莆田系醫院的好基友，顧問界的塔利班。
大數據和以往的HR咨詢產品是完全不同的，與其說大數據給HR帶來的是一種工具上的提升，毋寧說是一場思維上的變革。在這場變革中，HR既要能夠脫離已有的框架和工具，用更全面的視角去看到以往從未關注到的變量，又要從心理學、組織行為學、管理學的層面更深入地把握個體和組織，從而觀察到真正的問題，觸及更深刻的本質，提出更科學的假設，更要對技術和數學有深刻的洞察，了解技術和數學可以幫助我實現什么，如何實現（而這些都恰好是某些習慣于賣現成產品和報告的顧問所欠缺的，再加上實踐經驗的缺乏，這也是為什么如今某些顧問都嘴上各種說大數據，卻極力避免做大數據項目的原因）。
在完成思維變革的HR的眼中，實現HR大數據，其實只有三個步驟，第一，假設，第二，驗證，第三，應用。特別簡單，你說似不似！
那個，如果大家姿勢水平高到可以和東暢君談笑風生的話，應該會反應過來，這就是如今在科研和學術界已經被廣泛接受的實證思路，只不過在應用層面，要注意更加從企業實際情況出發。
所以我說，HR大數據剝離掉技術層面的唬人的外皮，其實一點也不復雜，只不過HR們以前的心思都花在了去揣摩領導和套用模板上，而忽視了對事實和真相的追求，在反人類的道路上走得越來越遠。所以在HR大數據時代，HR只不過是在回歸本質，只有在這條路上，才是和Google、Facebook這些HR大數據的標桿越走越近了。
不過，如果說同時整合這些經驗、理論和技術的人實在是鳳毛麟角，也可以退而求其次，要么我可以精通其中一樣，要么我能理解這幾種人的思維，將這幾種人整合在一起，并敢于去不斷推動HR大數據的落地實踐，為業務和組織呈現出真正的價值。
HR大數據的確為HR打開了嶄新的篇章，更可以讓HR的地位提升到前所未有的高度，是HR的阿波羅登月，是歷史的轉捩點，是撬動地球的杠桿。
可是，你得先會玩啊……
來源：蜜蜂派
作者：劉東暢