大数据
大数据时代，我们需要这样的思考方式
相比小数据，大数据一定是复杂的。然而，复杂性对于我们来说，绝对是一个机会而不应是一个问题。面对大数据时代的扑面而来，如何拥抱大数据，我们需要从思考方式的转变开始。
维克托•迈尔•舍恩伯格和肯尼斯•库克耶在《大数据时代》中告诉我们大数据的4V特点，即Volume（大量）、Velocity（高速）、Variety（多样）、Veracity（真实）。相比小数据，大数据一定是复杂的。然而，复杂性对于我们来说，绝对是一个机会而不应是一个问题。面对大数据时代的扑面而来，如何拥抱大数据，从思考方式的转变开始。
从“基于预设的结构化数据库”到“无需预设的非关系型数据库”
小数据时代，我们对于数据的存储与检索一直依赖于分类法和索引法，分类和索引是一种清晰获取数据的机制设计，这种机制是以预设场域为前提的。这种结构化数据库的预设场域能够卓越地展示数据的整齐排列与准确存储，毫无疑问，这与追求数据的精确性目标是完全一致的，在数据稀缺与问题清晰的年代，这种基于预设的结构化数据库能够有效的回答人们的问题，并且这种数据库在不同的时间能够提供一致的结果。
面对大数据，由于数据的海量、混杂等特征会使预设的数据库系统崩溃。其实，数据的纷繁杂乱才真正呈现出世界的复杂性和不确定性特征，想要获得大数据的价值，承认混乱而不是对抗或避免混乱才是一种可行的路径。为此，伴随着大数据的涌现，出现了非关系型数据库，它不需要预先设定记录结构，而且允许处理各种各样形形色色参差不齐的数据。因为包容了结构的多样性，这些无需预设的非关系型数据库设计能够处理和存储更多的数据，成为大数据时代的重要应对手段。如微软的数据库设计专家Pat Helland所言：“我们再也不能假装活在一个齐整的世界里。”
从“随机样本”到“全量数据”
统计学家通过分析发现，采样分析的精确性随着采样随机性的增加而大幅提高，但与样本数量的增加关系不大。这个发现对于小数据时代无疑是非常鼓舞人心的，随机采样获得了巨大的成功，并成为现代社会测量领域的核心思想。随机样本的基础是采样的绝对随机性，然而，如此严格意义的随机实现起来是非常困难的，一旦采样过程存在任何偏见，分析结果将相去甚远，况且随机样本带给我们的只能是事先预设问题的答案。这种缺乏延展性的结果，无疑会使我们错失更多的问题域。
大数据时代，数据的收集问题不再成为我们的困扰，采集全量的数据成为现实。全量数据带给我们视角上的宏观与高远，这将使我们可以站在更高的层级全貌看待问题，看见曾经被淹没的数据价值，发现藏匿在整体中有趣的细节。因为拥有全部或几乎全部的数据，就能使我们获得从不同的角度更细致更全面的观察研究数据的可能性，从而使得大数据的分析过程成为惊喜的发现过程和问题域的拓展过程。
从“数据的精确性和结果的准确性”到“数据的混杂性和结果的容错性”
小数据时代，由于可获得的数据量比较小，为此我们必须尽量准确的记录下所获得的所有数据，从而引发了测量工具的优化工作；由于数据处理手段的限制，能被我们利用的数据基本限于能适用于传统数据库的结构化数据；由于采用的是随机采样，因此采样过程的精确度被放在重要的地位。显然，这种对精确性的执着是信息缺乏时代和模拟时代的产物。
大数据时代，海量数据的涌现一定会增加数据的混乱性且造成结果的不准确性，如果仍然执迷的依循准确性，那么我们将无法应对这个新的时代。与数据的混杂性可能带来的结果错误性的增加相比，由数据量的扩张带给我们的新洞察、新趋势和新价值更有意义，因为大数据通常都用概率说话，何况大数据的处理之前是可以对之进行数据清洗从而减少部分的错误数据。所以，与致力于避免错误相比，对错误的包容将会带给我们更多信息。其实，允许数据的混杂性和容许结果的不精确性才是我们拥抱大数据的正确态度，只有让步和接受甚至欣赏不精确性，才能看到大数据带给我们的美好前景，未来我们应当习惯这种思维。
从“复杂算法”到“简单算法”
算法是挖掘数据价值的工具，因此算法的研究一直以来是提升数据利用效率的重要路径。小数据时代，在数据的限制无法突破的情形下，对数据信息和价值的获取渴求使得对算法的研究越来越深入，发明的算法越来越复杂。而事实表明，当数据量以指数级扩张时，原来在小数量级的数据中表现很差的简单算法，准确率会大幅提高；与之相反的是，在少量数据情况下运行得最好的复杂算法，在加入更多数据时，其算法的优势则不在显现。为此，更多的数据比算法系统显得更智能更重要，大数据的简单算法比小数据的复杂算法更有效。
从“为什么”到“是什么”
小数据时代，由于数据可获得性和计算能力的有限性，使得我们对于问题的研究需要在假设的基础上进行验证，并探究“为什么”，而始于假设的分析研究非常容易受偏见支配。
大数据时代，快速发展的数据存储、数据传输、数据获取、数据处理等系列技术群，为我们对于问题的研究提供了新的视野和有价值的预测，并使我们获得更多以往所不曾被关注的联系与动态，探究“是什么”成为我们发现世界了解世界的更便捷的途径，且不会受先验假设的偏见影响。
从“因果关系”到“相关关系”
小数据时代，信息的匮乏会使我们趋向于采用因果关系范式去快速理解问题并做出决策，虽然这种因果关系可能并不存在，但这是我们理解和解释世界的一条捷径。在人类力量有限性凸显的时候，这种认知捷径往往能带给我们一种认知上的安慰感和安全感，仿佛世界就是因果性的存在着。
由于大数据时代对于数据的研究不再拘泥于对因果关系的探究，这将会使我们完全有条件向关联、非关联等相关关系探究的转变。类似啤酒与尿布存在相关性的经典案例不胜枚举。海量数据不断被制造与我们对于数据搜集、存储、传输、处理能力的日益提高，是大数据时代的当下特征。基于互联网、云计算等现代化手段，对海量的数据进行统计性的搜索、比较、分析、归纳，我们会发现，原本似乎毫不相干的事物之间存在着较高的关联度，这是传统的因果分析、逻辑推理调研难以解释也无法企及的。
当然，相关关系并不是大数据洞察的终结目标。在很多情况下，一旦我们完成了对大数据的相关关系分析，而又不再满足于仅仅“是什么”时，我们就会继续朝向因果关系的研究，寻求“为什么”，并且基于相关关系的分析，进一步寻求因果关系将会大大降低其分析成本。其实，因果关系就是一种特殊的相关关系。
从“审慎的决策与行动”到“快速的决策与行动”
小数据时代，我们基于对社会运作情境的假设，通过收集和分析数据来验证这种假设；通过数据的检验，原有假设不成立，意味着我们将重新开始新的假设并重新收集和分析新的数据，直到我们的验证通过为止。因此，小数据时代，我们的决策与行动是审慎的。
大数据时代，我们不再受限于传统的思维模式和隐含的假定，我们需要对大数据分析的工具理论，通过对大数据的分析，大数据会为我们呈现出新的深刻洞见和释放出巨大的价值。我们在大数据的指导下探索世界并且不再受制于各种假设，这将使我们势必要以积极的姿态随时接收着来自数据的洞察，并做出快速的决策与行动，因为机会和价值很快就会被刷新，大数据的价值也正是在于将及时的信息及时的传递给及时需要的人手中并及时的做出决策和行动。可以预见的未来必然是，得数据者得天下。
其实，我们只是站在一个很长过程的起点上。
（本文来源钛媒体）
【作者：platoguo，现供职于上海求思信息科技有限公司】
大数据
当人力资源管理遭遇“大数据”
如今“大数据”时代已经来临，由于大数据的数据源充分，并且具备抓取能力强、刷新及时等特点，在大多数领域都能精准地指导资源分配，因此无论工作还是日常生活，都离不开“大数据”的支持。在企业管理中，很多公司都开始运用大数据来整合和管理人才。
“大数据”早已应用 只是缺乏推广
“‘大数据’是在硬件平台的基础上，采集大量的数据，为企业的决策和支持，进行很多数据的分类和挖掘，”曹轶凝首先对“大数据”做了解释，“目前每天的数据增长量很快，根据这个数据分析，得出我们想要的结果。这是主流，比如网购、车票，甚至高速公路的统计，都用到大数据，它是与我们的生活分不开的。”
曹轶凝的说法得到了董锴的认同。“实际上在上世纪70年代，大数据就已经得到应用了，包括企业的智能化、信息化等方面，只是那时候因为数据存储困难、存储量大，缺乏大数据的支持，所以得不到推广。”董锴进一步解释说，数据是被记录下来的符号，本身没有什么作用，但如果把数据解释成人力资源工作中所需要的某些方面，那么就产生了不同的效果。“在很多猎头公司和大型招聘网站，都有类似的数据储备或数据库，但对于单独企业来说，只掌握自己公司员工的数据，对企业外的人才掌握的很少。”董锴补充说，“当人数特别巨大时，我们可以分析出一些东西，对人员结构、未来发展和人才支持，大数据都能产生积极作用。”
“在人力资源工作中，最大的问题就是哪些环节会借助到大数据。数据越多、越大，得出的结果越精准，因为它把各个方面都考虑到了，最后得出一个‘合理值’。作为HR，借助大数据到自己的企业中，把自己想要的内容与数据结合到一起，得出结论，帮助自己制订计划。”
在人力资源管理中用途广泛
在此之前，杨丽云与同事探讨过大数据在人力资源工作中的作用。“比如一些招聘网站、企业培训等，都需要有数据的支持，甚至在薪酬方面的调研、工作计划等，尤其是全国性调研，需要后台大数据的支持，才能从中得出自己想要的关键数据。”因此，杨丽云认为，大数据对每个企业的HR来说非常有用。
对杨丽云的话罗直深有感触。10年前，罗直在上海的一家集团公司做人力资源，当时罗直请了一家数据开发公司做系统。那家公司为罗直公司设计了一个大型框架系统，任何信息都可以按照自己企业的实际情况自动调整。“我们的集团比较大，全集团有几千人，到我离开的时候已经有100多个子公司了，这样庞大的数据如果用Excel表进行手工统计，根本是不可能的事。”罗直说，当时他就跟开发公司商量做这套系统，将全集团每个人的晋升、调动、职业通道，甚至家庭背景，都整理出一套方案，然后将它们与企业内部需求、组织结构结合起来。“这个系统对我的工作帮助非常大。”
“如果HR能够对每个员工70%-80%的信息都了如指掌，那对企业管理来说是件好事。”刘桂平也说出了自己的观点，如果把一个员工的状况和每天的行程都记录下来，一年之后，这个人就完全“透明”了，管理者可以对该员工的未来发展、能力、前景、积极性等进行分析，那么这个员工的发展就是可以预测的。
对此，马淅濛也表示，管理者想要了解哪个员工，只要把他的资料调出来，那么他的兴趣爱好、曾经做过什么、跑过哪些城市、谈了什么业务，这些信息就会完完全全展现在眼前。
有方便之处 也有“可怕”之处
“数据的可怕之处在于，你自己都不记得、不知道做过什么，可它比你记得还清楚。”李朝阳发表了自己的看法，“因为它不只是一个数据库，而是多个数据库串联组成的具体资料。”
“大数据固然方便，但信息安全问题也不容忽视。”董锴接着抛出自己的看法，如果人力资源的数据完全公开化，全部汇总到一个数据库，实际上是实现了整个社会人力资源的最优配置，是理想化状态，但其安全性、隐私性则不容易把握。
这种观点得到了大家的认同。侯荩说，她所在的猎头公司拥有庞大的数据库，能拿到很多“先机”，掌握着大量的优秀候选人信息和大量的企业信息。“安全性是我们非常重视的。”侯荩说，如果这些信息被别人拿走，这对于企业来说是致命的。“如果他们拿走做不好的用途，那么信息源在我们这里，后果是不可估量的。对候选人和客户也会造成损失。”因此，侯荩的公司所采取的方法是禁掉所有外网。“没有特殊情况是不允许登录外网的。”
“我有个客户，他的公司数据量就很庞大，只要给出一个模糊的信息，半小时之内就能把这个人找到。”罗直说，“所以这个公司有摄像头，老板监控员工的一举一动，技术方面还有一个定期监控系统，每隔30分钟或一小时，系统就会自动给电脑拍照，图像自动储存。”罗直解释，这种监控设置又会形成一个庞大的信息库，一旦出现问题，可以从这个信息库中找到责任人。
归根结底只是一种辅助工具 最终决策该由人决定
“大数据是趋势，目前它已经运用到很多领域了，但延伸到人力资源管理中，还不是很得心应手。”马淅濛说，“在人力资源管理中，要看我的这些数据对于我所需求的、所设定的项目，哪些与之匹配，抓取数据进行分析，使其产生帮助。但以目前来讲，大数据给出的分析大多是宏观的，还不能给出比较具象化的结果。”
“比如企业内部对每个员工的关注。”罗直举例说，“如果大数据可以分析整个企业对于人的使用、岗位的设置、组织结构、用人政策等，这一系列信息就会形成海量的数据库，一旦有人提出需求，数据库就会自动开始匹配。我觉得这可以是将来的一个趋势。虽然做得不算太好，但我知道已经有企业开始尝试这样的方式了。”
“大数据的应用应该根据HR的经验和方法，以及公司在特定阶段的需求来决定。”曹轶凝接着说，IT行业给出的只是一些已经成型的算法，把这些数据推荐给企业，但行业内部的需求，需要行业内部的人来判断和提供。这些数据只具有借鉴意义，最核心的决策权还是应该掌握在HR手里，大数据只是一种辅助决策的工具，即便再有说服力，最终的判断标准还是要依据HR的经验和需求。记者/白颖文 宋珅
以上参与嘉宾：
当人力资源管理遭遇“大数据”_网易新闻中心
天保基建人力资源经理 杨丽云
浪潮集团天津分公司 总经理助理 刘桂平
天津城建大学 教师 董锴
城建大数据中心 马淅濛
浪潮集团天津分公司行业总监 徐以晟
艾杰飞人力资源天津分公司 经理 侯荩
艾杰飞人力资源天津分公司 主管 于荣
天大北洋科技公司 副总经理 李朝阳
天安怡和 副总经理 曹轶凝
中轩猎头总经理 罗直
作者：白颖文 宋珅
本文来源：天津网-每日新报
大数据
【干货】人力资源+互联网，怎么玩？
在这样一个互联互通的商业匀速时代，基于大数据的时代，基于客户价值和人权主权的时代，这样一个有机生命相互依托的生态圈时代，对人力资源管理究竟会有什么样的影响？
最近我们花了不少精力，对一些互联网企业进行了咨询和研究。特别是结合小米等公司的案例考察，我发现有如下特征：
一、人力资源管理的核心是“花80%时间找人”。只要到互联网企业去看看，你会发现这些互联网企业人力部门80%的时间都在极力找人，他们人力资源管理的核心就是满世界找人，找最好的人，最聪明的人，最有创意的人。小米公司的雷军就说过，在创业期间，人力资源80%的时间是满世界在找人。
二、去绩效考核。过去，所有企业都在提绩效考核，都在抓绩效管理。但是一些互联网公司则提出，要“去绩效考核”，强调员工自动自发、创造性工作，靠自我责任驱动，不需要用高绩效目标去驱动。这让我们这些做人力资源研究的学者，感到很困惑。一些互联网企业老总对我说，彭老师我们现在没有KPI，没有所谓的绩效考核。
三、去职位化。企业过去5个层级，6个层级，在互联网企业变成了2个层级，最多3个层级，组织越来越偏平化。之前我们一直在讲，要建立企业的职位体系，现在人家告诉我，我们不需要职位体系，要去管理层、去中微层领导，不搞职位体系，去职位化。出现了“倒三角”、网状组织。像小米公司，就强调“少做事、管理扁平化”，认为只有这样才能把事情做到极致，才能快速。
四、去权威管理。过去人力资源管理更多的意见是听老板的，人力资源的理念都是老板的理念，现在更多是要听员工社区的意见，听他们对人力资源产品与服务的意见。在互联网时代，企业里产生各种意见的声音，其影响力可能不再是来自企业高管，可能是“意见领袖”的。现在动不动就会发生一些群体行为，一个屌丝在微博、微信社区上可以和成千上万的屌丝互动，力量不可小觑。在互联网时代的企业里，有可能看上去很不起眼的一个人，他时不时发表意见，引起共鸣，就容易引发群体行为。特别是在80后、90后身上，为了解决某一问题，大家已经不再诉求所谓的威权渠道。当然，这种群体性作用，不光是负能量，有时候可以是正能量，好比企业遇到某一个问题，在员工社区里面互动，通过和大家一起集思广益，就能集中解决企业问题。
五、去企业忠诚。以往，我们时刻提醒企业要提高员工的满意度、提高员工的忠诚度。现在我就遇到了一家企业，他们老板对我说，不需要员工一直忠诚，只要保证他在企业里能帮我解决某一问题，当他两三年之内，他所有的人力资本都贡献出来，他就可以走人。许多高科技企业里，一些老板也是持有这样的观点，他们认为人才最多用两到三年，要持续用了五年，他的人力资本的边际效益就会递减，就会导致组织活力的衰减。这个时候，人才就必须流动到其他企业里面去。从这个角度来讲，我们现在已经不再过分要求员工对企业忠诚，是去人才私有化，去企业忠诚、去员工忠诚；只要对专业忠诚，对职业忠诚是追求“不求人才为我所有、只求人才为我所用”，从“以人为本”到“以用为本”。
过去衡量一个企业竞争力，看企业有多少人才，现在的衡量标准是有多少人才为企业所用。把全球最优秀的人才，都为我所用，这是我所说的人力资本的概念。我们的人力资源不再是所谓的人才拥有量，而是人才的使用量，这个是一个全新的概念。
许多专家提出人才要“以人为本”，有的专家则认为要“以用为本”，核心关键是用好人才。作为企业来讲，是如何有效的去用人。不再简单的把人才作为企业最大的财富，企业最大的财富应该是拥有多少人才的知识。特别是在互联网时代，人才是流动的，人才也不可能不流动；人才的知识是需要管理的，我们要能够让人才与企业的利益有力结合在一起，要能够让人才把最好的才华与企业的发展有效的结合在一起。即便人才流动出去，但他已经把他的知识留在了企业。
我的观点是，互联网时代的人才是忠诚于客户价值，忠诚于自身的职业，忠诚于自身的专业，不再简单地忠诚于企业。企业忠诚的概念已经发生了扩展，发生了巨大的变化，尤其对一些特殊的专业人才，他可以同时被多家企业所用。这也正是为什么在互联网时代，会出现大量的个体知识劳动者，这些个体知识劳动者不再依附于任何一个组织，他可以同时为四家、五家企业提供服务。他依靠的是专业化生存，他所忠诚的是职业化忠诚，而不再是企业忠诚。他所需要的是客户忠诚，把企业当成一个客户，用他的专业能力为这个企业提供服务，是以客户为本。因此，在互联网时代，我们所讲的职业能力、职业道德的概念，也是颠覆了我们过去的所谓企业忠诚的概念。
六、去中心化。我认为我们已经进入了人力资源价值网时代，进入了新四化，归核化、流程化、价值化、平台化，最终形成网络，就是开始跨越边界，人力资源价值贡献，开始不再是上下左右，而是上下左右全方位为企业的战略、经营服务，是全方位的创造人力资源的价值。现在不少的中小型企业在人力资源管理上提出“去中心化”，其实这不矛盾，我所讲的归核化，就是讲人力资源的核心的使命更重要是在战略层面，但应对事务层面上的的确确要去中心化。去核心化是一种趋势，因为小人物在这样一个时代，也可以有大创造、大贡献。
七、施行“人力资本合伙人制度”。人力资源发展到今天，中国企业发展到今天，企业能不能真正转型升级的就在于人力资本是不是能像物质资本、资金资本一样，能够有平等的话语权，平等的交易权。平等的话语权、平等的交易权的体现，正是出现这种人力资本合伙人制度，我认为是三个方面的要求：
第一，真正体现人力资本是一种特殊的资源，它要优先投资；
第二，人力资本作为一种资本，它跟货币不一样，要对剩余价值具有索取权；
第三，人力资本靠它的智慧参与企业的经营决策。
通过观察高科技企业、互联网企业的发展，我觉得我们已经迎来人力资本合伙人制度的时代。人力资本不仅是参与利润分享，还参与企业的经营和决策。这在互联网企业中得到良好的体现，许多互联网企业都是外资企业，但是企业的掌控还是在中国的合伙人身上，为什么这样讲？是人力资本在发挥影响和取到决定性力量，人力资本合伙人依靠自身的智慧实现了对企业的有效管理。我们看看中国的很多互联网企业是外资股份占大头，可最终还是控制在人力资本合伙人手上，在企业的职业经理人手上。为什么阿里巴巴、京东去美国上市，因为美国的资本市场承认人力资本合伙人制度，因为人力资本和货币资本处在一种平等的交易关系中，处于平等的话语权关系中。在中国，我们还有一个转型期，但是互联网已经使得我们缩小了跟美国、跟世界的差距，我们许多互联网企业能够一步跨到人力资本合伙人的新的体系，从这些变化上来讲，会对人力资源管理带着全新的影响和冲击。
八、坚持“一流人才、一流待遇、一流贡献”。小米公司成长是互联网时代典型的现象。小米在短短的几年之内，迅速集中一批优秀的企业家，短短的几年之内，依靠互联网技术的创新，迅速成为手机行业的黑马。按照雷军的说法，他的管理团队创新就是基于互联网思维，他提出要和一群聪明人一起共事，为了挖到聪明人不惜一切代价。他觉得如果一个人不够优秀，很可能不但不能有效的帮助这个团队，反而有可能影响到正常的工作效率。小米人，都是互联网干过的人，有技术一流，有热情，有战斗力。真正体现了一流员工做出一流的产品，一流的贡献。
过去老板经常提一个理念，叫用三流的工资待遇，去获取二流的人才，然后让他们做出一流的贡献。这种思维是经济学思维，就是以最小的劳动额度、最小的人力资本投入去获得最大化收益，是用最小的投资和最小的劳动报酬，换取人才最大的贡献。只有在人口红利时代才能够做到这一点，现在面对一大堆聪明人、一流人才，老板还玩这种招数，是失效的。这种思维不适宜互联网时代，互联网时代一定是一流待遇，一流人才，一流贡献。
九、依靠价值信仰自我管理。还是拿小米公司来讲，雷军认为优秀人才本身就有很强的驱动力和自我管理能力，并以此设定管理方式，和信任的方式。雷军说小米的建立是基于使命感，基于信仰，当员工对公司的产品有信仰，管理就变得简单了。我认为最重要的是他的团队里面都是一些已经衣食无忧的人，所以这批人才可以靠信念聚在一起。小米不设立考核指标，大家都在拼命干，他们七个合伙人，全是老板，可能过去做的是小事业，现在大家之所以能合在一起，想干出大事业，不存在为五斗米折腰，所以这批人可以为了共同的目标奋斗。同时，这批合伙人，都在人力资本上实现了自身价值。我个人认为，考验的指标是小米真正上市了以后，也可能公司上市以后，这七个人就散伙了。
十、强调责任感。小米是6*12小时工作制，小米坚持了将近三年。小米从来没有实行过打卡制度。小米强调你要把别人的事当成第一件事，强调责任感。比如我的代码写完了，一定要别的工程师检查一下，别的工程师再忙，也必须第一时间先检查我的代码，然后再做你自己的事情。其他公司可能有一个晋升制度，大家都会为了晋升做事情，会导致价值的扭曲，为了创新而创新，不一定是为用户创新。其他公司对工程师强调的是把技术做好，在小米这样的互联网公司不一样，它要求工程师把这个事情做好，工程师必须要对用户价值负责。
十一、与客户交朋友，把客户当员工。这一点小米是学习海底捞。就是把“与客户交朋友”变成一种文化，变成一种全员行为，给一线赋予权力。比如，用户投诉或不爽的时候，客服有权根据自己的判断，赠送贴膜或其他小配件。又如，曾有用户打来电话说，自己买小米是为了送客户，客户拿到手机还要去自己贴膜，这太麻烦了。于是在配送之前，小米的客服在订单上加注了送贴膜一个，这位用户很快感受到了小米的贴心。小米就是靠粉丝的传统，把粉丝当朋友当员工，淡化与客户之间的界限。像雷军所说的，做朋友的心理就是，如果你这个问题是你的朋友来找你解决的话，你会怎么做?那当然是你能解决就给他立刻就解决了，解决不了也要想办法帮他解决。
十二、透明的利益分享机制。像小米公司就有一个理念，就是要和员工一起分享利益，尽可能多的分享利益。小米公司刚成立的时候，就推行全员投资计划，内部创业计划，员工可以针对一些新项目进行投资。小米最初的56个员工，自掏腰包总共投资了1100万美元——均摊下来每人投资约20万美元。另外有足够的回报，一是工资上体现主流，第二是在期权上有很大的上升空间，而且每年公司会有一些内部回购，第三团队有很强的满足感，上千万计的粉丝用户在积极推崇他们，增加了荣誉感，第四是让粉丝参与创新和设计，对粉丝的创新进行命名，对粉丝的设计进行命名，就等于把社会的人力资本资源整合到了企业，一千万的粉丝的智慧就变成了企业的人力资源。
类似小米的这种互联网企业，他们提去绩效考核也好，提少做事、管理扁平化也好，这属于小米公司本身的特点。但在互联网企业中，毕竟出现一种人力资源管理的新现象，对于这种新的现象，也是预示着人力资源管理出现了新的动态，我认为不管是传统企业，还是互联网企业，还是高科技的企业，是必须引起关注的。
互联网时代是人的一场革命
互联网时代，企业的人力资源管理究竟会发生哪些变化？如何重构管理新思维？如何设计互联网时代的人力资源管理模式？据我自己这段时间对互联网企业的理解，我概括、提炼一下，认为互联网时代的人力资源管理必须考虑十大变化：
第一、员工是客户，客户是员工。员工跟客户之间的界限模糊了，员工与客户之间无边界，共同在为客户创造价值，为企业创造价值。如小米的粉丝军团就成为小米的产品技术创新与品牌传播的生力军。此外，人力资源管理边界也延展了，人才价值创造边界与范围也扩展了，人力资源产品服务延伸到了客户。因此，互联网时代，员工与客户之间是价值创造、无边界的时代。
第二、大数据提升人力资源决策能力。对于这个时代来讲，我们必须关注大数据，依据数据化来提升人力资源决策的科学性。一方面来讲，人与组织之间，人与人之间的互联互通，积聚了大数据，为人力资源的程序化决策提供了科学依据，程序化决策在未来完全可以依据数据来进行；另一方面，从经营层面上讲，这个叫非程序化决策，这种非程序化决策，更多是在体现企业高层的意志、高层的理念，背后更需要大量的数据来说话，更需要大数据分析进行选择性决策。我建议：
1、企业要随时随地去收集工作现象，员工和员工的互通互联的数据；
2、通过大数据分析去了解员工的价格数据与期望，从而制定基础策略；
3、通过大数据分析去寻求职位系统，分析最佳效率的关系提高人事决策的科学性；
4、通过大数据分析劳动关系冲突的临界点，去减少绝对的矛盾和冲动，降低成本，减少对抗。
我觉得，未来人力资源要有人力资源的计量专家，有人甚至提出来要有数学家，因为现在的人力资源开始真正进入到量化人力资源阶段，叫数据化人力资源管理阶段。过去说在中国企业搞人力资源软件的人，基本都属于亏本状态，投入大量的人力、物力去做软件，但没有产生价值，原因就是人是个性化的，而企业又全是非程序化的决策。未来数据化阶段，企业越来越多的人力资源决策，可以进入到程序化决策。这也为我们的人力资源的数据服务公司以及软件公司，提供了市场化的空间。但是要基于大数据，不是简单的进行人力资源数据的统计，软件公司要有一批真正有懂经营、懂业务的人，能够帮助企业去挖掘人力资源与客户资源的数据。未来不是以软件技术致胜，是你的内容致胜，分析方法致胜。软件公司绝对不能是一批纯粹搞技术的人，必须了解企业经营，必须了解企业业务，必须了解深刻的掌握人性，然后从数据之中去挖掘人类的情感需求，从小样本中去推算大趋势，为人事决策提供依据。大数据的应用，对人力资源服务提供了全新的发展，未来的人力资源服务公司谁拥有大数据，谁拥有大数据分析模型和解决方案，谁就拥有未来。
第三、核心人物非核心。刚才已经讲过“去中心化”，强调源头自主经营，小人物也能大创造、大贡献。过去是串联系统，在互联网时代，是一个网状的并联的分布式生态体系，是一个网状与并联的分布式分散引擎系统，老板和CEO不再是组织的唯一核心，在某种意义上，他真正是以为客户为核心，不是以老板和CEO为核心。过去的组织体系的重心都在老板，都在CEO，未来是倒过来，CEO和老板不再是组织的单一的指挥命令中心，不是首席指挥官，每一个员工都需要高度自治，每一个员工都可以在自己的岗位发挥关键作用，在某种意义上以后老板就只是企业的精神的象征。海尔现在所倡导的“企业无边界、管理无领导、供应链无尺度、员工自主经营”就是在强调这个。同时，组织的话语权在互联网时代是分散的，过去组织的话语权在上，是自上而下的单一的话语权，但在互联网时代谁最接近客户，谁最接近企业价值最终变现的环节，价值链环节，谁就绝对拥有话语权，谁就可能成为组织的核心。比如现在微软放弃员工分级制，认为任何层级的人将来都可以变成组织运行的中心，都可以变成组织的资源调配中心，这就是的去中心化。
第四、微创新与大贡献。互联网时代，实际上是人的一场革命，这种革命是人的能力的革命、人的价值创造的革命，即人的价值创造能力和效益能够放大，一个小人物就能够撬动大事业、创造大价值。因此许多企业家讲，互联网时代要更关注企业的“小人物”。比如微信产品，它的产生就不是腾讯的核心部门。可能一个微创新，一个非核心部门，它的商业模式创新，就可能带来整个企业颠覆的创新，可能一个组织它的这种变化的发展方向就不是向核心去聚集，很可能向非核心去聚集，这个是互联网时代的一个特点。所以，我们在互联网时代有可能是小人物作出大贡献。为什么小人物能够做出大贡献呢？与企业的组织化的数据和平台有关，小人物能够个人借助于组织平台创造大价值。未来组织之中，人在组织能不能创造价值，最关键他能不能善于借助于公司的平台以及公司的知识管理去放大个体人力资源的效率。小人物只要能放大的效率，小人物或者非核心部门就可能撬动大事业，创造大价值。
第五、提升人才的价值体验。在互联网时代，作为企业来讲，人力资源管理不仅仅要关注核心人才，也应该关注非核心人才，强调人才的价值体验。特别是互联网时代信息的对称与信息的透明，使员工更能自由的表达自身的情感变化和价值诉求，企业要学会尊重员工社区形成共识和意见。企业的人力资源产品的研发，要关注员工的情感诉求和价值需求，要增加人才对人力资源产品服务的价值体验。增强体验并不意味着我们要投入更大的资金，而是要让人力资源产品走向更精益化、更个性化、更情感化。人力资源管理更需要对人性有透彻的了解。在某种意义上我们从事人力资源管理的人，既是数字大师，又是人性大师。既要尊重数据事实，同时对人性要有感悟，要有理解。所以，在这么一个时代，人力资源很重要的任务是实现情感的链接，去提升人才的价值体验。
第六、打造人才供应链。在高速的成长时期，不仅是一个变革的时期，更强调精准选人，全面发展人，要打造人力资源的供应链，更强调的是如何快速、精准选择，去满足企业高速成长的需要。同时要构建人才全面发展系统，打造人才供应链。这有很多的基础工作要做。
第七、实时反馈沟通，全面认可激励。互联网时代，人与组织之间、人与人之间的沟通无障碍了，确保沟通无障碍，是可以减少很多企业内部的矛盾与冲突、降低管控与交易成本，减少内耗的；过去强调的是物质激励、奖赏性激励和周期性激励，那么现在应该是：让评价无时不在，无处不在；让激励无时不在，无处不在。员工所做的一切有利于组织发展、有利于自身成长的行为都应该得到认可和激励。只要员工做出了任何有利于客户，有利于企业，有利于自身发展的行为，我们就要随时随地进行激励。尤其在工资总额不长的前提条件下，调动基层员工的积极性就是要提高他们的价值体验，提高人力资源产品服务，随时随地对他进行认可，评价。包括中层认可，关爱认可，绩效认可，提问认可，成长认可等等。
第八、从企业所有制转向价值创造所有制。这是我新提出的一个新概念，叫价值创造归属制，它不再是一种人才所有制了。在互联网时代，从封闭式的人才平台到开放式的人才平台，更强调“不求人才所有、但求人才所用”，不追求绝对拥有，而追求有效使用。
第九、从组织忠诚到职业忠诚和专业忠诚。我们要从单一的企业忠诚走向职业忠诚、专业忠诚、客户忠诚。现在老板最困惑的是流动性太大了，所以老板都试图通过文化来解决价值观的认同问题、凝聚力的问题。但也必须认识到，这个时代不再简单强调组织忠诚了，而要更强调职业忠诚和专业忠诚。
第十、价值创造方式从有限到无边界。因为互联网、因为组织变革，员工的价值创造发生变化，它无时不在，无处不在，它可以随时随地为客户去创造价值。要像小米的粉丝军团一样，懂得去提高价值创造的人性以及他的忠诚度；要关注员工的需求，左要支持业务，右要构建人力资源的价值创造；要实现人力资源的跨边界，要关注价值创造、价值贡献的网络化需求，构建跨边界的人力资源框架。今后，很多人力长期的工作可能要通过人力和外交的方式，多元化边界赋予人才共同参与模式。
解决问题本源的内容不会变
互联网时代的人力资源管理，需要设计跨边界的人力资源管理职能，重构人力资源的职能体系。最近看到一些企业人力资源部门的原有职位都没有了，像华为人力资源部门的许多职能都取消了，变成的8个小组，已经没有XX经理，XX经理，全叫小组长，变成一个项目来进行整合人才，人才不仅来自内部，还有来自外部。人力资源管理出现了微管理模型，微工作、微时间、微团队、微创新、微管理、微政策，这就使得一个组织它既构建了一个公共的基于大数据的数据化的平台，同时又通过微人力资源管理去集合组织。
我们也不能简单地去理解互联网时代的人力资源管理概念。去管理层，把管理层减少了，但是管理团队增加了，不能简单的说现在去管理化，就不要职位体系了，结果职位体系比以往变得更复杂，更需要精准，更需要精益化的管理，更需要建立职位体系跟能力体系一个有效的精准的配置；不能简单的说去KPI，就不搞KPI了，小米没有KPI，小米明年出货量要达6000万台，明年销售额要超过千亿，这就是小米的KPI；我们说去会议，不开会了，能不开会吗？只是开会的形式不再是坐在办公室，是更大的会议，更多的人员，只是会议的方式发生变化，大家对解决问题本源的内容是没有变的。
互联网时代，我们的企业要研究这些新东西，要利用好新东西，但最终还是要回归到客户价值的本位，人才本位。本源的东西是不会变的，不管是互联网时代，还是传统经济时代，甚至认为100年以后，200年以后，还得以人才为本。任何一个时候都要以客户为中心，以奋斗者为本。
来源：商界杂志
大数据
PayPal创始人Peter Thiel：移动计算、大数据和教育软件不过是些流行语
PayPal的联合创始人和亿万富翁投资人Peter Thiel的脑中有很多想法萦绕。他最新出了本新书叫《Zero to One：Notes on Startups，or How to Build the Future》，但在新书分享会上，Thiel所分享的不仅仅是书中的段落。事实上，他甚至在中途连书都没碰过。
相反，Thiel详细讲述了他对于教育和医疗软件、移动计算、SaaS（软件即服务）、云计算及大数据的合理怀疑。对他来说，这些充其量只是硅谷的流行语。Thiel明确表示，像Airbnb一样的颠覆性技术才是重要的，Thiel也是这家公司的投资者。他说，Airbnb是规则改变者，符合他对于投资公司的要求。
Thiel是一个繁忙的人。他与一位员工共同经营了Founders Fund、宏观对冲基金Clarium Capital等多家公司。46岁的Thiel是Facebook的早期外部投资人，他在2004年向这一刚兴起的社交媒体网站投资了50万美元。 Facebook 上市时，他的股份价值超过5亿美元。
一位现场观众提问，这些日子他不喜欢的是什么，Thiel迅速作出了答复：“我怀疑各种主题性的和被大肆宣传的，但是不够差异化的事物，这些都是把各种不同的东西堆在一起的流行语。那些称为云计算公司的公司，在某种程度上不够差异化。”
他谈到了自己作为Friendster的早期投资者的经历，也谈到了当他走进办公室看到装饰在墙上的CEO照片时有多失望，这引起了人们的笑声。对于Thiel来说，这是一个非常危险的信号。Friendster没能成为一个社交网站，如今是一家总部设在吉隆坡的社交游戏公司。“这是一个相当混乱的地方，办公室里装饰着放大的CEO照片，就像朝鲜一样”，他说道。
他简要谈了一下和朋友Elon Musk以及Max Levchin共同创立的 PayPal。他们后来把它卖给了eBay。“我们在PayPal有印着‘我们将成为新的世界货币’的T恤，但没能做到这一点，不过也创建了一个新的支付系统”，他说道，“我并不热衷于让企业文化独立于公司而存在。如果人们只谈论箱包或公司的各种津贴和福利，我觉得这是不良文化的症状。”
现在，Thiel对于科学和抗衰老技术感到兴奋，他也在密切关注和投资这一领域。他对于投资有一个明确的标准：真实的且不易分类。
“我认为被低估了的是那些不符合任何简单描述的公司，独一无二的公司往往很难讲述一个故事——一个奇怪的，你不知道怎么讲的故事”，他说道。
Via Venturebeat
大数据
经济学人为你讲解：反对大数据
“一派胡言”，剑桥教授说到。“自以为是”，哈佛研究员写道。“大数据就是胡扯”，帮助奥巴马重新竞选的精算师如是说。几年前几乎没人听说过“大数据”，而今天想不碰到这个词dou nan，结果计算机专家们热衷于声讨它。《连线》、《时代周刊》、《哈佛商业评论》和其他出版物迫不及待地在其终结前翩翩起舞。《金融时报》问，“大数据：我们在犯一个大错误吗？” 《纽约时报》说，“八个（不，九个！）大数据的问题”。反对大数据的声浪该如何解释？
大数据的概念是，社会可以用大量的数据来做一些只有少量数据时做不了的事情。十年前这个词最初应用于天体物理学、基因组学和互联网搜索引擎，以及机器学习系统（比如用于语音识别和翻译）等依赖大量数据来工作的领域。现在它指从零售到人力资源等新领域进行数据分析和统计的应用。反对大数据始于3月中旬（2014年3月—译者注），哈佛大学和东北大学的大卫·拉泽等人在《科学》杂志上发表的一篇文章中提出了这一观点。文中说，大数据的经典案例—Google流感趋势（2009年的项目，只用搜索数量确定流感爆发），与疾病控制中心的报告数据比，它高估了四年来的病例数量。这导致了对大数据概念更广泛的攻击。
批评集中于三个方面，不是大数据本身固有，而是在数据分析中很常见的问题，它们有一些价值。第一，不能忽视从数据中获得的偏见，事实如此，不容否认。第二，一些大数据的拥护者声称理论（比如，世界运行的通用模型）过时了。实际上，即使处理大数据集，仍然需要学科领域知识。第三，有了更多数据之后，那些似是而非的相互关系（从数据统计上看这些关联性很强健，但只是偶然发生）带来的风险提高了。尽管有新的统计技术来识别和排除似是而非的相互关系，比如对数据子集进行很多测试，但这永远是个问题。
换句话说，这些唱反调的案例有其价值，但这些批评并不意味着大数据分析就一无是处了。就算是抨击大数据说它“自以为是”的哈佛研究员在《科学》杂志上也承认，把Google流感趋势分析和疾病控制中心的数据结合起来提升了总体预测准确度，这表明大数据实际上可作为一个有用的工具。在4月17日公众科学库《计算生物学》杂志上发表的研究报告显示，可以通过维基百科与流感相关文章的访问量估计出流感的流行程度。f d大数据的背后是典型的炒作周期，一项技术的早期拥护者说些华而不实的大话，当这些承诺没有兑现的时候人们就开始放箭，但那项技术最终会改变世界，虽然不一定是以专家们希望的方式实现的。在此之前这已经发生在网络、电视、广播、电影和电报上。现在不过是轮到大数据来面对那些发牢骚的人了。
译者：cyal8er 原作者：The Economist 来源：译言网
大数据
让所有企业在一天内实现大数据可视化分析，永洪科技欲做国内敏捷型BI领跑者
对于一家以数据化运营驱动的企业来说，大数据分析无疑是很有价值的东西。但一般而言，大数据分析过高的技术门槛和使用成本，往往又让企业对这类东西敬而远之。即使是技术成熟的企业，独立开发一个大数据分析系统经常也需要半年以上，且开发完成后的使用过程还是十分痛苦：由于业务上的分析需求总是在变，每次改变某个指标的计算公式、分析维度的组合时，都要技术人员花几周时间修改系统和程序。分析能力的滞后将拖累业务进程，无法满足企业敏捷决策的需求。
现在，有一家国内创业公司允许任何企业在一天内搭建并运行大数据可视化分析。永洪科技提供的敏捷型大数据分析工具，可以实现 5 分钟一键安装、5 分钟快速数据源配置以及 5 分钟报表设计，大部分的业务分析需求变化，都可以在一天内得到响应。从使用门槛来讲，永洪的绝大多数操作体现为点击和拖拽，即便是零技术背景的业务和运营人员，也可以独立、自助式地完成大数据分析。
永洪“敏捷型 BI”的定义，既来自于部署和实现过程的迅速，也因为其所有的数据分析过程，都是实时运算、实时反馈。以前使用传统 BI 进行的数据分析，需要技术人员提前设定一套运算规则，把数据跑一遍，最终得到一个静态的报表——当你需要尝试更多的分析方法和维度时，还要重新走一遍这个流程。永洪的使用体验是，你只需几下点击，就可以在可视化界面上变更运算条件，在新的维度组合下，数据将得到实时处理，并且实时生成新的报表。这样当你的老板告诉你“让我们尝试几个新的业务指标吧”，你不会回答说：“抱歉，请给我一周时间重新准备报表”。
实时运算的基础，是永洪在底层技术上的铺垫。永洪综合运用了列存储、分布式计算、内存计算、分布式通讯等技术，自主研发了比较高性能的大数据计算引擎，作为分析用的数据集市，可以让百亿级数据在秒级时间内完成计算。
数据安全方面，永洪支持客户的本地部署，无需将数据上传云端。由于以分布式计算为基础，当客户需要扩展计算能力时，甚至可以通过增设几台 PC 机的方式实现，代价十分低廉。
根据永洪团队的介绍，在 Gartner 2006 年公布的 BI 魔力矩阵中，标榜为领导者区域的第一象限还看不到一家敏捷 BI 厂商，全部是大家熟知的传统 BI，例如 IBM Cognos、SAP Business Objects 等。直到 2012 年，Gartner 公布的 BI 魔力矩阵第一象限中才见到第一家敏捷 BI 厂商 QlikTech。但是，到了 2014 年，该矩阵的第一象限中就已经出现三家敏捷BI厂商了，在数量上占据了近半数的规模。这在趋势上说明了敏捷型 BI 已经步入成熟期，即将成为一种主流的 BI 系统建设模式。
作为国内目前为止首家推出产品的敏捷型 BI 厂商，永洪相比国外同行的的最大优势是本土化的支持能力。永洪团队表示，国外的敏捷 BI 公司，例如 Tableau 和 QlikTech 等主要专注海外市场，在国内依靠代理商进行销售和客服，支持力度相对较弱。而且在大数据量的计算能力上，永洪在某些测试中的表现据称也优于国外同行。
目前，永洪在国内已经发展了上百家客户，其中不乏中国移动、中国电信、艾瑞集团、泰山兄弟投资、Admaster、科技部、中信银行、四达传媒、中国风电、IT168 等标杆客户。永洪也计划在明年试水海外，届时将与一些国外知名公司正面 PK。
永洪创始人何春涛曾是某外资 BI 公司研发 VP，管理着整个中国研发中心 100 多个研发人员，在大数据和 BI 领域已有十几年经验，参与过多个大型项目。其他核心成员，也均来自世界 500 强，在 IT 行业普遍都有超过十年以上的研发、管理或者营销经验。目前永洪已获凯盈和经纬的投资。
[36氪原创文章，作者: 沈超]
大数据
大数据误区你知多少？
随着云时代的来临，大数据也吸引了越来越多的关注。在以云计算为代表的技术创新大幕的衬托下，这些原本很难收集和使用的数据开始容易被利用起来了，通过各行各业的不断创新，大数据会逐步为人类创造更多的价值。从IT界到、金融界，再到物流界、营销界，乃至医疗界、教育界，无论是界内界外人士几乎都已快形成“言必称云”、“言必称大数据”的口头禅。
但如果真遇到一个“较真儿的”，发出这样的提问——到底什么是大数据？大数据到底有什么价值？我怎样才能得到大数据价值？是那头黄色的Hadoop小象？是动辄XXXBIT的高大上数据量？又或者是千万级别的用户信息？那估计很多口口声声不离大数据的人可能都言语含糊解释不清了。
那么，到底该如何来看待大数据呢？专家冯晓杰表示，大数据单从字面意思似乎不难理解，可以认为是海量级的数据，但是在这海量级的数据究竟意味着什么，这在很多业内外人士的概念里还纯在着一些认识误区。
大数据误区一：只要大就好
如今，很多人提起大数据，如果不提上几嘴“日处理数据量XXGB，上传图片XXGB，并发数XXX”“Hadoop集群拥有XXXX节点，总存储XXPB”诸如此类的技术语言，都很怕别人觉得自己不专业。但是，难道真的只有数据大了，才能达到大数据的登峰境界？才能数人合一地达成大一统的目的？
冯晓杰表示，数据如果仅仅是大那是没多大用处的！就好像资金的意义在于如何使用周转一样，数据大了，但不使用，让它孤零零地偏安机房一隅，那它就不是大数据了，而是有点“败家子”的意思。
比如不少传统的门户网站，基本上就处于“坐拥金山却无福消费”的境况。每天上亿的用户量，却只是简单的广告呈现，没有通过对数据的分析产生更多价值。
大数据误区二：只有技术大牛才懂大数据
虽然很多人口口声声离不开大数据，但是真问他到底懂多少时，其中一部分人可能会说：“我就是懂些皮毛，真正技术层面的大数据我也不懂，你还是问那些技术大牛去吧，他们才真懂。”
冯晓杰表示，其实这样的观点并不全对。比如诸葛亮很懂兵法，他知道该在哪里摆阵，该在哪里伏兵。但是，他不必知道关羽是如何耍大刀，也不必知道张飞的丈八蛇矛在打仗时是扎还是砍。
其实，对于大数据的应用更多的是一种战略能力，而非细节的执行技能，这种能力是可以帮助决策者能从无尽的数据里看出商机看出价值，从而为企业带来更高的利润。而作为决策者并不用太关心在技术细节层面，大数据到底怎么技术生成，又是如何理顺提升用户体验的。
大数据误区三：是个公司都得上大数据
冯晓杰表示，虽然大数据固然是个香饽饽，但不是所有人都能消化得了，或者说并不是所有都有上大数据的必要，而是要衡量企业的现状，看清楚主次矛盾，或是要考量好投入产出的回报率，大数据并不是适合所有企业的现状。
比如，对于中小型网站来说，一上来就盲目追求先进“高大上”的技术架构，那就有点“宰牛刀杀鸡”的意思。对于这类网站，首要考虑的是商业运作模式和推广，只有等到用户量飚升后，再去考虑技术升级这种大事儿。
再比如，在GMIC上，Evernote的CEOPhilLibin就明确表明不带大数据一起玩儿，自己产品的商业模式就是向用户收费，让他们甘心为产品体验付费。
冯晓杰举例表示，如同一个双选题：A.日登陆用户1000人，架构完全参照美国亚马逊从不宕机；B.日登陆用户10万人，每天因为高并发不得不宕机三次。你会选什么？
大数据误区四：我就要海量数据
自从大数据概念火了以后，不少企业在遇到问题的时候，总是会情不自禁的就会想到“是不是我的数据量不够？”“是不是如果有了海量的大数据就能变得更好？”其实，这又是陷入了一个误区。
这又回到了大数据价值和金钱价值的类比概念上。比如用搜索引擎搜索一下“存款贬值”，那么很快就可以发现类似这样的信息：“五十年前的百万变13块”，“一万元存一年赔19元”，显然，不流动的钱，是越放越没有价值，而基数越大，可能导致的损失就越大。
金钱如此，大数据亦然。只有像比特币玩家们一样，不停地使用数据，并以无比的热情挖掘数据背后的关系和价值，才能如滚雪球一般，使数据之间的相互关系更丰富更完善。同理，对于企业的大数据来说，只有充分利用大数据，让大数据充分流动起来，不断的实现增值效果，那么才有机会更大的释放大数据的能量。
因此，冯晓杰指出，对于企业决策者来说，看待大数据必须有一个清醒的认识，当在脑袋发热准备花大价钱上大数据之前，都一定得先想明白透彻了：“我真的需要大数据吗？大数据真的能为我所驾驭吗？”
【来源：199it】
大数据
大数据引发企业决策变革
2014年5月，经济学人智库对1135位企业高管进行了调查，其中54%是C（指CEO、CFO等）层高管或董事会成员。结果显示，43%的高管承认，由数据驱动的企业在过去两年的决策制定上获得了很大的提升，“高度数据驱动型企业比一般企业在制定重大决策时效率可显著提高3倍”。
尽管如此，仍然有为数不少的企业高层在决策时还是依靠自己的直觉和经验，对数据重要性的认识严重不足。
电影《点球成金》里，奥克兰运动家棒球队总经理比利·比恩是一个十足的“怪人”。从不按常理出牌的他吸收了一批被联盟低估的三流球员，指导他们打出了比肩联盟全明星级别球队的成绩，让这支队伍红极一时。
他是怎样办到的？答案是“球员评估数据模型”，也就是数据分析。
比利·比恩颠覆了传统的管理理念，用数据理论指导球员们在各自最合适的位置上发挥出最大潜力，凭借极少的成本就创造了一连串看上去不可思议、实则有据可循的胜利。
这就是数据的力量。
从某种程度上来说，数据已经渗透到了人们日常生活的各个角落，并开始展现出颠覆的趋势，对企业而言也是如此。在购物中心，企业利用数据来统计和分析消费者的行为爱好，并据此规划商场格局；在电商平台，企业更是早就开始收集消费者购买货品时的相关信息，在此基础上为消费者推荐商品和促销信息。
美国咨询数据和分析主管合伙人Paul Blase在2014年新领军者年会现场告诉本报记者，随着科技应用的深入，人们活动所产生的数据正在呈几何级数增长，而另一方面，人类也开始具备了处理大量数据的能力，“从这个角度来看，在数据的推动下，我们现在所处的时代正在进行着一场前所未有的变革。”
但不得不说的是，大数据的概念虽然被炒得火热，其应用还是集中在消费者研究这一隅，并没有影响到企业决策等更加高层的领域。
正如Dan DiFilippo所言，“大数据”虽然被称为人类继农业革命、工业革命后的第三次革命，但其在实际应用方面却存在着一些问题，具体表现在商业方面就是“仍然有很多企业在做决策时并没有意识到和发挥出数据的作用”。
上述经济学人智库的报告表明，尽管有高达94%的全球高管表示，企业管理中需要为企业长期发展制定很多重大决策，超过四分之三的高管们每个季度会做一个重大决策，甚至43%的高管每个月会对其决策进行审查，但仅有三分之一的高管在上一次制定重大决策时采用了数据分析。
占比达58%的高管在决策制定上还是依据直觉、经验、建议以及在企业中的其他经验。
究其原因，Dan DiFilippo表示，主要有两方面因素：“一方面来自于技术层面，另一方面则来自于人和机构本身。后者主要是指很多决策者没有足够的训练，而且怀疑数据的质量和数量。”
Paul Blase对《第一财经日报》记者说，重大决策的好坏对企业利润率影响非常大，通常估算价值高达数十亿美元，“企业在制定决策时，往往缺乏预测性和机制，制定好的决策往往还需要使用最新可访问的数据和分析技术，以及明确责任和决策制定流程。”
庆幸的是，尽管企业高管们已经习惯于依赖直觉，但有近三分之二（63%）的人表示，数据已经改变了他们制定决策的方式，并希望能发挥更大的作用。
“在做决策的过程中人们会面临很多影响，一方面有资深人士非常相信自己的经验，但这样容易产生偏差；另一方面，如果单纯依赖数据做决定的话，人们又会朝另一个错误的方向走下去。所以将数据和经验结合并不那么容易，这是一个平衡的过程。”Paul Blase说。
报告结尾显示，所有受访的高管均表示，未来两年将优先考虑对高质量数据分析的投入，以更好地制定决策。
【文章来源：199it】
大数据
大数据下的企业信息化建设
在各种媒体的连篇累牍的报到和宣传下，我们的大多数企业对“大数据”一词想必都不陌生。无论是对于走在社会发展前沿的互联网、IT产业，亦或是传统的医药、交通行业，大数据必将带来难以估量的价值。在企业信息化过程中，若掌握对大数据的处理能力，可在今后的信息化发展应用上取得领先地位。面对如今的大数据时代，正在进行信息化改革的工业企业要把握好大数据带来的机遇，紧跟信息时代的潮流。
企业信息化过程中的数据安全管理
大数据环境下，信息系统之间是互连的，他们之间会形成一个息息相关的生态圈。大数据的环境会带来一定的风险，比如：企业自身的商业机密在数据共享时会被泄露；很多敏感数据的所有权和使用权没有被明确界定；数据量的存储和安防措施不够有力等。数据具有共享性，我们在保证数据在大环境下共享的同时，还要注意数据的安全性。我们的信息安全管理工作内容之一就是保证数据在传递过程中不会被篡改和泄露。企业在进行信息化建设时，要加强对数据安全问题的控制和管理，以解决大数据时代带来的新的数据安全性问题，所以大数据时代信息安全管理任重而道远。
企业信息化建设中的大数据基础平台建设
大数据时代的发展需要完善的信息基础平台，而现有的供电局信息基础架构还不足以满足大数据时代的发展需求。我们在进行信息基础平台的建设和完善时，不仅要增加信息系统的计算能力和数据消化能力，还要重视对数据资源的扩展和融合。业界普遍认为，现今的云计算技术能够搭建一个信息基础设施平台，满足各类工业企业对数据服务的需要。所以，我们的供电局如果要搭建和完善信息基础平台，应该利用好云计算技术，把自身对大数据的存储和处理能力进一步提高。
企业信息应用系统逐渐迈入整合化、智能化时代
大数据技术最吸引工业企业的地方不在于它的“大”，而在于数据的“用”--整合、分析、利用等。我们的企业在信息化建设过程中总是会产生大量的数据，这是一种不可避免的现象。而此时，如何将那些海量的数据加以整合和利用是目前企业进一步加强信息化建设遭遇的必须要解决的拦路虎。大数据信息应用系统对如何利用好数据具有不可估量的价值，而在大数据应用系统发挥作用前，企业急需对系统模型和数据规范进行统一和整合。我们的企业在大数据时代的发展和推动下，将信息应用系统推动到智能化的阶段。
为工业企业信息化提供环境保障
建立起企业现代化建设的激励机制，切实提高企业的信息化水平。进一步加大企业的信息化水平、不断推动企业管理模式的创新，加强技术合作领域的创新型发展，引进国外先进的经验和创新发展的实例来促进企业信息化，不断推动企业整体水平的提高，改造落后的生产管理模式来加强企业的发展进步，使得信息技术能够真正为工业企业的发展提供力量，为企业信息化创造条件。在大数据时代，工业企业也要充分利用各种形式、各种媒体来加大企业的信息宣传力度，增强企业的最新信息技术的更新普及，使得企业形成良好的信息化氛围。另外，企业也可以利用好大数据时代的信息化来建立起网络化的服务平台，使得工业企业的形象以及服务能力得到进一步提升。
企业在大数据时代下面对的机遇和挑战
信息化建设中的缺陷
首先，我们的大多数企业在信息化建设中，都仅仅是对信息技术的简单应用，而没有意识到数据将带给我们的巨大价值。其次，很多大型的国有企业因为受到政策的保护而导致自身危机意识薄弱，在信息化建设中会慢半拍，落后于其他外资或合资企业。还有，许多企业在信息化建设中对大数据技术的重要性认识不够，在企业管理上缺乏对大数据的应用，导致企业管理高成本、低效率的局面。
把握住大数据时代带来的机遇
大数据时代的到来，会给企业带来革命性的影响。企业通过对大数据的分析和挖掘，可以优化自己的信息管理流程，逐渐变成精细化、数据驱动型的管理。企业传统的管理和运营模式会被改变，大数据将成为企业的决策中心，并提高企业对市场的反应能力和降低企业管理成本。不同行业、不同规模的企业在大数据发展中受到的影响程度也不同，总的来说，就是大数据技术应用越深，企业吸收的价值也越大。目前来看，企业主要需要做的就是利用大数据技术不断提升自己的信息化水平，并积极挖掘大数据的应用。
应对大数据的挑战措施
大数据时代的到来，为我们的企业带来机遇的同时，也带来了一些挑战。面对这些挑战我们的企业可以做出以下措施来应对：一是加强领域的合作，各相关技术领域的专家要加强合作与共赢；二是开发高效的数据密集型计算方法，科学家们需要加大研发力度；三是在信息化应用过程中不断进行调整，遇到具体问题要具体分析。
【文章来源：三影塔CIO之家】
大数据
登上大数据之舟之Part1 新大陆：HR遭遇大数据
大数据以润物细无声的方式登临世界，却造成了于无声处听惊雷的效果。一时间，大数据变革商业、大数据变革卫生、大数据变革教育等等短语冲击着我们的感官和思维。其实，这和历史上任何一次革新类似，都经过了许多准备和铺垫，那么毋庸置疑，这一次的改变最终影响的是“人”。大数据，或早或晚，是HR绕不开的话题。
一、变革来袭
2009年,甲型H1N1流感在全球爆发，它集合了导致禽流感和猪流感的病毒特点，引起了全世界所有卫生组织的重视，许多国家都要求医生在发现新病例时及时上报。然而人们求医往往是等到病症明显之时，而收集病例统一上报又会造成一定时间的延迟，这会让疫情的爆发不可控制。
就在甲型H1N1爆发前几周，谷歌公司的工程师们曾发表一篇论文，引起全球关注和震惊。文中解释了谷歌通过观察人们在网上的搜索记录预测冬季流感的传播，不仅可以观察全美范围的传播，并且可以具体到特定的地区和州。谷歌保存了多年来所有的搜索记录，他们把5000万条美国人最频繁检索的词条和美国疾控中心在2003年至2008年间季节性流感传播时期的数据进行了比较，通过分析人们的搜索记录来判断这些人是否患上了流感。并且他们的预测与官方数据的相关性高达97%，他们亦能像官方一样判断出流感从何处传播，而且非常及时。
于是，与习惯性滞后的官方数据相比，在甲型H1N1流感爆发的时候，谷歌成为了一个更有效、更及时的指示标，为公共卫生机构的官员提供了非常有价值的数据信息。
以上是当今在大数据利用方面的典型案例。在此我们可以直观地感受到大数据所呈现的Volume（大量）、Velocity（高速）、Variety（多样）、Veracity（真实性）的特点，分别指向数据体量大、数据处理速度快、数据类型繁多、数据来源直接导致分析结果的准确性和真实性。正是依靠海量数据的存储和分析，我们才能看清数据之间的关联，实现一种“不追求因果关系”的预测，在全球各个领域内刮起变革之风。
二、 大数据VS HR
在无限接近业务的道路上，数据是HR的“计步器”。大数据时代来临，如今数据变得丰富、繁多而细碎时，它能更准确地证明HR的付出及努力吗？还是凌乱了HR的步伐，为他们带来困扰？
重视越多 能力越强
盛蕻希 合益集团大中华区副总裁
很多HR觉得大数据能给他们带来一些管理的新方法，利用大数据来支持业务发展的例子也层出不穷。我觉得HR会越来越重视数据运用，主要是基于几个原因：
首先，全球商业环境处于不断变化之中，在变化中又产生了许多全新的商业模式，比如“跨界”。企业若要在这变化无穷的世界中继续生存，就不能固步自封，必须跟随 “变”的脚步，积极进取，那么企业HR管理必定也会发生改变。从何变起？变化是无形的，但是客观的数据，会给HR的管理变革提供更直观的依据。
第二方面，如今HR的角色已经逐步由“服务部门”转向“业务伙伴”。业务伙伴所提供的支持和业务的结果联系得更为紧密。这就要求HR要去收集、利用与经营性指标挂钩的数据，而不仅仅是做一些统计的工作。
第三方面，人力资源管理目前面临一个新趋势，从“事后补救”转向“事前干预”，即HR的管理已经不限于当出现问题时制定相关政策进行改进，而要更进一步，做到当问题还未真正发生，就要预见到种种可能性，防患于未然。这一趋势必然要求HR更重视客户感受，并且对数据褒有更独到的见解，不仅能够发现数据、更要拥有解读数据的能力。
庞锦峰 怡安翰威特咨询全球合伙人
HR越来越重视数据运用，是一个可喜的现象。促使HR做出这一改变，我认为主要有两点原因：
一、重视数据运用有助于重塑人力资源的良好形象，尤其处于大数据时代，要让企业内部的客户、业务部门、合作方更信任HR，接纳其为合作伙伴，HR就必须在日常工作中提出更多切实可行的建议，设计出合理的方案，这其中广泛收集、扎实分析数据的能力必不可少；
二，相较于几十年前，当今的员工往往拥有清晰的个人追求，他们越来越期望通过个性化的渠道来彰显自身的价值，通过获取更多的社会资源来成就个人的发展。这对HR来说就产生了很大的挑战：如何在人员特征同质化越来越不明显的今天去定义岗位所需的人才？并且使他们认同企业价值观，为共同的愿景而奋斗？是否需要设计具有差异化的渠道来发挥每个人的潜能？面对越来越复杂的员工需求，人力资源政策必须层次丰富，愈加多元化，这必须仰赖数据的分析及整合。
许菊晏 析源组织效能咨询执行董事
目前人力决策的模式正在发生重大改变，以往人力资源部被称为人事部，侧重于软性管理，我们称之为“人的管理艺术”，现在的企业管理仅仅依靠艺术是不够的。企业达到一定规模，人的行为、特征、构成及观念会发生改变，此时光凭经验、直觉去做决策，存在很大的风险。因为基于经验的判断往往会导致对事件的反应滞后，HR以往的管理跟进也常常是一种“救火式”的管理，即当问题暴露之后，再制定措施。科学的人力决策模式要求在事情发生之前就有所预见，从而防患于未然，这其中便离不开数据的支持。举例说明，一个企业发生较高的员工离职率，HR要对此采取措施，通常的做法是对离职员工进行一对一的访谈，然后针对一些突出的原因进行跟进。但是员工离职的促因可以是多方面的，有的却无法直接可以表达准确，或者能说出来的原因未必就是最要命的。还有就是从各个部门收集到的信息比较分散，容易造成管理者东一榔头西一棒子，无法将资源配置最优化。
科学管理的做法应当是对每一位员工的所有可获得信息进行持续地系统收集和分析，包括人口特征（如年龄、性别、学历、家庭构成等）、职业信息（职业发展阶段、绩效表现、最近的升职、历史薪酬等）。针对离职员工，还需要包括量化的离职访问结果（一般委托中立第三方执行以得到更加真实的反馈）。这样将采集到的信息综合分析，我们不仅需要敏锐监测每一例员工离职对于组织的影响，还需要分析离职员工的综合特征和潜在驱动因素，甚至可以计算出哪些因素的变化可以使离职率降低多少个百分点。谷歌公司就根据离职员工的“大数据”分析建立了离职员工模型，寻找员工流失的关键驱动因素，从而更好地从关键人才保留方面入手，在人员成本和流失率之间找到最佳的平衡点。这便是一种预见性的策略，如果不重视大量数据的储备和分析，这是无法实现的。
愈碎片 愈丰富
庞锦峰 怡安翰威特咨询全球合伙人
我个人认为碎片化的数据恰恰对人力资源管理具有正面而积极的影响，能使他们在解读业务问题时拥有更多的素材和渠道，使他们更贴近业务需求。
有一个案例可以很直观地说明这一观点：某家世界知名营养品供应商，在中国区的销售主管和销售代表比为1:10，即1名销售主管领导10名销售代表。当中国区销售总监去集团总部访问之后，他发现总部的销售主管与销售代表比为1:5，由此他认为对于业务增长来说，总部的这种模式显然更具有优越性。于是他向人力资源部提出要求：将中国区的销售主管与销售代表人员比例调整为1：5。如果此时没有碎片化数据的支持，那么人力资源部及销售总监之间只能依靠逻辑推理来讨论这一问题。而这家全球知名公司凭借碎片化的数据基础建立了全球人力资源数据分析中心，人力资源部便能从不同的数据源中抽取出人员性别比、年龄比、资历比、产销比等等，然后整合分析得出一个结论：可以将中国区的销售主管与销售代表配比调整为1:5，但同时人均销售额、回款率等等也要做出相应调整。经过多重考虑，最终这位销售总监决定保留原来的人员配比。这个案例其实正说明了碎片化数据具有不可估量的价值。HR如果能够读懂业务的诉求，将其转化为数据分析的命题，同时拥有强大的整合能力，那么纷繁的数据是说明问题的有力“武器 ”。
郭宏伟 迈图集团亚太区战略薪酬总监
碎片化为我们带来的主要问题就是会出现信息的不连续性，这对做数据分析的人来说可能是一个比较大的挑战。每当数据出现不连续，我们就可能会怀疑到数据的可靠性。以调薪为例，中国市场在过去几年的调薪比例在7%、8%、9%这样的水平。假设在未来的5年之后，你要做出一个调薪的决策，你从现在到未来5年的数据是缺失的，恰好这5年中国的经济环境，大的市场环境、人才环境都产生了变化，但你没有渠道拿到这些数据，所以做5年之后的调薪决策会比较困难。
很多东西貌似表面上是碎片化的，但它的本质上却未必是碎片化的；有些信息可能表面上不存在相关性，但是如果经过进一步挖掘，你会发现他们的内在存在相关性。我举个例子，比如员工响应客户需求的速度，员工请病假的频率和时间，甚至员工去餐厅吃饭的时间，可能都和员工的敬业度有关。假如在一段时间的周期内，员工对客户电话的回复率从90％下跌到80％，员工吃饭的时间普遍从12点提前到了11点半，这说明什么问题呢？说明其中一定有工作性质，客观环境或者主观因素的变化。如果某一个群体都发生了类似的变化，那可能就说明这个部门的工作安排或者进度上出现了一些问题，你就要进一步去深度挖掘是什么原因导致了这种变化，是否有必要采取相应的措施。再比如员工请病假的数据量，有这样一个现象，在敬业度调查中得分较低的企业，大约员工一年请病假平均是6.9天，而敬业度调查得分较高的企业，员工一年的平均病假数是2天多一点。这些数据表面上是碎片化的，但实际上它反映出了一些问题，就看你用什么样的方式去把它联系起来。
具体到薪酬方面来说，我们还是提倡用系统工具来收集公司内部以及市场上的信息，尽量去把数据完整化。在某些数据缺失的情况下，应当寻找到恰当的分析方法或者寻找替代源，使这部分缺失的数据不要过多的影响到分析的结果。
思考：
你重视，或者不重视，数据就在那里，不减反增，其实谁会困扰于信息多、资源广？海量数据衍生出的复杂处理手段和技术才是真正扰人心绪的东西，但永远跟随业务步伐、在商业世界中保持与时俱进姿态的HR不会沉溺于烦心愁绪中，而会通过自身技能的提升和强大的沟通能力，将困扰转变为欣喜。
【文章来源：智享会 《HR Value》第23期】
扫一扫 加微信
hrtechchina
大数据
大数据
大数据
大数据
大数据
大数据
大数据
大数据
大数据
大数据
扫一扫 加微信
hrtechchina
