一、数据化：一个流行词
似乎是一夜之间，数据化成了流行词汇。数据化（动词datafy或名词Datafication），用来描述把现有业务转变成“数据业务”的过程。
在移动互联的今天，一切均已数据化。微信将我们的朋友圈数据化，Google把我们的信息搜索与检索数据化，LinkedIn把我们的职场连接数据化，微博把新闻和实时信息数据化。更有甚者，Waze把我们的汽车驾驶数据化，而GE则将引擎、电站和机器设备数据化。
如今，我们用大数据来存贮和分析这些商业活动中的数据信息，并利用大数据营利。这就是数据化的魅力所在：它不只是产品和流程，它是重新思考我们的数据世界。于是，当我们分析销售、客户获得、产品盈利能力、供应链成本等等经营指标时，我们采用数据化手段，而当数据化变成大数据时，存储、处理和分析数据所需要的高速和敏捷，则成为巨大挑战。
二、人力资源数据化
大约25年前，市场细分、客户聚类及客户关系管理成为企业管理思潮之时，市场营销随之成为以数据为中心的部分。HR也将遵循同一路径和方法。
例如，对于高科技企业来说，HR部门的挑战之一可能是员工流失率过高。于是可能希望通过数据回答这样一些基本问题：即将离职的是哪类员工群体？离职员工及其经理用哪些数据特征可描述？挽留离职员工的模型是怎样的？
这类问题对于市场营销部门来说都会自然，但对于HR来说，回答这些问题的能力还不完全具备。
思考以下情况：公司将50-60%的营业收入用于支付员工工资（有时更高，有时更低），但这么高昂的费用却很少得以分析。我们用正确的人做正确的工作、并且支付正确的工资了吗？或许我们有清晰的费用和人员编制的预算，但我们真的了解如何优化员工支出吗？
根据国外的研究，仅仅通过分析工资泄漏(payroll leakage)，企业就能节约大约4%的成本。通过专用算法，企业还能发现计时岗位上的大量临时员工其实是不需要的。对于大型企业来说，这些分析能够显著节约公司成本。
三、人力资源数据化的应用
尽管目前只有很少数的企业（少于8%）开展人力资源数据化，但已经显示出大数据的巨大威力。以下是一些实例：
- 一家技术服务公司发现，员工离职开发部与看上去不符。跟踪数月之后他们发现，中等绩效的员工（不在Top 10%之列），即使绩效奖低于平均值的90%，他们也不会离开；然而高绩效员工，如果绩效奖低于平均值，他们就会离开。于是管理层悄悄将绩效奖从中绩效部分转移到高绩效，在并未大幅调整工薪成本的情况下，显著改善了员工留存率。
- 一家大型金融服务企业在分析金融产品盈利能力时发现，一个销售团队的盈利能力超出平均水平。经HR和产品数据的差异对照研究，发现这组销售更成熟、培训更到位、销售产品的业务直觉更强。公司于是决定在招聘和培训中加强这些元素。
- 一家大型客户服务供应商，分析了全球七个地点多达7,240名雇员的数据，发现客户服务领域的“相关工作经验”对于员工任期、工作绩效及长期服务并无明显影响。分析还发现，一些有着频繁跳槽等前期工作背景候选员工，工作成绩并不比在前一职位上长期服务的人更好或更差。因此，公司需要更好的模型来帮助雇佣和预测客户服务的高绩效。
四、数据化为HR带来机会
数据化将为人力资源带来许多改进机会，如：
- HR数据管理：今天市面上已出现大量整合数据的数据管理工具，但许多公司在HR信息管理上仍很薄弱
- HR分析工具：几乎所有HR软件商都为其HR平台提供了数据分析工具，同时新颖的数据可视化和分析工具也不断涌现
- HR数据供应商：许多新公司能够提供人员和劳动力数据，以及帮助优化成本和资源分析的标杆数据等
- HR分析培训：一些公司可提供免费的统计学、可视化及数据分析知识培训，大数据和数据分析图书也层出不穷
- 新的决策过程：数据化越成熟，HR决策越数据驱动。随着时间的推移，HR可能成为企业中数据分析的急先锋
[本文编译自Josh Bersin 的 The Datafication of Human Resources. ]