Gartner预测，到2015年，大数据及分析市场将产生$3.7万亿产品和服务机会、诞生440万新工作。多数人把大数据应用的关注点放在市场营销与消费者业务，但人力资源大数据应用的潜在机会可能更大。我们可将其称之为人才分析(Talent Analytics)。
什么是人力资源大数据？
美国有大约1.6亿劳动者，而大部分公司最大开支是薪酬。事实上，大部分公司的薪酬占到总收入的40%以上，也就是说，美国总薪酬成本高达数十亿美元。
公司是否真正了解，员工中的哪些因素能带来良好绩效？答案是，真不怎么了解。我们了解一个销售为什么比同事绩效更优吗？我们了解为什么某位领导比其他高层更能激励员工？我们能否准确预测某名候选人进公司后表现一定会突出？
这类问题，多数答案都是“不”。招聘、管理、提拔、奖罚等大多数决定，都依靠内心感觉、个人经验及公司信用系统来作出。这就好比，营销副总花几百万美元去搞营销活动，因为他知道“一直都这么做”。这不是一种与进俱进的决策方法。
实例：招聘最好的销售员
我们来看一个实际案例：
一个大型金融集团，有一些传统的迷信，认为好大学出来的员工能够创造好业绩。所以它的招聘、遴选、晋升都基于这种学术化观点来设定。
几年前，该公司分析师进行了一次销售效率与周转率的统计分析，考察了新员工前两年的销售绩效，并建立总体绩效、员工保留率与一些人口统计学因素的关联关系。
他们的发现令人震惊。结果发现，公司传统的信任体系是完全错误的：
选择业绩最好的销售人员，影响因素五项：
- 准确的、语法无误的简历
- 从头到尾完成某种教育
- 在高价位销售中有过成功经验
- 在之前的工作中展示过成功能力
- 在非结构化条件下工作的能力
以下三项因素完全无关：
- 在哪里上过学
- 在学校的成绩
- 前期资历的质量
大数据讲述不一样的故事
如果你做过很多招聘工作，你一定知道评估是一个人的成功几率是多么困难。在上述案例中，运行30年的信任体系使公司取得成功，然后数据却道出不一样的故事。当这些分析数据反哺到招聘流程，公司在下一个周年立刻增加400万以上销售收入。
公司存有各种员工、HR和绩效数据。30年采集人口统计学数据、绩效信息、教育历史、工作地点及其他很多员工要素信息。我们是否科学利用这些数据，帮助人们进行决策？并没有。
这便是大数据的最大机会。如果能将数据科学用于遴选、管理和人员吻合性，则回报是不可限量的。
如何利用HR大数据
如何充分利用公司中的大数据机会？或许你已经拥有数据，但你需要分析经验和技能，以便进行正确的分析。而一切分析，往往始于正确提问。
大部分公司都拥有大量的HR数据（员工的人口统计数据、绩效排名数据、人才移动数据、培训完成情况、教育经历等等），但这些数据未能派上用场。
统计显示，大型企业平均拥有不少于10个HR应用，而核心HR系统至少运行了6年。所以，把这些数据整合到一起加以合理利用，确实是费神费力的事情。
最重要的是，数据分析实在是一门专业学科，它要求掌握数据分析、数据清洗、数据统计、数据可视化及问题解决等技能，而大部分HR工作者缺乏这些技能，因此公司必须找到这些人，并安排他们与HR一起共同处理HR数据。
生逢其时，立即行动
现在正是进行人才分析的大好时机。以下高价值回报的人才分析领域：
- 员工挽留：什么因素促使员工绩效和忠诚度
- 销售业绩：什么因素让销售专员的业绩更好
- 事故申报：什么因素容易使员工产生事故
- 领导评价：谁是最成功的领导，为什么他与其他人不同
- 损失分析：为什么有的地方容易被盗，损失和损失的原因是什么
- 顾客挽留：高客户满意度的要素是什么，如何留存客户
[本文编译自 Josh Bersin 的 Big Data in Human Resources: Talent Analytics Comes of Age。]