从信息化到大数据人力资源管理的演进历程

2010—2011年，腾讯公司在对市场和内部人力资源信息化现状进行深入调研和分析后设计规划方案，正式启动人力资源信息化项目，并将该项目分为三期重点执行。第一期：将信息“孤岛”（即孤立的信息系统）及系统数据进行大整合。第二期：提升应用型人力资源业务流程对员工的辅助和支持作用。第三期：加强数据决策力，提升人力资源服务质量。

2012年，腾讯启动换“心”工程，采购并实施了ORACLE People Soft 系统，应用其核心人事（Core HR）及Payroll 模块，集成内部人力资源数据，搭建起人力资源管理的统一结果库，并将外围其余模块的应用端以接口的形式关联至People Soft 主系统，员工可直接操作界面相对亲和友好的外围应用端，保持较高的用户体验度。

2013年，腾讯SDC与微信团队合作，开发了基于移动端的人力资源产品——HR助手，以微信企业号的形式为员工提供便捷、快速的人力资源服务，逐步推动员工自发展与自管理。

腾讯人力资源管理部门进行了一系列探索。2014年，SDC内部成立了人力资源大数据团队。2015年，COE邀请外部顾问建设活力实验室。腾讯人力资源部门进行了一系列项目探索，处于从信息化到大数据人力资源管理过渡的阶段。

信息化人力资源是以人力资源职能管理（人力资源规划、招聘、培训、绩效、薪酬、员工关系等）为框架，在计算机及移动端等向员工、管理者提供人力资源管理服务的系统。系统包含提供信息化HR服务的硬件、软件、通信网络基础设施。

大数据人力资源管理，是以人力资源管理过程中产生的海量过程、结果，以及员工行为等类型的数据为出发点，在大数据分析技术、经验、工具的支撑下，向员工和管理者提供人才方面有实时性或洞察力的决策的平台。平台包含提供大数据人力资源决策的有形资源、无形资源及人力资源。

从演进的角度来看，大数据人力资源管理较信息化人力资源管理在分析能力方面有质的变化。信息化人力资源管理可以划分为三种分析能力：统计、问题分析、监控。统计阶段的工作是对所有人事工作进行统计，生成人力资源报告。问题分析阶段的工作是在数据中发现问题，生成人才的问题分析报告。例如，管理者在离职率数据中看到异常情况，于是做一个离职率的问题分析报告，找到并分析问题。监控阶段的工作是通过系统实时、自动地发现问题，生成人力资源预警报告。监控的作用非常大，无论是统计、问题分析还是预测阶段，都可以用到监控。

信息化人力资源管理做到位后，实现的是基于统计、问题发现和监控的人力资源，其逻辑路径是提前设计好的。传统的数据分析多是事后总结，是一种滞后的管理。大数据人力资源管理则要求帮助人力资源管理者进行预测，实现前置管理。

（2）人力资源大数据基础设施的搭建

腾讯人力资源管理的数据包括结果数据、过程数据、行为数据和心理数据。结果数据是信息化人力资源阶段，e-HR系统产生的招聘、培训、绩效、薪酬和员工关系等职能模块的统计数据。过程数据是各个信息系统的用户操作日志以及操作轨迹。行为数据是关于员工行为和行为发生时环境的观察报告。每个员工每分每秒都在产生行为数据，数据量大，是真正意义上的大数据。因为行为数据不限于人力资源职能模块，收集数据时边界超越了e-HR系统，而且行为数据涉及员工隐私，所以收集行为数据有很大的难度。心理数据是指员工的情绪心情、性格倾向、行为动机等分析观察和测评类数据。

大数据的处理需要一个良好的平台，为此腾讯开启了人力资源大数据基础设施的建设，SDC在整个建设过程中发挥着不可忽视的作用。

e-HR一般分为三层，自下而上分别是源数据层、建模层、应用层，而腾讯的人力资源大数据架构多了一个派生数据层，如图8—5所示。



腾讯人力资源大数据基础设施的架构层次

●源数据层。这一层关心的问题是数据汇集和数据质量。腾讯人力资源管理的源数据基本来自HR职能模块（招聘、培训、绩效、薪酬等）产生的结果数据。员工过程数据和行为数据分散在腾讯的各个体系里。行为数据、过程数据将成为突破传统结果数据的关键，其拦截与分析在技术上已不成问题，但法律道德方面的阻碍较大。

谷歌人力资源管理的源数据层有过程数据和行为数据。百度人力资源管理数据库也开始纳入过程数据和行为数据。腾讯对过程数据把握较为严格，高层对使用员工内部沟通、聊天等隐私信息进行分析是比较抵制的。

目前，腾讯SDC与源数据层的关联最多。首先是数据信息维护类服务。数据信息一方面由SDC的工作人员在系统操作中产生，包括员工转正、数据提取、荣誉数据维护、权限维护、校招生信息更改、简历入库等。另一方面，员工通过企业微信中的“HR助手”自助办理事务也会产生源数据。其次是权限配置和系统运维。包括人力资源系统的权限维护、清理和监控，SDC自建系统的运维。最后是数据安全和质量。包括数据安全审计，数据质量规范梳理和需求响应，监控运营。

●派生数据层。原则上说，直接用到源数据的机会很少，一般是大量使用派生数据。派生数据层关心的是分析的效率和标准化，建立全面、统一、易于调取的派生数据，如员工的司龄等于当前日期减去入职日期。

目前腾讯SDC的派生数据层较薄弱，这会带来什么问题？以离职率为例，离职率可以有不同的算法，比如，算法1：离职率＝期间内离职人数/［（期初人数＋期末人数）/2］×100％；算法2：离职率＝期间内离职人数/预算员工人数×100％。如果每个使用离职率的人都要利用原始数据计算，不仅浪费时间，而且不同人采取的方式不同，结果也不同。好的派生数据层存储的数据远大于源数据层。

●建模层。这一层关心的问题是，如果要进行问题分析，那么分析应包括哪些模块。数据建模是问题分析的思路或逻辑大纲。

●应用层。这一层关心的是数据对业务的支撑。腾讯人力资源管理从客户的角度为人力资源体系内部客户（COE，HRBP，SDC）提供决策支持、运营监控和专业研究；从用户的角度为管理者提供管理辅助，为员工提供个人自助数据服务。例如，SDC的管理者应用平台，SDC的HR在后台进行数据提取、报告制作和数据分析。管理者能在PC、移动端上直观、清晰、实时了解团队的人事信息。COE的活力实验室主攻应用层，有很多预研性的大数据分析，为管理者提供决策参考。

（3）大数据人才的演进

腾讯SDC根据业务需求，自下而上建立了信息建设中心、系统开发中心等，形成了部门内的产品闭环。腾讯SDC的人力资源大数据团队的人才讲究跨界，他们拥有人力资源、管理咨询、人力资源信息化、数据库、系统开发等领域的一项或多项技能、知识、经验。

比较来看，谷歌侧重于学位背景多元化。谷歌的人力资源部门有一个由十几名名校毕业的统计学、组织行为学（工业心理学）博士组成的分析师队伍，专门研究不同的人力资源政策和员工绩效之间的关联，并根据研究结果随时调整薪资福利、晋升制度等，确保员工队伍始终处在良好的工作状态。腾讯SDC的负责人指出，腾讯人力资源大数据团队需要懂人力资源、组织行为学、统计学的研究型人才。

（4）大数据人力资源实践的探索

人力资源管理者从数据和事实分析中获取价值，为企业提供前瞻性的业务洞察，降低企业用工成本，通过人才地图发掘人才战略信息等。这些实践有助于企业绩效提升，使企业获得持续竞争优势。腾讯紧扣战略进行了一系列大数据人力资源实践。

●对离职进行预警的“红线”项目。“红线”项目是由COE的活力实验室牵头、多部门联合进行的大数据分析项目。项目基于员工的行为数据，如员工离职前会有何异常表现，总结规律。当其他员工有这些表现时，系统向管理者预警，管理者采取适当的保留方案或继任者方案。

●降低运营量的“先知”项目。腾讯于2013年建立了HR8008员工服务热线，为员工提供快速找到HR、获取专业人力资源知识的一站式服务。HR8008热线日常有大量运营工作，“先知”项目的目的是通过对运营大数据进行分析降低运营量。

利用以往的数据，可以找到事物的规律。团队根据同期员工问询的数据，预测什么时候将是某类业务咨询的高峰期，例如，通过对2014年、2015年的数据进行观察，发现7—8月份是“实习生留用考核”问题咨询的高峰期。团队人员抓取几个关键时间节点，提前做好Q&A（问题及解答），并将其接入门户热点问题及搜索后台知识库，员工可以快速找到相关解答，既减少了重复的问询，也提升了员工的满意度。

未来的人力资源管理者不用出现，员工感受不到人力资源管理者的存在，这才是比较理想的状态。2016年以前，团队将咨询升级量作为KPI（关键绩效指标）来考核，绩效的导向是人均咨询量、处理量越高越好。2016年实施“先知”项目以后，理念转变为员工的人均问询率、咨询升级率越低越好。

●助力员工招聘与保留的员工稳定性分析项目。为提升招聘环节的效率和效果，人力资源管理者将腾讯历史上所有的员工按照稳定程度分成多个样本，通过对大数据的挖掘找到与稳定性相关的典型特征，建立起能够识别候选人稳定性的数学模型。招聘系统进一步应用数据分析结果，自动根据应聘者的简历对候选者的稳定性做出评估，向负责招聘的人力资源管理者及业务负责人提供决策建议。这个分析同时也为后续招聘以及保留环节提供参考。

此外，腾讯还用大数据助力组织诊断，探索一个产品或项目团队：团队的人力配置有什么特点？这是一个有活力的团队吗？2012年以后，《腾讯月刊》开始发布图腾栏目，该栏目借助数据分析和图形呈现，对管理者、员工关心的员工健康、企业发展、行业动态等主题进行大数据分析、预警、预测，为管理者、员工提供现象解释和决策参考。

腾讯从信息化到大数据人力资源演进是从量变到质变的过程。人力资源部门在信息化人力资源阶段，始终围绕选、育、用、留等职能模块的结果数据进行统计、问题分析与监控。而在大数据人力资源阶段，人力资源部门主要进行数据预测。与e-HR阶段相似的是，大数据人力资源分析的落脚点是人力资源选、育、用、留相关的问题，例如识别潜在的优质人才、管理员工的健康水平、帮助员工积累成熟的工作经验、改进员工绩效表现和完善员工工作习惯等。但是，大数据人力资源管理所采用的数据并非只由人力资源职能模块产生，还有大量人力资源职能结果数据以外的行为数据、社交数据、环境数据等。通过这些数据，人力资源部门能够更全面精准地预测企业人力资源问题，这是对e-HR阶段人力资源数据分析的一个重大颠覆。