Page 237 - 人力资源管理理论与实务研究

第九章 基于“互联网 +”的人力资源价值链研究

讲上表示，大数据让一个人的画像越来越清晰。因此，企业可以通过大数据将应
聘者的简历整合在一起，从这样的数据中抽解出适合某一岗位的理想候选人的数
据，映射到本岗位的人才素质能力模型上，形成具有企业烙印的个性化候选人画
像。在进行招聘甄选的时候，结合应聘者在社交网络上的兴趣与行为数据，根据
合理的算法模型，直接、精准、高效地筛出与岗位最匹配的那个应聘者，提高招

聘效率。
对于中小企业来说，如果无法建立完善的大数据架构和使用成熟的大数据
技术，依然可以通过数据化分析的思想来优化和提高招聘的效率。我们可以通过

对企业内部员工的数据进行分析，建立能够实现企业目标的员工信息模型（如行
为特征、高绩效表现、态度和价值观表现等），通过绩效数据和其他数据建立相
应算法，并剔除可能出现的多重线性错误的问题，验证候选人的特质与模型的匹
配程度，以此迅速筛选出可能适合企业的候选人，减少招聘过程中的主观臆断，
提高招聘的准确度和效率。

（二）关于人才考核与激励方面的应用
多数企业其实拥有大量的人力资源数据，如基础信息数据、考核结果数据、
员工异动数据、人才培养数据等等，鲜少有企业可以看到数据背后的价值。若可

以整合这些数据，同时结合行业数据分析和预测，可以帮助企业实现人力资源效
能最大化。
大数据可以通过分析外部市场和行业的薪酬水平，结合企业的经营数据，
预测企业的发展态势与薪酬涨幅之间的关系，建立完善合理的薪酬激励制度，并
测算候选人薪酬期望的合理程度；还可以通过建立企业经营状况有关的数据算法，

找到员工绩效提升的突破点和原因，建立合理的激励政策和制度，刺激员工实现
高绩效，提高个人的绩效表现。同样，如果大数据技术无法实现，数据化的分析
思想依然可以应用在人才考核与激励方面。

根据管理的二八原则，企业 80% 的利润是由 20% 优秀的员工创造的。人力
资源部可以通过对 20% 优秀绩效表现的人才特质进行分析，找到产生高绩效的
原因，建立高绩效人员素质能力模型，给予与实际工作相匹配的薪酬和绩效激励；
分析低绩效人员与高绩效人员之间的差距，找到绩效差的原因，客观公正的评价
员工，对于那些主观的因素（比如意愿），通过设定合理的考核和激励予以刺激，

以产生高绩效；对于非主观的因素（比如性格），可以提供转岗的机会，把合适

227
227