本篇文章1760字，读完约4分钟
客户分析模型的平均产品寿命一般为两到三年，人力资源分析模型也是如此。
本文由红衫军授权的我黑马(微信号:红杉)发表，内容最初发表在《麻省理工学院斯隆管理评论》上。
近年来，除了大数据分析之外，物联网和社会地图等新兴技术也频繁应用于商业环境。这些技术的共性在于解决了人们对这一问题进行深入分析的需求。
为了更好地理解消费者行为，许多公司都投资于大数据分析。事实上，在保险、风险管理和金融欺诈监控等以客户为中心的服务领域，大数据分析的应用已经非常成熟。但我们现在想谈论的是一个全新的大数据应用场景:人力资源领域。
尝试使用大数据分析来了解您的员工是否值得？虽然我们看到许多公司增加了对人力资源分析的投资，但成功的案例并不多，谷歌就是其中之一。
谷歌从一开始就没有给人力资源部打电话，而是给人力资源部打电话。谷歌副总裁兼人力资源总监拉兹洛博克(Laszlo bock)很早就意识到，每个领域都需要基于数据的决策。所以谷歌把人力资源管理的决定交给人力资源分析团队来指导，这个团队为自己设定了至少两个目标:
1.谷歌的所有人事决策都基于数据和数据分析；
2.让人员决策的准确性达到与项目决策相同的水平。
事实上，尽管他们仍然称这种方法为人力资源分析，但其决策模式已经上升到基于数据的决策或基于事实和证据的决策，基本上摆脱了20世纪的主观决策模式。
在对人力资源分析深入研究的基础上，我们希望针对这一新兴行业，为企业提出四点有效的经验，帮助企业进行战略性人力资源决策。
一般来说，无论从哪个角度来看，现在都是企业投资人力资源分析的最佳时机。
建立一个动态的员工网络
管理者知道，理解顾客与顾客之间或顾客与企业之间的关系对于解释和预测顾客行为非常重要。同样，企业也可以用这种思维来对人力资源管理大做文章。最简单的方法是建立一套员工网络系统。
如果我们以员工为节点，通过邮件(或匿名邮件)、项目合作或一些类似的元素将每个节点连接起来，并考虑这些因素的发生时间，那么企业就可以及时知道新员工加入这个网络时会遇到什么障碍，最终得到最优的量化组合方案。
同样，当一个企业解雇员工时，了解解雇员工对公司的影响以及是否会导致其他人才流失也是非常重要的。如果他在员工网络的重要部分，负责与各个社区的联系，请在解雇前认真做好沟通工作，避免员工网络的中断。
大数据不是魔法
像任何新技术一样，大数据在使用前应该在合理的范围内。尽管分析技术可能是有价值的工具，但它并不是贵公司做出所有重要和困难的人力资源决策的灵丹妙药。毕竟，当一个分析型的人力资源模型付诸实践时，并不意味着它的生态环境，如公司战略、员工组合和宏观经济条件，都不是一成不变的。
因此，最重要的是人力资源的决策者利用他们的商业敏锐度、经验和对问题的理解来及时响应、解释和调整这种分析模型的结果。
例如，如果你的分析模型告诉你，你的招聘和解雇政策不全面，甚至是歧视性的，你会怎么做？或者如果它告诉你你要找的理想员工不存在，你会怎么反应？
任何意料之外但合理的分析结果都应得到仔细和全面的处理。显然，这需要人力资源经理有一个消息灵通和开放的思维模式。
提供商业见解
人力资源分析不仅应该提供统计性能，还应该提供业务洞察力。
当在商业环境中使用分析模型时，新手经常犯的一个典型错误是盲目痴迷于统计性能。统计数据很重要，但人力资源分析模型可以做得更多。另外两个重要的衡量标准是可解释性和合规性。
解释性意味着任何基于分析的人力资源决策都应该得到适当的鼓励，并向利益相关者合理解释。
合规意味着对法律、法规、隐私和道德责任的保护是成功和有效利用人力资源分析的关键。这在人力资源的应用中尤为重要。在解释分析模型时应始终保持谨慎，在选择构建人力资源分析模型的数据时，应考虑到性别平等，并应尊重工作人员的多样性。
继续回溯测试你的模型
客户分析模型的平均产品寿命一般为两到三年，人力资源分析模型也是如此。
鉴于人力资源决策对组织和个人的影响，人力资源分析模型需要通过将预期结果与实际结果进行比较来不断地进行回溯测试，以便在任何绩效下降时，都能够被立即注意到并采取有针对性的行动。
更好地了解客户和员工，不要错过对这两个企业最重要的人力资源的投资。这项工作一旦做好，我们就可以展望企业的下一步发展和转型。
