大数据时代人力资源管理的认识与思考

《大数据时代人力资源管理的认识与思考》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、大数据时代人力资源管理的认识与思考从硅谷到北京，大数据的话题正在被传播。一个大规模生产、分享和应用数据的时代正在开启。在如今互联网的时代，尤其是社交网络、电子商务与移动通信把人类带入了一个一“PB”(1024)为单位的结构与非结构数据信息的时代。庞大的人群和应用市场，复杂性高、充满变化性使中国成为世界上最复杂的人数据国家，探索以大数据为基础的未来发展方向，是中国产业的整体升级，联系到社会的各方面和各行业的都发生巨大甚至是本质上的变化和发展。同样也给人力资源的管理也带来了新的挑战与机遇，幵启了重大的时代转型。网络技术的创造和发展对我们现在生活的影响与变革无处不在，并且逐渐延伸到人们思想深处。“

2、e”这个代表着时尚与前沿的字母，己经不仅是一件漂亮的外衣，而且更是开启管理智慧、变革管理思想和提升管理水平的“精灵”可以看到，近来带上“e”的HR研讨会、文章以及其他的信息收到了HR从业者及每一个职业经理人格外的关注和青睐。但在”e-HR”里，这个“e”宂竟代表这什么？“e”的核心理念与价值是什么？中国企业如何以及何时会实现HR的“e”化？带着这些问题我通过资料了解几家IIR软件开发与企业和一些相.关HR从业者。“e-HR”，是新时代下人力资源管理的趋势，网络技术的成熟与运用是基础，ERP、CRM、SCM以及ASP等概念的出现和具体实施是其存在和发展的人环境，而对于人力资木开发和增值的迫切性

3、是其终极原因，原因在于人力资源是企业经营诸要素中的第一位资源，技术和资金相对于人力资源己经退居其次。“e-HR”不仅使企业的人力资源管理自动化，实?F了与财务流、物流、供应链、客户关系管理等系统的关联和一体化，而且整合了企业内外人力资源和资源与企业的人力资本经营相匹配，使HR从业者真正成为企业的战略性经营伙伴。SAP人力资源管理系统的开发经理曹勇博士认为“e-HR”的e体现在一下三个方面：1.基于互联网的人力资源管理流程化与自动化。2.实现人力资源管理的B2B。3.实现人力资源管理的B2C。显然，对于中国企业的经营状况和环境来说，人力资源的“e”化还有一段漫长的路要走，当然不乏一些国内的跨国

4、大企业和优秀企业已经完成了“e-HR”。分析我国要达到完全成熟的“e-HR”需要的环境和条件，我认为还需要以下几点：1.企业与管理者对现代人力资源管理的意识和普遍重视。2.软件的发展和上下游企业的繁荣发展是“e-HR”基础屮的基础。3.有一大批适合企业经营需要的人力资源管理从业者。4.政府的宏观人力资源幵发环境和系统成熟。5.人力资源服务提供商市场成熟，人力资源管理每个环节都有成熟的HR服务提供商。6.对人力资源管理不断改革、总结和研究是人力资源不断向前发展的思想源泉。“e-HR”并不是将人力资源简单的电脑化和将人力资源资料简单信息化，从架构上來看“eHlR”是ERP的一个模块，但也可以说是

5、一个独立但可以和ERP相容的小信息系统。一旦导入“e-HR”每位员工都能轻易的经由内部网络取得人力资源的信息与服务，甚至还可以上网更新自己的认识资料，提高了人力资源使用效率和更新速度。“e-HR”的使用者大致可分为“管理层”与“一般员工”两大类，例如某公司的“e-HR”桌面设计如下：以上仅是举例，如导入的“e-HR”功能越多，桌血越丰富。而且每家公司对人力资源需求不同，桌面也不同。“e-HR”好处多多，它颠覆了传统的人力资源管理，是人力资源管理呈现了不一样的作业形态。总体而言使用“e-HR”可以突破时间限制随时提供HR服务，可以突破空间限制随地、随时提供HR服务不分国内国外，可以突破人数限值

6、可以多人同时操作系统维护数据，缩短作业时间，可以节省人力资源管理的直接成本与间接成本，使用电脑和网络可以提供更方便更准确的数裾和服务。里然“e-HR”给我们带来很多好处，但我们依然看到在新型管理模式发展和系统运行下基础工作依然有薄弱的方面需要提升，例如：系统数据质量不高、统计分析功能薄弱，甚至有事系统输出的综合分析结果不符合企业实际，不被领导认可等等。导致出现上述问题的原因，不能完全归之于系统功能不完善，与企业基础工作薄弱也有一定关系。例如，在不同企业或企业内部的不同业务单元，同一“词汇”或统计表中同一“指标”往往代表着不同含义，这样的信息汇总后不可能形成准确的结果。如果这种现象不改善，将会

7、影响人力资源系统的健康运行。只有加强基础工作，在系统内建立统一的岗位和员工分类标准，形成统一的岗位名称、岗位职责等基础行规范。在人力资源管理系统屮建立岗位字典，规范系统数椐门径。这样才能确保统计资料的及时、准确、完整，形成可靠的系统数据。在大数据时代下，人力资源管理的数据管理是不可或缺的工具，我们同样也要认识到我们对信息应用的局限性并对此要给予高度的重视，数据的质量可能会有误差可能会不客观，更糟糕的是数据可能