既然我們已經(jīng)在用 Big Data 在分析、預(yù)測(cè)并且影響消費(fèi)者的行為，沒(méi)道理它不能被運(yùn)用在分析、預(yù)測(cè)并且影響其他人類的其他行為。以企業(yè)的角度去看，除了消費(fèi)者之外，在知識(shí)經(jīng)濟(jì)時(shí)代，另一群同樣關(guān)鍵的人，就是我們賴以產(chǎn)生價(jià)值的人才。
資料源的根本改變
傳統(tǒng)的 HR 流程，可供雇主判斷的資料來(lái)源非常有限，除了履歷表、面試紀(jì)錄，以及 Reference Checks 之外，我們必須只能仰賴直覺(jué)去做判斷，因此誤判的機(jī)率也不低。一旦誤判，雇用不適合的人才，不但會(huì)造成企業(yè)的損失，也造成人才自身的困擾。在 Internet + Mobile + Social 的時(shí)代，由于可以參考的資料量大增，如果能夠拿來(lái)運(yùn)用，提升判斷的準(zhǔn)確度，對(duì)人才市場(chǎng)的雙方都是利多。
模型的建立
預(yù)測(cè)模型要準(zhǔn)確，仰賴的是好模型的建立。如何從企業(yè)內(nèi)外找出理想的人才模板，如何從他們產(chǎn)生的資料中去篩出高預(yù)測(cè)性的指標(biāo)，如何持續(xù)校正這些模型，都將是會(huì)來(lái)企業(yè)人事工作的考驗(yàn)。
非主流資料的取得
當(dāng)企業(yè)們開(kāi)始使用 Big Data 去優(yōu)化人事，將會(huì)造成“普遍符合多數(shù)企業(yè)人才模板”的少數(shù)精英供不應(yīng)求，因而價(jià)格大升。這時(shí)預(yù)算較少的新創(chuàng)企業(yè)必須要能夠像 Auckland A‘s 一樣去找出多數(shù)企業(yè)所沒(méi)注意到的“非主流”資料，因此能用更合理的價(jià)格取得適合他們的人才。而就像魔球的后續(xù)一樣，這場(chǎng)戰(zhàn)爭(zhēng)將會(huì)永無(wú)止境，因?yàn)槠髽I(yè)間會(huì)仿效，而創(chuàng)新者必須要不斷找突破口。
潛力與能力的差別，個(gè)性的考量
另一方面，無(wú)論是用傳統(tǒng)的 HR 流程，或是用 Big Data 去預(yù)測(cè)，都必須要考量人才是動(dòng)態(tài)的，會(huì)進(jìn)步，也會(huì)有個(gè)性、情緒。因此如何取得潛力與性格的指標(biāo)資料，并且預(yù)測(cè)出適合企業(yè)文化與 DNA 的人才，也非常重要。
社會(huì)的價(jià)值觀
另一方面，用算法去把人分“優(yōu)劣”，至少短期內(nèi)會(huì)是一件相當(dāng)挑戰(zhàn)社會(huì)價(jià)值觀的事情。當(dāng)然這里的優(yōu)劣是主觀的，從某單一企業(yè)的觀點(diǎn)去預(yù)測(cè)人才的適配性，而不是在評(píng)判個(gè)人的絕對(duì)優(yōu)劣。不過(guò)社會(huì)大眾短期內(nèi)恐怕無(wú)法明辨這件事的本質(zhì)，因此對(duì)于這樣的發(fā)展會(huì)產(chǎn)生反抗動(dòng)能。
但從另一方面來(lái)看，算法事實(shí)上只是人腦決策程序的自動(dòng)化，而傳統(tǒng)的HR流程本就是經(jīng)營(yíng)者用自己的大腦，在有限的資料來(lái)源下，去預(yù)測(cè)每個(gè)人才適配性。換成用機(jī)器去處理，本質(zhì)上是一樣的。如果這樣的決策方式，能夠讓每個(gè)人才適得其所，并且得到更合理的工作報(bào)酬，事實(shí)上，可能是更美好、更有效率的社會(huì)。
結(jié)論就是，無(wú)論我們?cè)覆辉敢猓驗(yàn)槠髽I(yè)競(jìng)爭(zhēng)，HR 往 Big Data 演進(jìn)是必然的趨勢(shì)。在這過(guò)程中，每個(gè)創(chuàng)業(yè) CEO 必須要充分理解并且領(lǐng)先去運(yùn)用這個(gè)工具，才能為自己爭(zhēng)取到好的 Leverage 與競(jìng)爭(zhēng)優(yōu)勢(shì)。