人力资源管理需要结合大数据和直觉

  一些大数据专家对数据分析软件的洞察力如何与人力资源管理者的智慧相结合进行了探讨。那么在企业经营业务时,将会更信任什么:大数据还是自己的直觉?

  大数据以其消化大量复杂信息的能力令人敬畏。但它在衡量细微变量的能力上很弱。人的本能是脆弱的,并且在计算能力方面存在偏见。然而,它能够将细微的变量结合起来,并实现指数级的飞跃,这是令人惊讶的。

  这是当今企业面临的一个严峻挑战:是相信数据分析趋势曲线,还是依赖人力资源管理者的丰富经验和智慧?

  当然,答案通常是“两者兼而有之。”但这并不容易。什么是混合?以及如何结合它们?

  无法预测的收入增长取决于如何正确回答这些问题。实现利润最大化需要做出最佳决策(当然还要执行这些决策)。

  为了深入了解这个棘手的问题,六位大数据专家在旧金山的Strata数据会议上为此进行了交流和探讨:

  •O'Reilly Media公司首席数据科学家Ben Lorica

  •Okera公司首席技术官Nong Li

  •Streamlio公司营销副总裁Jon Bock

  •Curie Point学校校长Jeff Curie

  •Domino数据实验室营销副总裁Jon Rooney

  •Infinia ML公司营销总监James Kotecki

  大数据与人类智慧的融合难度

  很多企业正在努力从大数据中获取最大收益。他们认为大数据可以提供决策魔力,可以通过采集指标并收集洞察力以获得巨大的竞争优势,而获得大数据等于获得财富。

  然而,即使用户依赖大数据,他们也知道其结果令人困惑,有时毫无价值,但它们也可能是快速进入并获得结果的一条途径。

  在New Vantage公司在2019年进行的一项调查中,77%的受访者表示,“大数据和人工智能计划的商业应用正在给他们的组织带来挑战。”

  调研机构Gartner公司最近认为,“到2022年,只有20%的分析见解能够带来业务成果。”

  这就是说,企业总是关注指标,但它并没有带来多少效益。

  尽管面临挑战,但利用大数据绝对必不可少。企业可以在不使用分析的情况下进行竞争,这种想法已经过时了。这就像一艘没有指南针的船。在糟糕的目标预测分析示例中,零售商甚至在其他家庭成员知道之前就预测了客户怀孕——这是令人震惊的分析竞争能力。

  如果你是一名经理,可能会感受到压力:因为知道在这一刻,竞争对手也在关注着数字,他们使用特定报告来指导可以从你那里获取市场份额的计划。如果你不这样做,就会很快落后。

  然而,正如人们所看到的,一些最关键的变量无法精确地量化,这意味着它们根本无法计算。

  当然,有时你的指标是值得信赖的。例如,你的分析应用程序在本季度销售了1,200个小部件,高于上一季度的1,000个。因此,仪表板报告销售额增长了20%,这是一个坚如磐石的数字。

  但是这种直接的报告并不是大数据的神奇之处。利用这种昂贵的分析工具意味着使用它来制定复杂的业务决策。做出那些让你超越竞争对手的富有洞察力的决策。

  问题在于:决策越复杂,就越可能包含无法量化的变量。以下了解一下数据分析无法提供帮助的典型方式。

  数字处理与现实世界的结合

  在这个假设的例子中,假设一家公司在美国东部和西部各有一个分公司。现在是投资和发展业务的时候了:那么在哪个分公司投资更多呢?

  西部分公司一直是该公司收入稳定的摇钱树。但是现在,大数据应用程序中的趋势曲线表明,东部分公司的业务增长速度更快。如果进行深入研究,就会发现东部分公司销售代表每季度的收入比西部分公司增长了17.8%。

  根据这些指标,该公司预算缺口扩大,其资金流入东部分公司。但大数据没有揭示的是,东部分公司的人力资源专家Jessica Roberts在招聘顶级销售人员方面是个天才,但这无法量化。因此,每个销售代表都有着更高的收入指标。

  然而,才华横溢的Roberts却跳槽到竞争对手的公司。在接下来的两年里,他在该公司招募的员工纷纷离职,东部分公司的收入急剧下降,而其人力资源部门难以找到适合的员工。而在哪里投资是企业面临的核心问题,但大数据软件没有提供任何帮助。

  然后,人们可能会说:这并不是软件出错,而是那些使用软件的人,而这是事实。这让人们了解了使用大数据时最棘手的问题之一。

  真的很棘手

  假设大多数企业在做决策时都将大数据分析和人类本能结合在一起,在多大程度上以及如何将这两方面结合起来是一个问题。

  具有讽刺意味的是,如何权衡数据和直觉的决定本身就是人类的决定。该软件无法告诉人们如何认真对待其结果。因此,现代企业管理需要在两个不同的层次上进行决策:

  •预决策过程,涉及如何权衡数据与人工输入的人工决策。

  •最终决定本身。

  归根结底,即使是最好的分析软件所做的就是制作大量精美的市场饼图,但其挑战仍然存在。企业需要进行平衡。

  企业会在多大程度上依赖数据分析,还是利用人类智慧?

  采用图表这种最直接的方法可以加快速度,但是有一些潜伏的变量,如果没有深思熟虑的管理人员,将会忽略这些问题。或者,能够完全依赖管理人员的预感,而几乎不看数据吗?

  这种方法可能会困扰初创企业的创始人,他们的业务就是一切。有时,外部风险投资者强迫他们查看电子表格以保持业务增长。

  希望人们能找到比这两种极端情况更加谨慎的组合。有一件事是肯定的:企业的收入取决于如何平衡这些因素。

  在这些专家进行探讨时,其结论很明显:将人类直觉和数据分析结合起来更多的是艺术而不是科学。至少它需要真正了解企业的业务,并真正了解该软件。

用户喜欢...

为什么每个组织都需要数据分析师

如今,当组织需要从数据中获得一些见解时,他们首先倾向于寻找数据科学家的帮助。但这真的是一个更好的选择吗?人们需要了解数据科学家和数据分析师的角色有何不同,以及为什么希望聘...


你需要了解的智慧城市中的大数据存储

现代社会中城市长期以来一直依靠视频监控来加强公共安全和遏制犯罪,而如今的智慧城市正在将这些解决方案应用于包括交通管理、照明、停车执法等更多的用途。 这在很大程度上是因为摄...


练好大数据内功 企业需要这样的全链路方案

数字化转型升级当道,许多企业将数据和资源视为核心资产,希望通过数据分析挖掘降本增效,以数据产品支撑业务获取更大的发展空间。事实上,大数据还是构建未来智能化企业的基础,如...


数据科学家最需要的技能

数据科学家是当今科技组织中最受追捧的角色之一,并且薪酬不断上涨。在一些IT组织中,首席信息官可能只有雇用一名数据科学家的预算。所以在招聘数据科学家的时候,可能会希望他像摇滚...


大数据需要什么样的合作伙伴?

文 | 傅一平 企业做大数据以来,碰到了很多的合作伙伴,大家都有疑问,你需要什么,我能帮到你什么?这里谈谈笔者...


傅一平博士:“去电信化” 运营商变现需要从建模中发现数据的价值

3月29日晚,浙江移动大数据中心——傅一平博士,就《运营商大数据变现实践》与大家分享数据利用的心得与经验,...


想要成为大数据工程师?你需要掌握以下知识(上)

文| 林肯公园(拒绝任何不标明来源的转载) 国际数据公司IDC预测,到2020年,企业基于大数据计算分析平台的支出将...


我们需要什么样的ETL?

文 | 傅一平 从10年前的数据仓库到当前的大数据平台,ETL也需要与时俱进,这里来谈谈个人的理解,如果你在考虑建...


SaaS 公司用数据驱动增长?你需要了解这四个关键指标(上)

作者:揭发 如果说2015年是SaaS的元年,那么2016年就是SaaS的爆发年,经过一年多的爆发式发展,处在风口的SaaS企业将...


思必驰首席科学家俞凯:大数据和深度学习不是万能的,认知计算需要解决这些问题

导语:认知问题,是深度学习和大数据组合之外,业界需要探索的方向。 如果横向对比语音和视觉两种技术,大多数...


关于数据治理,你需要知道些什么?

翻译|品觉 每个有效的数据库都需要精心设计的模式(Schema),以保持数据干净,避免冲突,满足用户的各种需求,适...


你需要一个首席数据官吗?

对于那些有志于成为CDO的科技人才来说,目前市场的行情和薪情一片大好IT经理网...



制造企业需要的物流互联网化

首先,理性地看待物流互联网化的诉求,客观上的现实需要与主观上的诉求要一致;其次,从主营业务经营的视角来...


资本理性、模式清晰,2016到2017教育行业需要看清的这些问题

波澜壮阔的2016已经过去,2017年有三个大趋势:①2017年将会成为教育测评年;②在线教育将会进一步洗牌,年底,在...