-
小数据
HR，快来发现小数据之美
最近在多个活动上，我在现场做调研，HR真正使用大数据手段展开分析的请举手，结果是寥寥无几。据我所知，即便是HR数据管理非常优秀的公司，如Honeywell、华住酒店集团，也难以通过所谓大数据的方式进行管理。
大数据的理念和技术，应用在信息处理上，如营销中的市场分析，其可以打破点状信息与全样本的不对称，宏观纠偏，提升精度。不过这不是最关键的，重点是其容错空间巨大。但大数据思想一旦运用在企业内部管理上，管理者包括HR在使用数据来做决策时，其精确性或客观性要求往往较高，特别是对于实际问题的解决，其容错空间大大缩小。因此，管理中的大数据思想几乎可以说一个伪概念。原因是多数管理中的数据，包括HR管理的数据，其规模是相对小的，这些数据往往是是零散的、不精确的、不连贯的、定义不统一的，其远远不能称之为大数据，在这样的数据基础上，你敢说可以开展大数据分析吗？
事实上HR的数据分析与大数据思想恰恰相反，我们应该具备的是将数据变小的本领，需要关注敏感有价值的数据，而非一味开展人均培训小时数、人均人工成本、人均招聘成本等一阶分析或宏观分析的内容。你可以这样去理解我们即将开展的小数据分析：
1、细分样本对象
这是小数据分析寻找数据价值的关键基础。样本对象的划分从组织（集团下属企业之间、事业部之间）到岗位类型（职位类别或管理层级），再到人员性质（新老员工、不同年龄和学历的员工等）的划分，二维、三维或多维分析。很简单，“新进的年轻的高学历的研发人员对绩效管理中考核评分客观性的满意度较低”的分析结论，明显比“员工在绩效管理方面的满意度较低”更有价值。
2、关注异常值
统计学中，在展开样本分析时，对于数据异常值，往往视其为糟粕，注意，在HR管理中，这些小数据，其敏感性往往较高，往往可以从中发掘有趣的、典型的、令人担忧的或其他有重要价值的趋势、结论。如满意度和敬业度的异常值、薪酬管理中的异常值、绩效考核中的异常值等。
3、关注数据差异性
同一类数据样本中的差异性也是我们需要关注的重点，和异常值一样数据的差异性往往通过离散程度来进行发现，简单的方法如使用分位值、极差、两倍标准差等基础统计方法。两个部门的平均绩效得分相同，但两倍标准差（有95.5%的可能性使得数据落在这个范围之内）相差一倍，就可以发现其离散程度、评分的客观性或指标设计合理性等方面的问题。
4、已知相关要素的关联分析
为什么分析相关要素？不是说不相关要素之间找出关联的价值更大吗？如果不相关，要素之间的驱动型就是直接的吗，如果不相关，却又有关联价值，这难道不是自相矛盾？我们重点关注的是，相关因素之间，关联因子和程度是怎样的，分析是过程，结论、建议、改进方案是重点，关联性找到后，就可以得出如何驱动的结论。如薪酬定位和关键人才离职率、敬业度与组织能力、人力资本和企业效益。
5、变化性对比
我在前面曾经提到过动态数据分析的重要性，基于活的数据，归纳或演绎。HR数据分析的最高境界，和所以商业、管理职能的数据分析价值一样，是预测。变化性对比分析将帮助你实现这样的结果，两个相关的、动态的因素之间，取得变化规律并开展建模和预测。
当细分了样本对象，关注到异常值和数据的差异性，并且开展了相关分析，你就能逐步发现HR管理中的小数据之美，不过HR若想要驾驭小数据分析，还有以下几个关键事项要注意：
1、数据收集应遵循结果导向，以终为始的收集和管理；
2、持续跟踪和多数据论据分析，确保动态性；
3、不断监控数据来源和质量；
4、实时收集和发掘小数据的参考基准和外部参考值（包括情报信息）。
最后总结一句，我们已经领略了大数据的宏大之美、创新之美，但这却像皇帝的新装，众人纷纷叫好却迟迟不得亲近。快来关注小数据，看看她在现实中就可以触碰到的惊艳之美，精准和务实之美。还是那句话，作为HR的你，一起来发掘数据分析之美，不断的接触她，亲近她，和她谈一场缠绵悱恻的恋爱吧，和无中生有的直觉判断说再见，和味同嚼蜡的HR分析报告说再见，和大数据说再见。
文/杨冰
-
小数据
小数据更管用！
大数据可以帮助商业运营者找到大致方向，但真正落地到商业操作，反而不如小数据更有用、更有效。事实上，大数据的应用既不便宜，也存在一定的缺陷，更尚未充分提升商业的价值，更需要企业家、产品经理等管理精英们的创造性思维，使大数据能正确地产生商业效应。
现状：盲目收集与浅应用
目前，大数据应用中有个怪现象，就是有什么数据就收集什么数据，至于将来有什么用，一概不知。或者抱着“先收集再说，将来总有用”的态度。我建议，应从问题、愿景导向来收集数据。一方面，数据的收集、存储备份等成本都不低；另一方面，数据的价值也可能衰减。
以用户为核心的KPI体系能实现与客户行为的点对点连通，是未来发展的大趋势。传统的用户价值是以利润贡献为核心衡量指标，而在大数据时代，客户关系的管理不同了。例如，我要知道一个客户一个月内到淘宝多少次，不管他是否购买，要看他与淘宝的关系到底怎么样。
就现状而言，大数据技术更多地用于推荐和营销，不是因为它更容易，而是因为它容错的空间更大。比如，推荐系统给出了顾客不喜欢的推荐，大不了重新推荐；然而一旦上升到直接解决问题的层面，容错空间就大大缩小了。例如，利用大数据技术来观测空气质量，错了也不会有太大影响，但如果把这个指数和某个商业运营挂钩，就不是小事了。尤其是对数据的精确性要求较高时，数据的持续跟踪与多源比对就显得非常重要。然而正是在这些方面，大数据的应用还停留在比较肤浅的层次，甚至压根就飘在空中。
因此，公司要建立数据收集系统，更重要的是建立跟踪数据质量的监控，对一些关键数据要寻找多个源头，一方面确保“鸡蛋不在一个篮子”，另一方面要相互比对、印证。对于实际运营的企业来说，数据必须有连贯性，当然真实性更是基本前提。
大数据还是小数据？
我几乎每周都要拜会或面试很多数据科学家、数据分析师。我经常问他们，“在你心里什么是大数据”。回答显示，原来业内的认知分歧丝毫不比外行少——至少有一半受访者或应聘者对“大数据”这个概念根本就不以为然，而是更关注有价值的数据、数据能产生什么价值。换言之，在部分人看来，“大数据”本身就是一个伪概念。我常问的第二个问题是，到目前为止，你做得最好的大数据案例是什么？他们的回答各有不同，但有个共同点：用大数据来处理数据的稀缺性。比如，北京的空气质量监测站是有限的，其数据对于监测站附近范围的质量呈现是比较准确的，但其余地区的质量数据是非常稀缺的，但我们要据此判断出北京市空气的整体质量。换言之，大数据能帮我们增加对未知部分的准确度、精确度的把握。
现在，有很多人讨论大数据与小数据的关系。其实，这个问题与大数据如何落地密切相关。在我看来，大数据可以帮助商业运营者找到大致方向，但真正落地到商业操作，反而不如小数据更有用、更有效。比如，很多运营者宣称自己的注册用户是多少量级的，但1亿个注册用户的基础数据，不如一千万个活跃用户完整的行为数据更具有价值。初创企业进行客户探索、发现和验证时，几百个甚至几十个顾客、用户的完整数据比千万级数据更有价值。也许正是因为数据量虽大，但每个数据单元都出现了断裂或遗漏，导致大数据的价值难以被挖掘出来。
因此，应用大数据的能力之一就是把数据变小的本领。在构建数据模型时，你需要的样本其实不是千万，甚至不是面面俱到的数据，而是比较敏感的数据指标。这对数据收集和分析人员是巨大的挑战。实际上，大数据的应用和落地也要以数据的细分为基础。例如，某电商顾客的真实性别不一定与购物的性别偏向一致；再比如，关键词搜索量要看北京、南京等地各为多少，而不是笼统地说增长了多少。当我们用放大镜细查大数据时，会发现有不少的“断链”和欠完整。从某种意义上说，并没有真正的“全面数据”，差别只在于放大镜的倍数。所以，即使基于大数据进行决策，也仍然有猜测和赌博的成分，大数据和小数据应该可以互为作用,而非比较两者谁更强。
传统企业怎么办？
我们在谈论大数据的时候，在根本上忽略了一点，很多企业本身是有其架构的，不会因为大数据就立即变得不一样。很多公司连信息（information）都未打通，是堵塞、零散的，更不要说大数据的应用了。大数据作为一种新的运营理念和方法体系，要想嵌入到公司里，必然要经历一个新事物在旧公司的所有困难。
从有效的策略来说，先把既有的数据用好，比盲目推进大数据要明智得多。更进一步，要重新定义数据框架来解决存在的问题。比如，很多企业都开启了公司微博，其测定效果是转发多少、评论多少。但实际上要细分这些数据，进一步厘清谁、什么样的转发和评论才是有价值的，还要和相似的公司微博进行对比。
传统企业究竟是建立起独立的收集系统，还是使用别人提供的数据？我认为要兼有，既要有侧重地独自搜集，也要多源化地获取数据，尽力排除各种数据在搜集过程中形成的偏差，这既是一个技术问题，需要数据人员付出艰辛的努力，也是一个战略问题，需要回到前文所述的小数据问题。
摘自：中欧商业评论，创富志
-
小数据
关于移动学习的7个小数据
移动学习由于其灵活性及易用性已经开始逐渐成为教学的标配。既然如此，那么每年都有越来越多的地区及学校鼓励他们的教师们更加“移动化”。现在许多员工也加入到了移动学习的行列中。让学习更随时随地。
如果你对这个情况存有质疑，那么以下这几个数据可能会说服你，移动学习确实越来越火爆：
·今年，56%的学校和图书馆都预计开始向电子图书转变
·45%的学校级图书馆预计扩大移动设备的使用范围
·73%的教师通过手持移动设备访问数字资源
·超过1/3的教师表示曾经在教室里使用平板电脑或者ereader
·到2016年，100%的K12学生将移动设备用于教育
·25%的六年级学生使用ereader
·74%的家长访问课程资料及在线教材作为在家辅导孩子学习的工具，以获取孩子在学校课业的成功。
随着访问资料的设备越来越普及，因此移动学习在教育中的应用也将越来越普及。
情况就是如此，越来越多的平台开始必须兼容于移动设备。不幸的是，许多LMS系统在移动设备上并不能很好的运行。
学习管理系统急需更新，否则就会过时。尤其是到2017年全球将有20亿人通过移动设备访问网络。
如果你恰好服务于学习管理系统公司，那么你首先要做的就是确保你们公司提供的系统能够在移动设备上兼容。
【文章来源：小崔编译】
扫一扫 加微信
hrtechchina
