1.3　大数据和人力资源管理的关系

1.3.1　人力资源数据是大数据吗

老梁：经理，现在不是已经进入大数据时代了吗，那么人力资源的数据分析属于大数据吗，能应用大数据的分析方法吗？

Miss陈：人力资源的数据还算不上大数据，至少在咱们公司还没达到这个量级。大数据的特点是数据量大，达到TB甚至PB级别。1TB的理论值等于1024GB，你想想咱们公司的人力资源数据有这么大的体量吗？大数据要用专门的工具来管理和分析，比如用Hadoop（分布式系统架构）来管理，而我们的数据更多是用Excel来管理，从这点上看我们公司的人力资源数据也不是大数据。

老梁：哦，看来咱们没跟上大数据的趋势啊！

Miss陈：虽然咱们的数据量级算不上大数据，但也可以跟上大数据的步伐，咱们做不到形似，但可以做到神似。

1.3.2　大数据技术可以用在人力资源管理上吗

老梁：您不是说咱们的数据算不上大数据吗，那怎么能做到神似呢？

Miss陈：这和大数据的特点有关系，我们先来看看大数据的特点吧。大数据包括五个基本方面的内容。

（1）数据挖掘算法：大数据分析的理论核心就是数据挖掘算法，各种数据挖掘的算法基于不同的数据类型和格式才能更加科学地呈现出数据本身具备的特点，也正是因为使用这些被全世界统计学家所公认的各种统计方法，才能深入数据内部，挖掘出数据的价值；也正是因为有这些数据挖掘的算法，才能更快速地处理大数据。如果一个算法要花上好几年才能得出结论，那大数据的价值也就无从说起了。

（2）预测分析能力：大数据分析最重要的应用领域之一就是预测性分析，从大数据中挖掘出数据的特点，建立科学的模型，之后便可以通过模型带入新的数据，从而对可能发生的事情进行预测。

（3）可视化分析：大数据分析的使用者有大数据分析专家，同时还有普通用户，但是他们二者对于大数据分析最基本的要求就是可视化分析，因为可视化分析能够直观地呈现大数据的特点，同时能够非常容易被读者所接受，就如同看图说话一样简单明了。

（4）数据质量和数据管理：大数据分析离不开数据质量和数据管理，高质量的数据和有效的数据管理，无论是在学术研究还是在商业应用领域，都能够保证分析结果的真实性和有价值。

（5）语义引擎：大数据分析广泛应用于网络数据挖掘，可从用户的搜索关键词、标签关键词或其他输入语义，分析、判断用户需求，从而实现更好的用户体验和广告匹配。

明白了吗？数据挖掘算法、预测分析能力、可视化分析这三项其实是大数据的精髓，是反映数据价值的关键。通过数据挖掘、预测和呈现，才能充分发挥数据的价值。而这三项其实和数据的大小没有太大关系，即便是咱们公司的小数据，也可以进行数据挖掘、预测分析和可视化。

老梁：哦，这是用了大数据的思想。

Miss陈：是的。咱们再从技术上看一下吧，大数据用到的技术包括以下几个方面。

（1）数据采集：将分布的、异构数据源中的数据如关系数据、平面数据文件等抽取到临时中间层后进行清洗、转换、集成，最后加载到数据仓库或数据集市中，成为联机分析处理、数据挖掘的基础。

（2）数据存取：存取数据的工具包括关系数据库、NOSQL（泛指非关系型数据库）等。

（3）基础架构：云存储、分布式文件存储等。

（4）数据处理：通过自然语言处理让计算机“理解”自然语言。

（5）统计分析：假设检验、显著性检验、差异分析、相关分析、T检验、方差分析、卡方分析、偏相关分析、距离分析、回归分析、简单回归分析、多元回归分析、逐步回归、回归预测与残差分析、岭回归、logistic回归分析、曲线估计、因子分析、聚类分析、主成分分析、因子分析、快速聚类法与聚类法、判别分析、对应分析、多元对应分析（最优尺度分析）、Bootstrap技术，等等。

（6）数据挖掘：分类、估计、预测、相关性分组或关联规则、聚类、描述和可视化、复杂数据类型挖掘（Text，Web，图形图像，视频，音频等）。

（7）模型预测：预测模型、机器学习、建模仿真。

（8）结果呈现：云计算、标签云、关系图等。

以上大数据所用到的技术中，数据处理、统计分析、数据挖掘、模型预测、结果呈现都可以用在小数据上，也就是说可以用于人力资源数据分析中。

老梁：这么看来，虽然大数据的特点是数据量巨大，但是数据处理、统计分析、数据挖掘、模型预测、结果呈现等技术并不是大数据专用。明白了，咱们的确可以借鉴大数据的思想和技术，用于人力资源的数据分析，实际上还是赶上了大数据的潮流啊。

Miss陈：是的。