本書從人力資源管理的戰略轉型談起，使大家進一步理解和把握人力資源發展的趨勢，進而提出什么是人力資源大數據，如何在海量數據中挖掘出有用的數據，如何將大數據、人工智能與企業人力資源管理實踐有機結合，如何在企業內部建立人力資源大數據分析模型和分析平臺，如何形成企業人力資源報表體系和指標體系，從科學到實踐、從理念到案例，深入淺出地給出了詳盡的答案。為eHR、HRD、HRVP及企業CEO等高管進行人力資源大數據分析提供模型、技術方法及可借鑒的典型應用場景，為數據分析師進入人力資源領域提供了人力資源前沿理論及實踐，為所有人力資源管理者及愛好者提供了嶄新的理念、可操作性的技術方法及典型案例。
本書將大數據分析與預測技術和人力資源管理這兩個相距甚遠的學科有機地結合在一起，從理論、方法、路徑、場景和應用案例等方面詳細而系統地介紹了大數據分析在人力資源領域的應用，非常值得人力資源研究人員和從業者研讀、思考與借鑒。
王通訊：國務院突出貢獻專家、中國人才學主要奠基人，原國家人力資源和社會保障部中國人事科學研究院原院長，中國人才研究會副會長，北京華橙科技有限公司專家顧問。王愛敏：博士、教授、碩士生導師，中國人事科學研究院博士后，北京城市學院人力資源管理教研室主任，北京華橙科技有限公司合伙人，華夏基石咨詢集團高級咨詢師，“王通訊人才工作室”專家組成員，國家人力資源和社會保障部全國人才流動中心“青年才俊人才尋訪計劃”就業創業指導和職業生涯規劃專家團成員。著有多部人力資源相關研究專著及研究論文，并具有豐富的人力資源領域咨詢經驗。王崇良：百度人力資源系統與運營共享平臺(即人力資源大數據平臺)高級經理，eHR協會聯合創始人。十多年信息化建設實戰經驗，在人力資源數據化、移動化、智能化等方面有研究與實踐。黃秋鈞：中海紀元數字技術發展股份有限公司數據科學家，北京華橙科技有限公司顧問，“王通訊人才工作室”專家組成員，弗吉尼亞大學北京賽艇俱樂部隊長。對于大數據技術和人工智能在政務、人力資源和金融等領域的應用有著豐富的實戰經驗。在《物理評論》《光明日報》等刊物和文章。近年來專注于機器學習商業應用的研發。
及時章 人力資源大數據 1
及時節 人力資源管理戰略轉型 2
一、組織變革與HR四角色模型 2
二、從HR四角色模型到HR 三支柱 6
三、AI時代與人力資源管理 11
四、循證式人力資源管理變革 14
五、生態組織與人力資源管理 20
第二節 人力資源大數據特點及競爭優勢 28
一、大數據是什么 28
二、大數據思維與決策 36
三、大數據分析與競爭優勢 44
四、人力資源大數據及其典型應用 53
五、大數據與人才 60
第二章 大數據挖掘渠道及技術方法 63
及時節 大數據的取得與整理 64
一、數據收集 64
二、數據存儲 66
三、數據計算 69
四、大數據與云計算 73
第二節大數據與人工智能 74
一、人工智能簡史 74
二、機器學習：AI 的瑞士軍刀 79
三、探索與取舍：的算法在哪里 83
四、人工智能的未來 94
第三節大數據分析技術與應用 102
一、數據挖掘 102
二、數據可視化 108
三、大數據應用的未來與優勢 113
第三章人力資源大數據分析及應用場景 117
及時節人力資源大數據分析模型 118
一、人力資源大數據分析價值 118
二、人力資源大數據分析模型 123
三、人力資源大數據分析路徑 126
四、人力資源大數據指標體系 133
五、人力資源大數據分析的組織環境 142
第二節人力資源大數據應用場景 144
一、應用場景之——選(招聘場景) 144
二、應用場景之——用(職業發展、敏捷績效場景) 147
三、應用場景之——育(培育場景) 151
四、應用場景之——留(離職場景) 152
五、應用場景小結 156
第四章人力資源大數據平臺建設 159
及時節人力資源管理信息智能化發展 160
一、智能分析，對標決策 160
二、對接集成，系統一體化 161
三、基于人力資源信息系統的數據應用 163
四、人力資源信息化的建設及啟示 169
第二節人力資源大數據業務模型 171
第三節人力資源大數據平臺建設分析 172
一、系統層 173
二、數據層 173
三、分析層 174
四、展示層 175
五、實施步驟參考 176
第五章人力資源大數據應用案例 177
及時節百度的人力資源大數據平臺 178
一、百度人力資源大數據發展階段 178
二、“才報”支持的4 個角色 180
三、“才報”系統的數據挖掘與分析 181
第二節人才雷達在招聘服務中的應用 187
一、人才雷達社交體系 187
二、人才雷達成功關鍵 188
第三節谷歌的大數據人才管理 190
一、谷歌用數據重新定義HR 191
二、谷歌的10 大員工管理模式 192
第四節騰訊HR 的大數據實踐 195
一、HR 的大數據功能 195
二、典型項目案例 197
三、騰訊HR 大數據的啟示 197
第五節獵聘薪酬大數據實踐 198
一、獵聘為什么要做薪酬數據庫 198
二、為何說獵聘的薪酬數據庫與眾不同 199
三、如何保障薪酬數據的性 200
四、定制化薪酬調研又是什么 202
第六節 2 號人事部的大數據應用實踐 203
一、人力資源管理數據應用階段 204
二、人力資源管理SaaS 平臺2 號人事部實踐 206
三、企業用工風險的警示和解決 209
第六章 AI在人力資源領域的應用趨勢 211
參考文獻 217
后記 221
5. 人力資源技術期望過高，但交付滯后
用戶體驗可配置性分析功能創新速度組織選擇平臺時越來越看重云產品在市場上的期望過高，但評分不高，是銷售誤導所致
圖1-15 組織選擇平臺時看重的功能
要弄清楚大數據的來龍去脈，必先了解IT行業的發展史。要談IT行業發展史，就不能不說摩爾定律。戈登 摩爾(Gordon Moore)在1965年提出了摩爾定律：在價格不變的條件下，每隔18～24個月，集成電路可容納的元件數量可增加1倍，即集成電路的性能增加1倍，因此計算機的性能也將增加1倍。摩爾定律揭示了IT行業發展的速度：計算機的性能相對于時間呈指數增長。直到今天摩爾定律所描述的規律仍然相當。對大眾來說最直觀的感受就是我們的計算機體積越來越小了，但是計算能力卻越來越強大。20世紀90年代，計算機在中國逐漸開始普及，其間經歷了從臺式機到筆記本電腦再到智能手機的過程。在臺式機的時代我們很難想象有24小時我們能夠把計算機放進衣服口袋，如今計算機不僅能夠小到裝進口袋，而且還能和手表甚至眼鏡融為一體(其實計算機還可以變得更小，只是更小的顯示裝置就不方便人類使用了)，更重要的是今天的智能手機不僅僅是體積變小了，而且性能也已經遠遠超過了當年的臺式機。
計算機性能的增加帶來的是數據分析、處理、存儲和傳播速度的加快；與此同時，計算機產品的價格在不斷下降，使越來越多的人能夠使用計算機，計算機使用者數量的增加引發了數據量的不斷增加。簡單來說，更強的計算能力意味著更快的數據處理能力；更便宜的計算機帶來的是更快的數據生成速度，因此摩爾定律本質上闡明了數據處理能力和數據產生速度同步增長的必然性。
摩爾定律從本質上說明了隨著時間的推移，計算機的計算能力作為一種資源成本將越來越低，與此同時，計算需求變得越來越大，直到達到當時計算能力的上限。這樣的一個正反饋回路推動了從系統軟件到應用軟件，再到互聯網，然后到移動互聯的每一次飛躍。互聯網特別是移動互聯普及之后，數據的產生呈爆發式的增長，實現了由量變到質變的飛躍，最終大數據時代到來了。
2. 應對：新時代的大禹治水
數據量的爆發也帶來了數據存儲、數據傳輸和數據分析等方面的問題，IT行業有句話對此進行描述：Computers have promised us a fountain of wisdom but delieved a flood of data.(計算機保障帶給我們智慧的清泉，但事實上送來的是數據的洪流。)
