本书从人力资源管理的战略转型谈起，使大家进一步理解和把握人力资源发展的趋势，进而提出什么是人力资源大数据，如何在海量数据中挖掘出有用的数据，如何将大数据、人工智能与企业人力资源管理实践有机结合，如何在企业内部建立人力资源大数据分析模型和分析平台，如何形成企业人力资源报表体系和指标体系，从科学到实践、从理念到案例，深入浅出地给出了详尽的答案。为eHR、HRD、HRVP及企业CEO等高管进行人力资源大数据分析提供模型、技术方法及可借鉴的典型应用场景，为数据分析师进入人力资源领域提供了人力资源前沿理论及实践，为所有人力资源管理者及爱好者提供了崭新的理念、可操作性的技术方法及典型案例。
本书将大数据分析与预测技术和人力资源管理这两个相距甚远的学科有机地结合在一起，从理论、方法、路径、场景和应用案例等方面详细而系统地介绍了大数据分析在人力资源领域的应用，非常值得人力资源研究人员和从业者研读、思考与借鉴。
王通讯：国务院突出贡献专家、中国人才学主要奠基人，原国家人力资源和社会保障部中国人事科学研究院原院长，中国人才研究会副会长，北京华橙科技有限公司专家顾问。王爱敏：博士、教授、硕士生导师，中国人事科学研究院博士后，北京城市学院人力资源管理教研室主任，北京华橙科技有限公司合伙人，华夏基石咨询集团高级咨询师，“王通讯人才工作室”专家组成员，国家人力资源和社会保障部全国人才流动中心“青年才俊人才寻访计划”就业创业指导和职业生涯规划专家团成员。著有多部人力资源相关研究专著及研究论文，并具有丰富的人力资源领域咨询经验。王崇良：百度人力资源系统与运营共享平台(即人力资源大数据平台)高级经理，eHR协会联合创始人。十多年信息化建设实战经验，在人力资源数据化、移动化、智能化等方面有研究与实践。黄秋钧：中海纪元数字技术发展股份有限公司数据科学家，北京华橙科技有限公司顾问，“王通讯人才工作室”专家组成员，弗吉尼亚大学北京赛艇俱乐部队长。对于大数据技术和人工智能在政务、人力资源和金融等领域的应用有着丰富的实战经验。在《物理评论》《光明日报》等刊物和文章。近年来专注于机器学习商业应用的研发。
及时章 人力资源大数据 1
及时节 人力资源管理战略转型 2
一、组织变革与HR四角色模型 2
二、从HR四角色模型到HR 三支柱 6
三、AI时代与人力资源管理 11
四、循证式人力资源管理变革 14
五、生态组织与人力资源管理 20
第二节 人力资源大数据特点及竞争优势 28
一、大数据是什么 28
二、大数据思维与决策 36
三、大数据分析与竞争优势 44
四、人力资源大数据及其典型应用 53
五、大数据与人才 60
第二章 大数据挖掘渠道及技术方法 63
及时节 大数据的取得与整理 64
一、数据收集 64
二、数据存储 66
三、数据计算 69
四、大数据与云计算 73
第二节大数据与人工智能 74
一、人工智能简史 74
二、机器学习：AI 的瑞士军刀 79
三、探索与取舍：的算法在哪里 83
四、人工智能的未来 94
第三节大数据分析技术与应用 102
一、数据挖掘 102
二、数据可视化 108
三、大数据应用的未来与优势 113
第三章人力资源大数据分析及应用场景 117
及时节人力资源大数据分析模型 118
一、人力资源大数据分析价值 118
二、人力资源大数据分析模型 123
三、人力资源大数据分析路径 126
四、人力资源大数据指标体系 133
五、人力资源大数据分析的组织环境 142
第二节人力资源大数据应用场景 144
一、应用场景之——选(招聘场景) 144
二、应用场景之——用(职业发展、敏捷绩效场景) 147
三、应用场景之——育(培育场景) 151
四、应用场景之——留(离职场景) 152
五、应用场景小结 156
第四章人力资源大数据平台建设 159
及时节人力资源管理信息智能化发展 160
一、智能分析，对标决策 160
二、对接集成，系统一体化 161
三、基于人力资源信息系统的数据应用 163
四、人力资源信息化的建设及启示 169
第二节人力资源大数据业务模型 171
第三节人力资源大数据平台建设分析 172
一、系统层 173
二、数据层 173
三、分析层 174
四、展示层 175
五、实施步骤参考 176
第五章人力资源大数据应用案例 177
及时节百度的人力资源大数据平台 178
一、百度人力资源大数据发展阶段 178
二、“才报”支持的4 个角色 180
三、“才报”系统的数据挖掘与分析 181
第二节人才雷达在招聘服务中的应用 187
一、人才雷达社交体系 187
二、人才雷达成功关键 188
第三节谷歌的大数据人才管理 190
一、谷歌用数据重新定义HR 191
二、谷歌的10 大员工管理模式 192
第四节腾讯HR 的大数据实践 195
一、HR 的大数据功能 195
二、典型项目案例 197
三、腾讯HR 大数据的启示 197
第五节猎聘薪酬大数据实践 198
一、猎聘为什么要做薪酬数据库 198
二、为何说猎聘的薪酬数据库与众不同 199
三、如何保障薪酬数据的性 200
四、定制化薪酬调研又是什么 202
第六节 2 号人事部的大数据应用实践 203
一、人力资源管理数据应用阶段 204
二、人力资源管理SaaS 平台2 号人事部实践 206
三、企业用工风险的警示和解决 209
第六章 AI在人力资源领域的应用趋势 211
参考文献 217
后记 221
5. 人力资源技术期望过高，但交付滞后
用户体验可配置性分析功能创新速度组织选择平台时越来越看重云产品在市场上的期望过高，但评分不高，是销售误导所致
图1-15 组织选择平台时看重的功能
要弄清楚大数据的来龙去脉，必先了解IT行业的发展史。要谈IT行业发展史，就不能不说摩尔定律。戈登 摩尔(Gordon Moore)在1965年提出了摩尔定律：在价格不变的条件下，每隔18～24个月，集成电路可容纳的元件数量可增加1倍，即集成电路的性能增加1倍，因此计算机的性能也将增加1倍。摩尔定律揭示了IT行业发展的速度：计算机的性能相对于时间呈指数增长。直到今天摩尔定律所描述的规律仍然相当。对大众来说最直观的感受就是我们的计算机体积越来越小了，但是计算能力却越来越强大。20世纪90年代，计算机在中国逐渐开始普及，其间经历了从台式机到笔记本电脑再到智能手机的过程。在台式机的时代我们很难想象有24小时我们能够把计算机放进衣服口袋，如今计算机不仅能够小到装进口袋，而且还能和手表甚至眼镜融为一体(其实计算机还可以变得更小，只是更小的显示装置就不方便人类使用了)，更重要的是今天的智能手机不仅仅是体积变小了，而且性能也已经远远超过了当年的台式机。
计算机性能的增加带来的是数据分析、处理、存储和传播速度的加快；与此同时，计算机产品的价格在不断下降，使越来越多的人能够使用计算机，计算机使用者数量的增加引发了数据量的不断增加。简单来说，更强的计算能力意味着更快的数据处理能力；更便宜的计算机带来的是更快的数据生成速度，因此摩尔定律本质上阐明了数据处理能力和数据产生速度同步增长的必然性。
摩尔定律从本质上说明了随着时间的推移，计算机的计算能力作为一种资源成本将越来越低，与此同时，计算需求变得越来越大，直到达到当时计算能力的上限。这样的一个正反馈回路推动了从系统软件到应用软件，再到互联网，然后到移动互联的每一次飞跃。互联网特别是移动互联普及之后，数据的产生呈爆发式的增长，实现了由量变到质变的飞跃，最终大数据时代到来了。
2. 应对：新时代的大禹治水
数据量的爆发也带来了数据存储、数据传输和数据分析等方面的问题，IT行业有句话对此进行描述：Computers have promised us a fountain of wisdom but delieved a flood of data.(计算机保障带给我们智慧的清泉，但事实上送来的是数据的洪流。)
