 |
“大数据在人力资源领域的应用将是未来两年最前沿的研究。与传统的人力资源管理不同之处在于，传统人才管理主要靠经验和主观意识判断。而大数据背景下，会做到让人才与岗位更加匹配。就像找结婚对象一样，讲究‘门当户对’。”
8月中旬，第22届国际顶级数据挖掘会议（KDD2016）在美国旧金山举行，吸引了2700余位知名学者，其中就包括美国罗格斯-新泽西州立大学商学院教授熊辉。
在大会中，熊辉发表的一篇名为《Catch Me If You Can: Detecting Pickpocket Suspects from Large-Scale Transit Records》的研究论文指出，根据北京市2014年4至6月600万乘客的约16亿智能公交一卡通数据记录，通过研究北京公交、地铁上乘客的出行规律，已成功地识别出了92.7%的小偷。
用途广泛
在谈到利用大数据进行犯罪分析时，熊辉对《国际金融报》记者表示，目前，国内公安部门已与他取得联系，将具体推广这个项目。不过，未来这项技术还有更广泛的用途，那就是用于“社会维稳和反恐分析”。
不过，熊辉表示，大数据涉足犯罪分析只是他研究的其中一个课题，他主要从事的还是商业大数据分析研究。
“1999年，我在新加坡国立大学读硕士的时候开始做‘数据挖掘’研究。也就相当于今天的‘大数据’，‘大数据’的说法是后来才提出来的。”熊辉说，“数据挖掘”最早是由沃尔玛提出来的，当时，沃尔玛运用海量交易数据分析问题，更好地进行产品经营、推广、广告，以及沃尔玛的选址、优化物流等。
熊辉目前是美国罗格斯-新泽西州立大学商学院管理科学与信息正教授（终身教授）、博士生导师，并担任大数据与商务智能课程的主讲教授。他还与Citrix Systems Inc、IBM、华为等世界500强企业开展过重要的商务智能合作研究项目。因在大数据/数据挖掘领域的突出成就和影响力，熊辉于2014年当选美国计算机协会（ACM）杰出科学家。
在熊辉看来，研究大数据具有重要意义，所有行业都需要运用到大数据。比如，政府可以通过大数据了解老百姓的舆情，满足老百姓的诉求；在通信行业，中国移动、中国联通可以通过大数据，将客户进行分层，找出其中的价值客户和非价值客户，以进行网络优化、提高网络覆盖，提高价值客户的服务水平，增加用户体验。
甚至体育领域也在运用大数据。熊辉表示，美国NBA在选秀的时候会运用大数据，以分析哪个球员更有价值。
在网络犯罪领域，熊辉认为，大数据不光是对小偷的挖掘，对于一些通信欺诈，以及其他一些类型的犯罪，都有很大帮助。“在美国，这项运用已经成熟。根据暴力犯罪分布的情况，合理地调配警力，或在犯罪热点地区安装摄像头，把区域光线变得更亮，或重新规划警察的巡逻线路，这都是在运用大数据帮助改善城市安全”。
在证券市场上，熊辉认为，中国的大数据运用要比美国落后很多。美国80%-90%的证券交易都是智能化的交易。美国金融市场对大数据人才的需求特别大，无论在前端（怎么交易，交易规则）、后端（风险评估、风险控制），还是投资组合资产配置，都是靠大数据来实现的。大数据渗透到美国证券交易的各个环节，包括监管层面，找内幕交易、老鼠仓，各个行业的压力测试、咨询等，很值得中国学习。
打破“信息壁垒”
熊辉表示，美国从2008年金融危机之后，各行各业就开始进行数据整合，尤其是政府对大数据的整合。进行大数据分析首先必须有数据，包括数据的收集和平台的建设。美国在数据化、信息化的建设中相对比较领先。中国这两年也充分认识到大数据的价值，在数据化建设和平台建设上下了很大功夫。
不过，熊辉认为，国内和国外的大数据建设还存在较大差距。首先，国内的数据属于“分散型”，各环节并未完全打通。在美国，每个居民都有自己的编号，这个编号可以查到他所有的信息，如信用卡消费记录、上网的情况、所有的交易情况、贷款情况等。而中国目前还存在“信息壁垒”：虽然信息收集上来，但各个部门之间并未分享这些数据。
但熊辉同时指出，目前中国正在努力打破这种壁垒，增强数据的一体化。“这是一个必然的趋势”，“但也是一个比较艰难和长期的过程”。
此外，中国的大数据发展还面临人才的问题。熊辉表示，各行各业大数据的落地，需要既要有技术知识又要有理念知识的“通才”。“学校是不培养‘通才’的，这需要不断地学习。换句话说，商学院的学生既要懂数学，又要懂计算机，还要懂市场，这对人才结构的复合性要求非常高”。
而数据质量问题也是大数据发展绕不过去的坎。由于中国早期建立起来的系统对数据质量的控制不够，导致现在的很多数据都有问题，比如有缺失、有噪声、收集不够全面等。
熊辉认为，各行业要运用大数据，首先要从数据质量下手，把自己的“内功练好”，建立更加完善的数据收集平台和数据整合平台。
人才招聘更加门当户对
在谈到未来的研究时，熊辉表示，“大数据在人力资源领域的应用将是未来两年最前沿的研究。”
他分析道，“与传统的人力资源管理不同之处在于，传统人才管理主要靠经验和主观意识判断。而大数据背景下，会做到让人才与岗位更加匹配。就像找结婚对象一样，讲究‘门当户对’。”
熊辉称，“所谓的‘门当户对’就是一种匹配关系，各类人才也有档次和等级之分。工资开支也会根据人才等级制定，避免‘杀鸡用牛刀’的尴尬。大数据介入后，未来的人才都在一条食物链上，企业可以提前进行人才储备，可以根据大数据科学地培养未来需要的人才，不用过分担心人才过剩或者人才欠缺。”
熊辉把人分为三类：即人员（能完成一些基本的标准化流程性的事情）、人才（需要有一技之长，且有团队精神），以及人物（除了具备人才所有的特质外，还有能够看到未来发展方向的眼光）。
熊辉认为，无论从企业、国家还是任何一个组织的发展角度来看，最早的企业比如传统制造业，拼的是标准化的流程和作业，在这种企业工作的绝大多数是“人员”。而现在很多有高价值的企业，比如BAT、谷歌，堆积的则是“人才”。
“我认为未来企业堆积的是‘人物’。”熊辉说，“任何企业的发展，能够产生高价值的，一定是创新性非常强的方向，这需要靠‘人物’来完成。但这些‘人物’都很聪明，怎么管理，怎么设定机制，做到合理评估价值分配，相互协作、配合，而不是相互内耗，这就涉及很多管理学的问题。这种管理上的问题靠传统HR经验型、对面化、模糊化、控制性的管理是跟不上的，所以一定要有大数据智能化的人才管理才能做得到。”(图为美国罗格斯-新泽西州立大学教授熊辉)
