信息技术的飞速发展带来了信息量的激增。根据摩尔定律，集成电器芯片上所集成的数目每18个月翻一番，微处理器的性能每18个月提高一倍，由此推导可知，信息总量18个月就翻一番。这些以电子信息技术为基础创造的大量数据已经充斥社会生活的各个角落。据统计，近两年内由人类产生的数据，竟然达到了人类有史以来全部数据的90 %以上。数据量的庞大、数据形式的多样、数据增长速度的飞快、数据信息的复杂，远远超出了人们的想象，使人们始料未及。
　　大数据时代是数据的革命时代，大数据不但改变着人类的生活和工作，也影响着人们的思维；大数据时代是数据变为资源的时代，大数据不仅对经济活动领域拥有巨大存在价值，对国家的治理模式也产生着不可替代的影响。自2014年3月将“大数据”首次写入《政府工作报告》以来，大数据成为政府工作的热词，2015年8月19日召开的国务院常务会议通过《关于促进大数据发展的行动纲要》，强调要推动政府信息系统和公共数据互联共享，消除信息孤岛，加快整合各类政府信息平台，避免重复建设和数据“打架”，增强政府公信力，促进社会信用体系建设。大数据正在改变着国家治理的方式，国家方针的制定已经不仅仅依靠人脑决策，也要依靠数据论证。人才开发政策的制定，当然也离不开大数据的应用。但是庞杂的数据并不能直接用于人才开发政策研究与制定，在这海量的数据中混杂着各种对制定人才开发政策有用和无用、相关和不相关的信息，要想找到这些被无数数据层层包裹着的信息，必须经过处理与分析，找出隐藏其中有用的规律性的东西， 这个分析与处理的重要工具就是数据挖掘。具体说，数据挖掘就是从海量、不完全的、有噪声的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在的有用的信息和知识的过程①。经过数据挖掘，找到所需要的信息，去掉不需要的信息。
　　数据挖掘在人才开发政策制定中常用到以下几种技术方法。一是关联分析，根据事物发生的概率和条件进行统计，找出那些有使用价值的相关事物。二是聚类分析，把数据按照相似性归纳成若干类别，同一类别中的数据相似，不同类别中的数据相异。三是分类，将采集到的数据归类到已定义的数据中，分类是大数据挖掘中最基本的工作，没有分类就没有鉴别，就没有使用价值。四是预测，将已有数据建立模型，再运用新数据作为输入值，获得趋势性变化的新数据。
　　大数据在人才开发政策制定中的作用主要体现在以下几个方面：
　　首先，大数据能够为人才开发政策制定提供新的科学方法。虽然近十年来政府部门在制定人才政策过程中越来越注重前期调研、专家咨询和智库参与，但是由于受调研面、调查成本、可操作性和专家知识结构等因素的限制，一方面获得的数据数量和质量都十分有限，另一方面这些数据的准确性、真实性和全面性依旧存在不尽如人意之处，在很大程度上造成一些已出台的政策出现了不够科学和实用性差的问题。大数据时代是人力资源信息爆炸的时代，每天产生的大量与人力资源相关的内容能够为政策制定提供前所未有的海量和高质量的社会数据、资料和信息。通过量化的方法转化为数据，利用数据挖掘技术，政策制定者能够深入分析人才个体和群体的复杂性。比如在高层次人才培养政策的制定中可运用聚类分析法将人才分类，高层次人才有其个性，也有其共性。人才分类可按在工作中担当的角色分类，可按性格特点分类，也可按专业类型分类，不论怎么样分类，总能找出其个性和共性。对同类人才的所有数据进行深度挖掘，把具有较高相似度的人才归为一组，把具有较高差异度的人才归为一组，可分为若干组，分组后再利用数据分析技术找出其内在的规律，在制定人才政策时，充分考虑各类人才的差异，制定出适用性强、创新度高的人才政策。
　　其次，大数据对人才开发政策制定具有预见性。大数据一个突出价值在其具有较好的预见性。运用数据关联规则挖掘数据背后发现事物之间可能存在的关联或者联系，根据事物发生的概率和条件进行统计，快速发现那些有价值的关联发生事件。沃尔玛对历史交易记录进行了分析，这些记录包括每一个顾客的购物清单、消费金额、购物时间及当时的天气等，经过数据处理他们从这些十分庞杂的数据中找出一些规律性的东西。如，每当飓风来临之前，不仅手电筒销量增加，蛋挞的销量也随之增加。因此，每当季节性风暴来临时，沃尔玛都会把蛋挞和飓风用品放在一起，既方便顾客又增加销量。在人才开发政策制定中必须注意到，人才数据有许多特点，这是因为人才本身就是一个涵盖面较广的群体，而且人才的特征描述结构复杂，另外对于人才的需求是随着国家的政治、经济、人民生活水平和综合国力的变化而变化的。由于各阶段对人才需求的不同也就导致对人才定义的不同，人才定义的不同导致人才的各类数据具有多变性、复杂性和多样性。运用数据关联规则挖掘技术，收集人才的成长环境、性格特点、兴趣爱好、生活习惯等看似与工作无直接关系的各类具有特点的数据，对其进行深入分析，可发现有助于人才培养，人才成长，人才流动、流向及需求等多方面的规律，使人才开发政策更加具有针对性和预见性。
　　再次，利用大数据对人才开发政策进行评估有利于评估的科学性。政策评估的目的是为了检验政策效果、总结政策经验和确定政策变化方向。一是大数据转变了以“政策结果”为导向的思维方式。传统的政策评估是对政策产出和政策影响进行检测和评价。一项政策实施后是否达到预期的目标，产生预期的效果，或产生哪些非预期的连带效果。人才政策结果包括人才政策的产出和影响，指的是人才群体及其受益者能从这项政策中获得的各种资源，以及该项政策对社会的影响。不能否认有些政策一出台就有问题，这是由于传统政策评估工作受到数据的局限性，不能对现实状况进行系统全面的考察和评价。大数据时代将数据分析技术引进政策评估工作当中，改变了政策评估后置的方式，使得政策评估伴随制定政策的全过程，制定政策的每一个环节均可运用数据分析各方面的情况，从源头保证人才政策的正确性和权威性。二是节约人才政策评估成本。传统的人才政策评估工作需要统计调查、数据整理、数据分析和评估，需要对数据进行存档和管理，为此评估机构投入大量的人力、物力、财力，评估的成本不菲。大数据则借助数据共享机制、数据源集聚平台及大数据处理技术对所需行业或领域的数据加以挖掘和分析，这大大节省了相关环节的成本。
　　注释：
　　①石丽、李坚《数据仓库与决策支持》，国防工业出版社 2003年5月。
　　（作者单位：中国人事科学研究院）