论文部分内容阅读
摘 要：大数据时代背景下，人们的思维方式、行为方式都在发生深刻变革，企业的人才管理也不例外。本文试着将大数据思维引导到人才测评领域，从测评方案设计、行为样本采集及数据分析三个环节出发，探讨如何利用大数据的优势，更好地实现人才测评的目标。
关键词：大数据；人才测评；职业能力；人才管理
一、将大数据思维引入到人才测评领域
随着互联网技术的发展，数据信息的海量生成已经成为这个时代最重要的标识，人类文明的样式和格局正在因为大数据时代的进程而发生变化，大数据[]真正的意义和价值是它正在改变我们的思维方式。大数据思维帮助我们在决策过程中超越个体思维框架的局限，通过海量数据的碰撞，从结果和事实出发，寻找和发现相关性和联系，从而对高度不确定性世界做更为准确的解读、提供对未来的洞见。
“大数据思维”的优势不仅在于“数据量的大规模”，还包括“信息的多维度或全维度”。多维度带来多视角的立体“视觉”，实现信息的交叉校验、相互佐证，让接近真实的能力得到跃升。
人才测评实际上是要通过一定的技术和方法，对被测评对象进行结构性观察并获得行为采样，从而对其整体能力水平及特定能力结构做出预测和判断，最终提高人才使用及开发的效能。人才测评的信效度至少与三个环节有关：行为样本的采集范围是否覆盖完全、行为数据采集量是否足够大以及对这些数据的挖掘及处理是否有效。
将大数据思维引入到人才测评中，就是要针对以上三个环节：采样范围从单一或简单视角转变为多维度视角；采集所有可收集的行为样本，最大限度地扩展行为数据采集量；数据处理上从简单统计（均值）转变为高阶统计分析（相关分析、差异检验、因素分析等）。
大数据式人才测评，就是要通过数据的多维性、海量性以及数据挖掘能力，系统提高人才测评的有效性。
二、人才测评前期：以多维大数据模式设计人才测评方案
大数据式人才测评首先要强化行为数据采集的多维度或全维度，即在人才测评方案的设计上，要能够覆盖所有与人才效能发挥有关的因素。主要包含“一纵二横”三个方面。
1.纵向上要贯穿职业能力的各个层面。职业能力，一般泛指能够对一个员工的工作业绩及行为表现产生影响的所有个体因素。如果参考洋葱模型[ ]对能力逐层划分，职业能力由内而外、由深层到浅层，可以分为五个层次：职业个性风格及倾向、职业价值观及态度倾向、职业素质、职业或专业知识技能、职业行为（如图所示）。
图 职业能力模型
早期的人才测评，主要集中在对浅层职业能力（如，知识与技能）的考察上，对职业素质、价值观态度以及个性倾向等深层次能力要素关注不足。在大数据式人才测评模式下，需要采取一定手段，覆盖到所有这些能力要素。
2.既要关注工作结果，也要对工作过程有所测查。一个员工的工作业绩成果，往往是其工作能力的最直接、最有力的佐证。大部分组织都按照这样的逻辑实施管理及奖惩。大数据式人才测评模式认为，既要关注工作结果，也要对工作过程有所测查，因为一个员工在完成任务的过程中，工作出发点是什么、如何分析问题、采取了何种解决策略和方法、协调了哪些关系及资源、遇到困难时的应对方式、工作投入度及心态等等表现，同样是其职业能力的重要证据信息来源。这些过程型数据，也同样要进行全面的收集及取样。
3.要对“脑、手、心”等职业状态进行全面考察。好的工作业绩，往往需要员工的全身心投入，即要“动脑、动手、走心”。按照功能，职业能力通常包括以下几个方面：决策力、执行力、影响力及内驱力。
决策力，反映人才在涉及分析、判断、思考、决策等工作内容时所表现出的素质、能力及风格。执行力，反映人才在涉及计划制定、落实、资源调动、协调组织等工作内容时所表现出的素质、能力及风格。影响力，反映人才在涉及人际互动、沟通协作、团队管理等工作内容时所表现出的素质、能力及风格。内驱力，反映人才在工作积极性的自我调动、工作状态的自我管控、逆境状态下的自我激励以及自我提升等方面的素质和能力。
这四方面，缺一不可，但传统的测评，往往顾此失彼。大数据式人才测评，强调对各个职业能力功能区的全面覆盖。
综上所述，大数据式人才测评的方案，往往会有三级甚至四级的标签。一级标签为职业个性、职业价值观、职业素质、知识技能等；二级标签为决策力、执行力、影响力、内驱力等；三级标签继续对二级维度进行细化；四级标签则可以细化到行为。这样多层次、多维度的方案设计，可最大限度地确保对职业能力各要素进行全覆盖。
三、人才测评中期：以大数据思维广泛收集职业状态信息
大数据式测评，在实施中还需要解决数据采集方法及手段的问题。为了满足对前述多维职业能力进行考察的需要，测评手段上也需要进行多维配置。
多角度交叉校验、相互佐证，从而形成相对准确的评价和判断。通常，被测评人的行为样本采集，可通过以下几个角度进行：①上级视角：由被测评人才的上级对其能力和行为表现进行评价；②平级视角：由与被测评人才有横向协作关系的平级人员，做出评价；③下级视角：由被测评人才的下属对其进行评价；④客户视角：由其所服务的客户（内部客户或外部客户）对其做出评价；⑤自我评价：由被测评人才对自己进行自陈或自我评价（通常只作为参考）；⑥专家视角：由外部专家（从事人才管理及测评服务的专业人员）使用专业手段及工具，对被测评人才的能力进行系统评测；⑦实证视角：收集被测评人已经取得的业绩以及实际发生的工作行为样本，为其评估提供实证佐证。
从方法和技术手段上，大数据式测评不排斥任何一种能够对职业能力的一个或几个侧面进行探查的方式方法，强调要用“组合拳”来最大限度地降低风险，确保测评结果的科学性和有效性。常用的技术手段有以下几类： 1.360度工作评价技术。又称360度反馈（360°Feedback），是指由员工的直接上级、下属、同仁同事甚至顾客，从各个角度来对其的核心能力及工作行为表现进行评估的方法。通过多种角度的反馈，帮助了解其能力现状、适岗性、优劣势以及发展潜能等。
2.心理测验技术。对职业个性风格及倾向、职业价值观倾向、职业动机等深层次素质的考察，通常通过自陈式心理测验来实现。常用的心理测验有：《职业个性倾向测验（MBTI）》、《16PF》、《盖勒普优势测验》、《九型人格测验》、《职业价值观倾向测验》、《职业锚测验》等等。
3.面谈及情境模拟技术。通常由内部或外部测评专家现场实施。创设与实际工作情境相似的问题场景，向被测评人提问或者进行模拟演练，对其的思路或行为反应进行观察和系统分析，与专家标准进行比对，从而对其职业素质和潜能形成判断。
4.实证技术。主要包括两种形式：一是工作观察技术，即对被测评人的实际工作状态进行结构性观察和评价；二是绩效考核，即主要从其取得的工作业绩成果上进行评估。实证技术未脱离工作实际，信息的真实度和可信度良好，能够为测评提供更有力的证据支持。
四、人才测评后期：以大数据思维进行数据的挖掘与分析
经由以上两个环节，大数据式测评较之于传统测评，获得了更大量、更多角度的信息。那么，如何更加有效地利用好这些信息来强化测评的准确性，就成为一个关键问题。
传统测评后，由于数据样本量级和角度有限，无法反映出不同能力要素、不同任务及不同业绩结果之间的普遍性及深层关系。而在大数据模式下，我们可以通过数据挖掘和深度分析，找出各要素之间隐蔽及深层次联系，获得对人才及其发展潜能的认知与洞察。
大数据式测评，不仅要完成描述性统计[]，还要借助SPSS等工具完成相关性检验、方差分析、因素分析等高阶的统计处理，以便进一步挖掘数据背后的逻辑。
例如，对《职业价值观倾向》测验成绩与360度工作评价成绩、绩效成绩等做相关性检验，探查员工的心态和价值取舍与其实际的业绩表现之间有怎样的关联。
五、结语
大数据时代的到来，不仅将改变每个人的日常生活和工作方式，还将引发深刻的思维模式变革，组织的运行及管理方式也会随之发生变化。大数据式测评，将从根本上奠定人才管理的基础环境，彻底改变长期以来存在的“不可治理、不可预测”的人才管理现状，让人才的“选用育留”及人力资本开发都变得更加透明、有效和智慧。
注释：
①洋葱模型，由美国学者理查德·博亚特兹在冰山模型基础上提出。把职业素质由内到外概括为层层包裹的结构，越向外层，越易于培养和评价；越向内层，越难以评价和习得。
②描述性统计分析（Descriptive Analysis），包括数据的频数分析、集中趋势分析、离散分析、数据的分布、以及一些基本的统计图形，常用的指标有均值、中位数、众数、最大/小值等等。
参考文献：
[1]维克托·迈尔，舍恩伯格.大数据时代：生活、工作与思维的大变革. 浙江人民出版社，2013.
[2]赵曙明.人才测评——理论、方法、工具、实务.人民邮电出版社，2014.
[3]武松，潘发明.SPSS统计分析与行业应用案例详解.清华大学出版社，2014.
作者简介：李玲（1973- ），心理学硕士，研究方向：人才管理、能力管理、领导力评估与发展
关键词：大数据；人才测评；职业能力；人才管理
一、将大数据思维引入到人才测评领域
随着互联网技术的发展，数据信息的海量生成已经成为这个时代最重要的标识，人类文明的样式和格局正在因为大数据时代的进程而发生变化，大数据[]真正的意义和价值是它正在改变我们的思维方式。大数据思维帮助我们在决策过程中超越个体思维框架的局限，通过海量数据的碰撞，从结果和事实出发，寻找和发现相关性和联系，从而对高度不确定性世界做更为准确的解读、提供对未来的洞见。
“大数据思维”的优势不仅在于“数据量的大规模”，还包括“信息的多维度或全维度”。多维度带来多视角的立体“视觉”，实现信息的交叉校验、相互佐证，让接近真实的能力得到跃升。
人才测评实际上是要通过一定的技术和方法，对被测评对象进行结构性观察并获得行为采样，从而对其整体能力水平及特定能力结构做出预测和判断，最终提高人才使用及开发的效能。人才测评的信效度至少与三个环节有关：行为样本的采集范围是否覆盖完全、行为数据采集量是否足够大以及对这些数据的挖掘及处理是否有效。
将大数据思维引入到人才测评中，就是要针对以上三个环节：采样范围从单一或简单视角转变为多维度视角；采集所有可收集的行为样本，最大限度地扩展行为数据采集量；数据处理上从简单统计（均值）转变为高阶统计分析（相关分析、差异检验、因素分析等）。
大数据式人才测评，就是要通过数据的多维性、海量性以及数据挖掘能力，系统提高人才测评的有效性。
二、人才测评前期：以多维大数据模式设计人才测评方案
大数据式人才测评首先要强化行为数据采集的多维度或全维度，即在人才测评方案的设计上，要能够覆盖所有与人才效能发挥有关的因素。主要包含“一纵二横”三个方面。
1.纵向上要贯穿职业能力的各个层面。职业能力，一般泛指能够对一个员工的工作业绩及行为表现产生影响的所有个体因素。如果参考洋葱模型[ ]对能力逐层划分，职业能力由内而外、由深层到浅层，可以分为五个层次：职业个性风格及倾向、职业价值观及态度倾向、职业素质、职业或专业知识技能、职业行为（如图所示）。
图 职业能力模型
早期的人才测评，主要集中在对浅层职业能力（如，知识与技能）的考察上，对职业素质、价值观态度以及个性倾向等深层次能力要素关注不足。在大数据式人才测评模式下，需要采取一定手段，覆盖到所有这些能力要素。
2.既要关注工作结果，也要对工作过程有所测查。一个员工的工作业绩成果，往往是其工作能力的最直接、最有力的佐证。大部分组织都按照这样的逻辑实施管理及奖惩。大数据式人才测评模式认为，既要关注工作结果，也要对工作过程有所测查，因为一个员工在完成任务的过程中，工作出发点是什么、如何分析问题、采取了何种解决策略和方法、协调了哪些关系及资源、遇到困难时的应对方式、工作投入度及心态等等表现，同样是其职业能力的重要证据信息来源。这些过程型数据，也同样要进行全面的收集及取样。
3.要对“脑、手、心”等职业状态进行全面考察。好的工作业绩，往往需要员工的全身心投入，即要“动脑、动手、走心”。按照功能，职业能力通常包括以下几个方面：决策力、执行力、影响力及内驱力。
决策力，反映人才在涉及分析、判断、思考、决策等工作内容时所表现出的素质、能力及风格。执行力，反映人才在涉及计划制定、落实、资源调动、协调组织等工作内容时所表现出的素质、能力及风格。影响力，反映人才在涉及人际互动、沟通协作、团队管理等工作内容时所表现出的素质、能力及风格。内驱力，反映人才在工作积极性的自我调动、工作状态的自我管控、逆境状态下的自我激励以及自我提升等方面的素质和能力。
这四方面，缺一不可，但传统的测评，往往顾此失彼。大数据式人才测评，强调对各个职业能力功能区的全面覆盖。
综上所述，大数据式人才测评的方案，往往会有三级甚至四级的标签。一级标签为职业个性、职业价值观、职业素质、知识技能等；二级标签为决策力、执行力、影响力、内驱力等；三级标签继续对二级维度进行细化；四级标签则可以细化到行为。这样多层次、多维度的方案设计，可最大限度地确保对职业能力各要素进行全覆盖。
三、人才测评中期：以大数据思维广泛收集职业状态信息
大数据式测评，在实施中还需要解决数据采集方法及手段的问题。为了满足对前述多维职业能力进行考察的需要，测评手段上也需要进行多维配置。
多角度交叉校验、相互佐证，从而形成相对准确的评价和判断。通常，被测评人的行为样本采集，可通过以下几个角度进行：①上级视角：由被测评人才的上级对其能力和行为表现进行评价；②平级视角：由与被测评人才有横向协作关系的平级人员，做出评价；③下级视角：由被测评人才的下属对其进行评价；④客户视角：由其所服务的客户（内部客户或外部客户）对其做出评价；⑤自我评价：由被测评人才对自己进行自陈或自我评价（通常只作为参考）；⑥专家视角：由外部专家（从事人才管理及测评服务的专业人员）使用专业手段及工具，对被测评人才的能力进行系统评测；⑦实证视角：收集被测评人已经取得的业绩以及实际发生的工作行为样本，为其评估提供实证佐证。
从方法和技术手段上，大数据式测评不排斥任何一种能够对职业能力的一个或几个侧面进行探查的方式方法，强调要用“组合拳”来最大限度地降低风险，确保测评结果的科学性和有效性。常用的技术手段有以下几类： 1.360度工作评价技术。又称360度反馈（360°Feedback），是指由员工的直接上级、下属、同仁同事甚至顾客，从各个角度来对其的核心能力及工作行为表现进行评估的方法。通过多种角度的反馈，帮助了解其能力现状、适岗性、优劣势以及发展潜能等。
2.心理测验技术。对职业个性风格及倾向、职业价值观倾向、职业动机等深层次素质的考察，通常通过自陈式心理测验来实现。常用的心理测验有：《职业个性倾向测验（MBTI）》、《16PF》、《盖勒普优势测验》、《九型人格测验》、《职业价值观倾向测验》、《职业锚测验》等等。
3.面谈及情境模拟技术。通常由内部或外部测评专家现场实施。创设与实际工作情境相似的问题场景，向被测评人提问或者进行模拟演练，对其的思路或行为反应进行观察和系统分析，与专家标准进行比对，从而对其职业素质和潜能形成判断。
4.实证技术。主要包括两种形式：一是工作观察技术，即对被测评人的实际工作状态进行结构性观察和评价；二是绩效考核，即主要从其取得的工作业绩成果上进行评估。实证技术未脱离工作实际，信息的真实度和可信度良好，能够为测评提供更有力的证据支持。
四、人才测评后期：以大数据思维进行数据的挖掘与分析
经由以上两个环节，大数据式测评较之于传统测评，获得了更大量、更多角度的信息。那么，如何更加有效地利用好这些信息来强化测评的准确性，就成为一个关键问题。
传统测评后，由于数据样本量级和角度有限，无法反映出不同能力要素、不同任务及不同业绩结果之间的普遍性及深层关系。而在大数据模式下，我们可以通过数据挖掘和深度分析，找出各要素之间隐蔽及深层次联系，获得对人才及其发展潜能的认知与洞察。
大数据式测评，不仅要完成描述性统计[]，还要借助SPSS等工具完成相关性检验、方差分析、因素分析等高阶的统计处理，以便进一步挖掘数据背后的逻辑。
例如，对《职业价值观倾向》测验成绩与360度工作评价成绩、绩效成绩等做相关性检验，探查员工的心态和价值取舍与其实际的业绩表现之间有怎样的关联。
五、结语
大数据时代的到来，不仅将改变每个人的日常生活和工作方式，还将引发深刻的思维模式变革，组织的运行及管理方式也会随之发生变化。大数据式测评，将从根本上奠定人才管理的基础环境，彻底改变长期以来存在的“不可治理、不可预测”的人才管理现状，让人才的“选用育留”及人力资本开发都变得更加透明、有效和智慧。
注释：
①洋葱模型，由美国学者理查德·博亚特兹在冰山模型基础上提出。把职业素质由内到外概括为层层包裹的结构，越向外层，越易于培养和评价；越向内层，越难以评价和习得。
②描述性统计分析（Descriptive Analysis），包括数据的频数分析、集中趋势分析、离散分析、数据的分布、以及一些基本的统计图形，常用的指标有均值、中位数、众数、最大/小值等等。
参考文献：
[1]维克托·迈尔，舍恩伯格.大数据时代：生活、工作与思维的大变革. 浙江人民出版社，2013.
[2]赵曙明.人才测评——理论、方法、工具、实务.人民邮电出版社，2014.
[3]武松，潘发明.SPSS统计分析与行业应用案例详解.清华大学出版社，2014.
作者简介：李玲（1973- ），心理学硕士，研究方向：人才管理、能力管理、领导力评估与发展