谈论 人才分析 已席卷整个招聘博客圈。这项激动人心的新兴劳动力科学迅速催生了一批忠实拥趸，同时也招致了众多质疑者。归根结底，关键在于人们真正认定的绩效因素是什么，以及这些信息如何能为未来的招聘工作提供依据。
团队人才分析
企业人力资源、人才管理与领导力分析师乔希·伯辛指出，许多企业其实已掌握进行人才分析所需的信息，这些信息足以评估绩效因素。多年来，企业持续积累着各类数据：教育背景、工作地点、绩效指标、人口统计信息以及其他诸多因素。若能善加利用，这些信息可用于预测未来招聘中的顶尖人才。
企业在实施人才分析时发现，数据表明那些曾经被视为传统、常识性的绩效因素其实都大错特错。许多公司奉行这样的招聘公式：
好学校 + 好成绩 = 好表现者
人才分析领域指出，多数企业并未真正掌握其绩效因素的本质。伯辛表示：
对我而言，这正是商业领域中最大的大数据机遇。若能运用科学方法优化人才选拔、管理与配置，其回报将极为可观。
人才分析不仅宣称能够预测，还应当具备解决问题的能力。克拉拉·布莱恩在VentureBeat的一篇文章中报道道，
某家使用One Talent Analytics分析工具的叉车操作公司，长期收到客户服务投诉。操作员并非态度不友好，而是过于专注于操作精度。于是该公司开始将精准度作为核心卖点，而非试图改变员工的性格特质。
传统团队
那些坚决不跟风采用人才分析技术的人，其实也有相当有力的理由。首先，这门科学尚属新生领域。众所周知，没人会去购买最新款iPhone的第一代产品，因为升级换代的机型很快就会面世。许多组织都选择先让先行者解决技术难题、验证投资回报率和有效性，再决定是否加入这场变革。
此外，这并非一项DIY性质的工作项目。除非企业愿意寻求专业人士的帮助，否则人才分析计划往往难以启动。在InfoChimps对300名IT专业人士的调查中，80%的受访者指出分析项目失败的两大主因是……
1) 管理者缺乏内部专业知识来整合数据信息，从而形成有效的洞察。
2) 这些项目缺乏围绕数据的业务背景。
正因如此，据《麻省理工斯隆管理评论》报道，55%的大数据分析项目最终被放弃。
虽然许多企业确实具备实施人才分析的能力，但更多企业的现有数据可能达不到要求。人才分析公司的格蕾塔·罗伯茨显然不属于传统派，她却提出了一个关键观点：
“唯有业务部门能提供绩效数据；真正的业务绩效指标包括：销售额达成率、呼叫中心接听电话数量、客户服务评分、柜员现金短缺情况、软件开发人员编写的代码行数、处理订单数量，以及其他由业务部门直接测量和评估的关键绩效指标（KPI）。”
我们想了解您的想法和行动。您是否计划利用组织的大数据进行人才分析？还是打算观望这一新兴趋势的发展？欢迎发推文告诉我们。
