具体描述
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。
作者简介
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》等刊物发表论文和文章。近年来专注于机器学习商业应用的研发。
目录信息
第一节 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
第一节 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:完美的算法在哪里 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
第一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
第一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
第一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、如何保证薪酬数据的准确性 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
· · · · · · (收起)
读后感
内容重复 全是大话。东拼西凑。不懂得人听着晕,懂得人听着烦。翻来覆去的说重要性,用高大上的企业做案例。得出的结果还初级。技术描述过于专业。不知道这本书是给hr看的还是给it看的。缺少核心内容 为了写而写。还不如hr论文来的清楚。。。。。。。。。。。。。。。。。。。...
内容重复 全是大话。东拼西凑。不懂得人听着晕,懂得人听着烦。翻来覆去的说重要性,用高大上的企业做案例。得出的结果还初级。技术描述过于专业。不知道这本书是给hr看的还是给it看的。缺少核心内容 为了写而写。还不如hr论文来的清楚。。。。。。。。。。。。。。。。。。。...
内容重复 全是大话。东拼西凑。不懂得人听着晕,懂得人听着烦。翻来覆去的说重要性,用高大上的企业做案例。得出的结果还初级。技术描述过于专业。不知道这本书是给hr看的还是给it看的。缺少核心内容 为了写而写。还不如hr论文来的清楚。。。。。。。。。。。。。。。。。。。...
内容重复 全是大话。东拼西凑。不懂得人听着晕,懂得人听着烦。翻来覆去的说重要性,用高大上的企业做案例。得出的结果还初级。技术描述过于专业。不知道这本书是给hr看的还是给it看的。缺少核心内容 为了写而写。还不如hr论文来的清楚。。。。。。。。。。。。。。。。。。。...
内容重复 全是大话。东拼西凑。不懂得人听着晕,懂得人听着烦。翻来覆去的说重要性,用高大上的企业做案例。得出的结果还初级。技术描述过于专业。不知道这本书是给hr看的还是给it看的。缺少核心内容 为了写而写。还不如hr论文来的清楚。。。。。。。。。。。。。。。。。。。...
用户评价
这本书的实战性强到让人有点喘不过气,但正是这种“硬核”让我爱不释手。我一直期待一本真正能落地指导实践的书,而不是那些空洞地谈论“未来趋势”的读物。这本书的“应用场景”部分简直就是我的救星。里面详细分析了从员工入职到离职的全生命周期中,大数据可以介入的各个关键节点。比如,在培训与发展方面,它描述了一个动态的学习路径推荐系统,这个系统如何根据员工当前的技能短板和未来岗位需求,实时调整推荐内容,这个设计理念太超前了!我立刻尝试将书中的某些思路应用到我们部门的季度复盘中,虽然我们目前的数据基础还比较薄弱,但至少有了一个清晰的蓝图可以努力的方向。作者在描述这些场景时,并没有使用那种夸张的营销口吻,而是非常冷静、客观地分析了引入这些技术可能带来的挑战和预期的收益,这种务实的态度,让我对书中的内容更加信任。它不是教你“怎么做梦”,而是教你“怎么醒着盖房子”。
这本书的装帧和印刷质量也值得称赞,厚实的书页拿在手里很有分量感,墨水浓郁,长时间阅读眼睛也不容易疲劳。我尤其喜欢它的章节结构设置,每一章后面都有一个“关键概念回顾”和“思考与实践”的环节,这极大地帮助了我消化吸收那些复杂的知识点。我习惯在每看完一章后,强迫自己去思考如何用书中的理论来解释我工作中遇到的一个具体问题,这种互动式的学习体验,是传统教材很少能提供的。此外,书中的图表制作精良,无论是流程图、架构图还是数据可视化示例,都直观易懂,有效降低了理解门槛。总的来说,这本书就像一位经验丰富、技术精湛又富有洞察力的导师,它不仅提供了工具箱,更重要的是,它重塑了我对人力资源管理未来走向的认知框架。读完后,我感觉自己的职业视野一下子开阔了,不再是那个只懂流程的HR,而是一个能与数据科学家对话的战略伙伴。
坦白说,我这本书买回来主要是冲着“模型”去的,我一直想知道,那些传说中能提高招聘效率、优化绩效考核的算法到底是怎么构建的。这本书在模型构建这块的处理,简直是教科书级别的示范。它没有简单地罗列公式,而是详细讲解了每种模型背后的业务逻辑和适用场景。比如,在人才画像构建时,如何平衡描述性特征和预测性特征,作者就给出了非常细致的权衡标准。我特别欣赏它没有陷入纯粹的技术泥潭,而是始终将技术服务于人力资源的战略目标放在首位。读完这部分,我感觉自己对“如何向技术部门提出合理的需求”这个问题,都有了全新的理解。过去总觉得技术人员和业务人员之间存在一道鸿沟,这本书似乎就是那座沟通的桥梁。它教会了我如何用数据思维去审视每一个HR流程,让每一个决策都有据可依,而不是凭经验拍脑袋。对于我这种常年与“人”打交道,但又渴望拥抱数字化的中层管理者来说,这本书提供了极大的精神鼓舞和实际指导。
这本书的封面设计真是一绝,那种深沉的蓝色调,配上简洁有力的标题字体,一下子就抓住了我的眼球。我原本对这个领域了解不多,只是觉得“大数据”和“人力资源”结合起来应该很有意思。拿到书后,我立刻被它那种扎实的学术氛围吸引住了。内容排版非常清晰,虽然专业术语不少,但作者似乎很擅长将复杂的概念用深入浅出的方式阐述出来。尤其是关于数据治理的那几个章节,对我触动很大,它让我意识到,没有好的数据基础,再先进的模型也是空中楼阁。我印象特别深的是书中提到的一个案例,关于如何利用历史离职数据预测未来的人才流失风险,那种逻辑推演的严谨性,让我感觉自己仿佛置身于一个高精尖的决策会议室。这本书不像是那种浮于表面的管理学通论,它更像是一本手把手的技术指南,对于那些渴望将理论知识转化为实际生产力的HR专业人士来说,绝对是不可多得的宝藏。我光是梳理那些数据清洗的流程图,就花了好几个小时,但那种“茅塞顿开”的感觉,绝对值回票价。
作为一名长期在人力资源领域摸爬滚打的老兵,我对各种管理学书籍都有所涉猎,但这本书在“技术”与“人文关怀”之间的平衡把握得尤其到位,这一点非常难得。很多技术书籍过于冰冷,只谈效率,不谈人。然而,这本书在讲解如何利用算法进行“潜力挖掘”和“绩效评估”时,都非常谨慎地强调了算法的局限性和对个体尊严的保护。它提出,大数据是辅助决策的工具,而不是替代管理者判断的终极权威。我特别赞赏书中关于“算法偏见”的讨论,指出如果输入数据本身就带有历史歧视,那么模型会放大这种不公。这让我意识到,我们在追求效率的同时,更不能忘记构建公平、透明的工作环境。这本书不仅教会了我如何使用技术,更教会了我如何负责任地使用技术,这才是真正成熟的行业领导者应该具备的视角。
仅是理论的堆砌,实践经验比较少
对于大数据、人工智能有科普介绍,包括国内外一些企业的相关实践案例。
对于大数据、人工智能有科普介绍,包括国内外一些企业的相关实践案例。
有一些启发,但是需要积累一些经验后重读
对于大数据、人工智能有科普介绍,包括国内外一些企业的相关实践案例。