随着市场变化的不确定性以及企业管理的复杂度不断提升，传统的人力资源报表与可视化看板在数据的分析维度上有着明显的限制，人资业务对于数据价值提取与数据信息挖掘的要求越来越难以得到全面的满足，当前基于人工智能的数据挖掘技术也逐渐成为企业进行数据创新实践的重要突破点。 
 
国家数据局于2024下半年在《关于促进企业数据资源开发利用的意见》的征求意见稿中指出，企业需要加快向数据驱动的经营模式转型，做到用数据管理、用数据决策，促进企业创新发展，提升企业数字化竞争力。 
 
随着企业人力资源数字化转型进行的持续完善，越来越多的企业已经将自身人力资源职能下的业务、系统、流程、数据进行了打通，奠定了良好的数字化底座。 
 
在此基础上，企业开始聚焦探索借助创新技术与应用，提升人力资源部门用数据说话的能力，并借助数据驱动与数据决策实现更新精细化的人力资源管理，以数据为核心的AI应用在人力资源领域也得到了广泛的实施。 
 
AI工具的分类 
 
从原理及用途视角，可将人工智能分为生成式AI与决策式AI，二者在人力资源领域下也有着不同的使用场景。 
 
01 
生成式AI 
生成式AI是我们日常中最为我们所直接接触或使用的一种AI，能够通过算法模型生成全新文本、图像、音频、视频等内容。 
 
当前人力资源业务人员可直接借助AI辅助自己完成文本撰写以及信息查阅整合相关的工作，也可以设置机器人这类的虚拟角色，代替部分自己的工作内容，也可以面向员工提供基础的交互式服务，从而起到降低人力资源营运成本，提升部分人力资源流程效率的作用。 
 
 
02 
决策式AI 
决策式AI与生成式AI的原理和应用均有所区别，也是更能体现数据决策的过程。 
 
决策式AI利用算法和模型对复杂问题进行分析，基于数据内容直接提供可操作的建议或决策支持。它通常针对某一个需要解决的具体问题。 
 
当前我们每个人的生活都已经深度的卷入了算法的世界中，它不仅仅颠覆了很多传统行业的商业模式，也深刻的改变了我们每一个人的日常行为模式，而很多算法本身的底层原理其实在很多场景下都是可以通用的。 
 
例如，我们在客户分级上的算法同样也可以应用到员的工聚类分析中，而内容推荐的场景也非常适合应用在我们培训业务的课程推荐上，各种用户画像的生成，以及客户流失风险和信用评级的模型，我们也可应用在员工画像，离职预测和合规风险检测的场景中。 
 
在这些项目中所使用到的人力资源数据，也是我们日常人力资源业务直接产生在系统中的数据信息，当具备了这些数据基础，就可以借助决策式AI实现数据决策以及精细化的管理。 
 
 
 
 
 
企业数据AI应用 
 
数据决策类问题： 
 
通过人力资源数据，给出某个特定问题决策的根因，路径，并得出问题的结论 
 
案例1 
 
某国企针对多因素晋升机制的研究 
 
 
企业内部的晋升是较为典型的需要多维度因素共同进行决策的活动。 
 
某国企尝试对其内部晋升人员的各类因素进行量化的分析，可量化的数据汇总为人员基本信息、履历、政治资源，数据内容均来自于人力资源系统中较为常见的基础信息。 
 
通过机器学习算法模型，对该企业晋升人员数据特征信息进行提取，直接汇总的数据决策的结论描述为该企业人员晋升时，政治资源具有明显决策权重，学历优秀时政治关系的权重下降，企业对优秀学历人才的重视一定程度上抵消了政治资源，说明学历是有效的人力资本，从正科级到副处级时政治资源作用最强，而性别门槛带来的“天花板”效应在高层中的表现较为明显。 
案例2 
 
某企业销售人员绩效等级预测 
 
 
该案例以销售人员绩效的因素研究为例，希望通过人力资源业务数据，在选人用人的过程中，能够生成量化的选拔模型。 
 
模型简化后所需要的数据信息仍以人力资源系统中常见的数据内容为主，并结合了一些专项测评的内容。 
 
基于算法模型可以直接生成针对该企业销售人员绩效结果的判断，优秀条件的达成较为清晰但非常苛刻，需要低敏感性和高稳定性，至于不理想的绩效结果，更加集中在高敏感性和低兴奋性的这部分样本里，那么对接下来的招聘和培训的业务里，人力资源部门就能够采取一些比较针对性的措施来对候选人或员工的能力进行筛选和改善。 
 
精细化管理类问题： 
 
通过员工数据信息进行分类，给出不同分类具体的画像特征，从而实施针对性的管理策略 
 
 
案例3 
 
企业员工满意度调研分析 
 
 
员工满意度也是企业人力资源常见的分析课题，这类问题属于典型的基于满意度调研结果与员工基础信息进行人群划分，从而寻找数据特征，来引导后续业务决策的一个过程。 
 
通过算法模型可以直接将人群划分为五类，并且得出这五类人群各自不同的特质。例如，第一类是入职时间较长的中层管理人员，这些人基本上也都伴随了企业的成长，相对来说企业认同感会很高，相应的满意度也比较高。这部分员工整体上对工作环境、报酬制度的公平性、以及员工间的协调比较满意，但在进取意识和工作胜利的自豪感、以及薪酬的竞争性上，会有比较低满意度。 
 
在得到人群特征的精确描述之后，人力资源部门便可针对性的根据不同人群进行设计实施更为精准的管理方案。 
 
 
数据创新能力建设 
 
人力资源的数据创新要求企业在数据决策的过程中能够做到有数据，有分析，有结论，有行动，有评估，从而打造人力资源数据业务的完整链条。 
 
 
 
基于AI相关技术进行数据挖掘能力是实现企业人力资源数据价值创新的重要途径，也是数据业务链条后期的进阶应用，这一应用需要以足够数量、足够质量的数据为基础，通过坚实的数据基础设施保障对数据创新能力的支持。 
 
中智咨询在为企业人力资源数字化服务的项目中，以数据资产与数据标准为核心完成底层标准建设，以数据治理及数据管理机制来保障中层联动，以创新的发展策略实现顶层应用，打造数据服务业务的完整链条。
联系我时，请说是在苏州黑芝麻信息科技有限公司看到的，谢谢！