當“球探”遇上大數據會產生什么樣的化學反應？美國奧克蘭市運動家棒球隊，曾因采用數學模型來預測球員成績、遴選球員而大面積改變了球隊成績，創造了美國棒球聯賽史上最長的連續獲勝記錄?！洞笪餮笤驴肪庉婦on Peck 特別報道《HR遭遇大數據：他們在盯著你工作》中，描述了數據分析對于職場人力資源工作帶來的變革。推薦如下，由鈦媒體編譯：

比利·比恩（Billy Beane）曾是奧克蘭市運動家棒球隊的總經理。2003年，拜美國作家邁克爾·劉易斯（Michael Lewis）和他的暢銷書《魔球——逆境中致勝的智慧》（Moneyball： Art of Winning an Unfair Game ）所賜，比恩先生成了明星。

時間往前推一年，比恩在例行為俱樂部挑選球員時，一改過去依賴“球探”幫助的辦法，他將搜羅球員的決策托付給了“數學模型”——等等，什么樣的模型？比恩采用的模型由一位畢業于哈佛大學的年輕統計學天才開發，專門供比恩和他的下屬使用。

這之后不久，奧克蘭運動家隊就書寫了棒球賽史上的傳奇。這支小眾的球隊憑著微不足道的預算橫掃賽場，創造了美國棒球聯賽史上最長的連續獲勝記錄，一個賽季就收獲了103場勝利。如此勝績只有老牌勁旅揚基隊才能比肩，可揚基隊的隊員薪水足足是奧克蘭運動家隊球員的三倍。

比恩的球隊成績斐然，由此在職業棒球界掀起了一場革命。此后，越來越多的球隊開始運用預測模型評估球員的潛力和市場價值，而那些先行一步的球隊大體上都贏得了顯著的競爭優勢，明顯勝過比他們更保守的同行。

表面上，這本書講述的不過是一支棒球隊令人難忘的勵志傳奇，但它實際上佐證了一個趨勢：在就業招聘這件事兒上的相關研究已經有新路子了——預測性的統計分析和大數據應用，將有望改變招聘、評估數百萬就業者的方式。

你可曾想過，像這樣用大數據來預測、分析、組建你需要的一支牛逼團隊？沒錯，你會說大數據這個詞都快被各種行業和媒體說的無聊了，但我們還是不可避免要提到了它，為了表達原有格局即將瓦解時，它似乎再合適不過了。

行為信息，已構成一座金礦

技術的發展，已經讓定期獲取人類的行為信息成為可能，這類信息涉及的范圍更廣，也更有深度，還能對這些信息進行新型的分析。目前，全世界范圍內98%以上的信息都已經采用數字化存儲方式。2007年以來，整體數據量已經翻了四倍。

普通人不論在家中還是在工作時都會產生大量這類數據，比如發送電子郵件、瀏覽因特網、使用社交媒體、從事眾包項目以及更多的其他活動。在產生數據時，他們無形中就在為發起一個全新的社會項目起到幫助?！洞髷祿r代：生活、工作與思維的大變革》一書的兩位作者維克托·邁爾-舍恩伯格和肯尼思·庫克耶就指出，

“我們正身處一個了不起的基礎設施項目中。在某些方面，它甚至可以同過去古羅馬人的水利溝渠和文藝復興時期的百科全書媲美。這個項目就是‘數據化’，和其他基礎設施的進步一樣，它也會使這個社會發生本質變化?！?br/>
在我們所處的時代，各個行業的變化已經發生了，預測股價走勢的電腦程式算法改變了華爾街，精準分析互聯網瀏覽記錄的算法已改變了市場營銷的傳統方式。但一直少有人相信，類似的數據驅動的方式可能廣泛應用于人才市場。

這種方式卻真真實實的已經成為HR們在使用的工具。美國康奈爾大學工業與勞動關系學院教授約翰·豪斯克內西特曾對媒體表示，近年來，美國國內“勞動者分析職位需求大幅增長”。為配合勞動力市場供需的最新形勢，豪斯克內西特先生把自己主講的科目也修改了教學課程。

如今，我們不但能在谷歌、惠普、英特爾、通用汽車和寶潔這樣的業界大牌公司找到HR部門專職的分析團隊，還能在一些新生代公司發現他們的身影，如美國甜點品牌Little Debbie蛋糕的田納西州生產商McKee Foods.連比利·比恩也趕上這個潮流，去年他出席了德克薩斯州奧斯汀的一次企業人力資源高管大會，發表了一場題為“新時代人才管理的點球成金術”（The Moneyball Approach to Talent Management），由此在行業內出盡風頭，他的演講也被媒體稍作修改，發表在所有關于HR行業的各大刊物上。

把職業生涯交給數據分析？

對于職場人來說，在職業生涯分析中引用“預測分析法”還是一個新興領域，將它稱為“人本分析”（ people analytics）或許更貼切。當然，把理論應用到實際工作中挑戰很大，更別提還存在道德方面的爭議了！似乎是令人望而生畏。達到預測的目的，就必須針對“個人表現”（如業績、工作態度、KPI之類的內容）創建龐大的個人技術統計表，比我們在體育運動網頁上見過的所有表格規模都要大，也超乎我們此前的一切想象。

某種程度上講，這種分析和統計應用在實際中，本質上就是在探查人性最深處隱藏的秘密，甚至涉及我們怎樣成長、是否會繁衍后代、長大成人后是什么模樣。

所以，大部分相關領域的公司只是剛開始探索應用的可能性。今后五到十年間，數據分析行業會誕生新的模型，并且會進行極大規模的新實驗。這對經濟體、對我們的職業道路、精神面貌和自我價值感來說，算不算可喜的進展？

“選拔人才”模式的歷史變遷

打從“公司”這個概念誕生其，這個世界上就出現了一種叫做“經理人”的人物，每天都致力于辨別哪些人最適合做他們的手下，而選拔人才的技巧也是千差萬別。

說個有趣的歷史：上世紀之初，美國費城的一家制造商招工時想出了一個怪招決定人選：命令工頭站在工廠門口，向那些圍在工頭四周的求職者拋出蘋果，如果有人動作夠快，能接到蘋果，而且身強力壯，能保住接到的蘋果，工廠就錄用。

那個時代的觀念，的確跟現在截然不同——一種“達爾文進化論”流程成為某些精英管理者頭腦中主流的指導思想（當然沒有自然界的進化論那么血腥）。彼時，美國鋼鐵公司、杜邦和通用電氣這類那個時代冉冉升起的巨頭正在進行整合，動輒影響整個行業。大魚吃小魚式的整合摧毀了弱小的競爭對手，催生了更強大的企業，他們的創始人通常會獲得業界巨頭青睞，得到那些企業的高層職位。這種方式運轉的非常順利。正如沃頓商學院教授彼得·卡普利（Peter Cappelli）在論著中所寫的，“在預測和甄選的科學領域，沒有什么方式的影響力能比得上觀察人們的實際表現?！?br/>
然而，到了二戰末期，美國人才供求市場卻出現了嚴重的人才短缺狀況。企業的高層管理人員年紀漸長，而從30年代大蕭條直到二戰期間，由于招聘就業市場疲軟，已經導致訓練有素的能干經理人短缺。在普通員工中尋找有潛力迅速成長的“璞玉”，便成為美國商界的當務之急。

由此開始，企業開始涉及一套正式的招聘與管理系統。怎么建立系統？部分是依據人類行為學的最新研究成果，部分源于兩次大戰期間開發的軍用技巧。因為爆發世界大戰時需要大批調動軍隊，并且出現大量傷亡，需要盡可能高效地用人，盡量做到人盡其才。截至上世紀50年代，對那些應聘專業崗位的年輕人，最常見的做法就是花上好幾天，讓他們參加一整套“測試”。這些企業都期望能在求職者之中挖掘日后能晉升管理層的潛力股。1950年的一期《商業周刊》指出：“寶潔公司會直接從大專院校挑選高管人才”。

毫無疑問，那是一個帶有技術官僚習氣的盲目的時代。你想想，從IQ測試、數學測試、詞匯測試、專業態度測試、職業興趣測試、羅夏克（Rorschach）人格測試到其他一系列性格評估，甚至體檢，招聘也如流水作業一般。早期，大公司通過種種測試讓應聘者接受考驗，希望用測試來決定合適的人選。

哪怕員工已經選好開始工作了，評估過程也沒有結束。商業報道記者威廉·懷特（William Whyte）在自己1956年發表的經典文化批評名作《組織人》中透露，約四分之一的美國企業都在使用相似的測試評估經理和初級管理者，常用于評估這些管理者是否準備好勝任更高的職位。懷特在書中寫道：“是應該提拔瓊斯，還是擱置不用？過去，這名員工的主管們為了拿主意不得不相互討論這個問題，如今他們可以和心理學家一起調查，看心理測試的結果怎么說?！?br/>
然而，這種上世紀中葉在企業界風靡一時的方式到了1990年幾乎銷聲匿跡。彼得·卡普利告訴我：“我認為，要是目睹現在的企業這么隨意地招聘，上世紀70年代末的人力資源從業者會感到震驚?！?nbsp;也就是說，到了90年代，企業不再用幾天時間做測試，而是辦幾場臨時的面試，只是隨性地想些問題提問應試者。這個改變是為什么？

卡普利說，有很多原因可以解釋這種變化。他列舉了不少，比如跳槽現象增多、使企業沒那么必要做徹底的測試，那樣測試也顯得不夠經濟實用；企業更注重短期財務盈利，因而削弱了企業僅為長遠發展孕育人才的內在功能；另外，1964年出臺的《人權法案》（The Civil Rights Act）讓一些進行有歧視傾向招聘的公司要承擔法律責任，這也令企業的人力資源部門擔心，大范圍采用任何成績明確的測試都可能日后表露系統性的偏好。正是由于種種因素影響，企業開始青睞沒那么正式的量化招聘方式。這種做法至今仍然很有市場。

但企業放棄自己當初鋒芒畢露的方式還有一個理由：他們使用的許多評估法后來證明并沒有那么科學。有些方法的依據是從未測試過的心理學理論。還有些最初是為評估精神疾病而設計的，有時接受測試的又是人數相對較少的不具代表性人群，如大學新生，所以那些測試結果只能顯示出，測試對象的反應尚屬“正?！?。威廉·懷特主持了一些面向企業總裁的測試，發現沒有哪位總裁的評分屬于招聘“可接納”的范疇。

懷特的結論是，這類評估并未評估潛能，只能簡單地評價是否從大流。其中一些測試也很不注重隱私權，比如會詢問測試對象的個人習慣或者父母的情感。因此，接受測試者對如此不人性化的探究和刺激（有時就是赤裸裸地觸痛對方）反感也就不足為怪了。

基于上述原因及其他方面因素，“招聘是門科學”的觀點已經受到冷落。而如今，它的地位正失而復得，這要歸功于分析的新技術和新方法，它們讓我們過去的分析手段成本更低、速度更快、覆蓋范圍更廣。無論好壞，科技創造可能性的新時代已拉開帷幕。