企業選才時，納入大數據（Big Data）分析的技術，是更科學、有效的方法，不但能預估及規畫公司的人力需求，釐清勝任各項職務的關鍵成功因素，還能選出真正有助於公司未來發展的員工。

在大多數企業，篩選履歷表是人資部門的工作之一，可說是招聘流程裡最重要的守門員。然而，這個重要決策經常是這樣運作的：人資拿到一份履歷，平均只花不到一分鐘掃過學經歷，就決定了「誰能進到面試階段」。

每個主管都想找到對的人，但是人資沒有天天跟著部門主管工作，無法確實掌握每個職缺需要的能力，因此往往只能透過學歷、畢業成績和是否待過大公司等廣泛的標準，挑出可以面試的人選。問題是，畢業自一流學府、在校成績第一名，並不表示這個人就是下一個明日之星。

人資化被動為主動，為組織招募創造未來的人才

當前國外最新的管理趨勢，是在選才時納入大數據（Big Data）分析技術，試圖以更科學、有效的方法，釐清組織未來的人力規畫，以及勝任各個職缺必備的關鍵成功因素，協助人資部門辨識出有益於公司發展的人才，不再憑感覺和印象做招聘決策。

一直以來，企業的招聘流程都是部門主管先「喊聲」，再去和人資部談判要擴增的員額，像是業務主管遞出想增加10個業務員的人力需求申請單，人資部門回說「總公司只給台灣5個新員額」。等到雙方談妥之後，再由人資開缺，按需求去找人。可想而知，人資部門多半是「被動解決」部門主管臨時要人的問題。

要是情況逆轉過來呢？人資部門已經預先知道，公司在5年後將大力仰賴數據分析技術來掌握消費者需求，因而提早著手分析，各部門屆時會需要多少「數據分析」的員工，以及公司目前具備多少符合需求的人才，推估出公司接下來5～10年裡，人員數據分析能力的「供需差」（gap），並針對每個能力的差額開出解方，設法弭平差距。

像是安排能力不符合公司未來發展的員工，去學習數據分析的技巧；尋求對應合作廠商的協助，補足人力需求；提早徵聘數據分析的人才；甚或裁撤完全不在公司未來規畫、也難以培訓轉職的員工。如此一來，每當部門主管提出人力需求，人資部門立刻就能找到合適的人選補上，無需慌忙地重啟招聘流程。

這就是大數據分析對於人才招募的助益之一，可以讓人資部門「化被動為主動」，在各主管提出人力需求之前，預先掌握哪些部門應該補足（或裁撤）多少人力，並且能夠快速遞補上合用的人選。

交叉比對「背景」與「績效」，找出績優者的共同條件

透過大數據，人資部門還能將員工的「績效」和「背景」做交叉比對，找出每個職位裡，績效表現特別好的員工有哪些共同經歷，做為未來篩選履歷表時的重要參考依據。

比方說，公司分析後發現，研發部的優秀員工全都發表過論文，進一步往下探究原因，可能是有能力發表論文的人，通常具備更卓越的獨立思考能力，因此，「寫過論文」就可以做為人資篩選履歷時的必看條件。

像是「寫過論文」這種透過數據分析出來的條件，相較於過去只憑履歷表上的畢業學校和一般經歷來過濾履歷表，不但更為具體、明確，而且可以在每聘僱一個新人之後，反覆地再做驗證和調整，歸納出「只要經歷過這些事，進到公司之後的表現就不會太差」的選才成功方程式。

這個做法可以讓人資部門即使無法完全掌握各職位的確切工作內容，也能快速地運用優秀員工的共同經歷，挑出適合面試的口袋人選，不至於錯失了那些學歷不佳、但是可能大有潛力的人才。

有了數據分析，不是要徹底推翻傳統的招聘和選才流程，也不代表傳統仰賴學經歷挑人的過程完全不可行或不可靠。

你應該把數據想成是提供人資部門更多的判斷標準，以更全面的角度來評估面試者和人力需求，確保潛力人才不會在篩選履歷表的那一關，就被掃地出門，能有效降低聘用不適任者的機率。

按圖可放大

延伸閱讀 / 「4要1沒有」，原來Google這樣挑人才

整理 / 韋惟珊
圖片來源 / Flazingo Photos via flickr, CC licensed