机器学习如何影响人力资源分析

人力资源已经使用分析很多年了。然而，数据的收集、处理和分析主要是人工的，并且这种方法考虑到人力资源的动态性和人力资源的关键绩效指标的性质，一直对人力资源进行限制。所以，HR部门在游戏中这么晚才醒悟到机器学习的效用，是很令人惊讶的。

然而，机器学习已经缓慢但稳步地进入人力资源领域，并建立了磨损预测、正确就业和人力资源培训等几个用例。人们还认为，机器学习可以预测潜在候选人的成功。不久将会发现更多的用例。与人工方法不同，机器学习方法速度更快，对动态情况的反应更快，提供的数据准确、可操作、有价值。虽然数据分析领域越来越自动化，但也不用担心失业问题。不会，更多的信息，数据分析机器人不会随时窃取你的工作。)

人力资源的作用

人力资源无疑是一个组织最宝贵的资产。人力资源部门负责管理组织的人力资源，以便从组织中获得最大价值。人力资源的作用包括以下方面：

为合适的角色确定合适的人才。

适当的薪酬和福利

通过培训和机会管理员工发展

通过加薪、晋升、机会和福利来跟踪和管理人力资源的增长。

管理员工的动机、不满和感受

管理退出

人力资源机器学习案例

随着时间的推移，人力资源部门的期望一直在变化。在以前，人力资源部门会找到合适的人选；或者促进评价；根据人力资源政策分配薪酬、补偿和福利；并管理员工的职业生涯和退出。现在，人们期望人力资源为他们已经做的事情增加更多的价值，做更多的事情，例如预测员工流失和候选人成功。当前实现这些期望的方法能否实现或限制人力资源？

在采用机器学习之前，人力资源部门会对数据进行人工和半自动管理。它将收集、存储和处理数据，以便在数据迅速变得无关紧要之前进行分析，因为情况已经改变，数据需要更新。例如，在年度评估周期之前收集的数据显示磨损风险较低。但评估后员工流失率和员工不满意度较高，主要是预期和实际报酬不匹配，就业市场机会增加。基本上，预评估分析误导了组织，这种努力可能被视为浪费。

没有人工或半人工的方法，使人力资源部门能够管理快速变化的人力资源相关的可变数据。人力资源需要对相关因素进行定期和更新的分析，如员工在组织中的情绪、员工对政策的态度、市场机会的吸引力和组织提供的吸引力。这是一项严肃的任务。除非人力资本管理得当，否则组织可能会失去有价值的员工。比尔曾评论说，“你拿走了我们的前20名员工，我们(微软)变成了一家平庸的公司。”进入机器学习。机器学习能提供什么样的老方法？请考虑以下情况：

快速响应动态变化

这是大数据时代。要管理员工，您需要以下数据：

员工的态度和感受

证书或资格证书

对员工政策的看法

以及薪资和福利趋势。

相关的外部发展，如就业市场和竞争对手组织及其对员工的影响

这样一直加起来就是大量的数据。人工管理根本没有处理的能力。然而，机器学习适合于一致地接受、存储和处理这种数据，并以简单分析的形式提供相关和可操作的见解。(详细了解大数据在处理大数据分析痛点方面的业务作用。)

准确预测

机器学习可以预测关键发展，如消费、工作角色成功和不道德行为。例如，可以基于对过去数据的分析来预测员工在新角色中的成功，例如过去的项目绩效、知识库和为改善知识库而采取的关键措施，这些数据反映了态度。基于这些参数的结果可以转换成分析，然后做出决定。

机器学习可以根据工作角色和候选人的证书、经验和兴趣，将合适的工作与合适的候选人联系起来。机器学习可以利用社交网络。大大减少了候选人评估和跟踪的人工工作量。

发展

在对机器学习做出冷淡的回应后，人力资源领域正在意识到它的效用。许多用例正在被实现，还有更多正在被实现。主要进展概述如下。

候选人识别和申请跟踪

使用来自论坛和社交媒体等在线资源的大量数据，组织正在为正确的角色寻找正确的人。在评估候选人时，机器学习会考虑资格、经验、兴趣、专业联系和成员资格、成就、论坛讨论等。如果不能保证，这可以显著提高角色合作的几率。一个很好的例子可能是职业网站LinkedIn。

机器学习大大减少了应用管理中的手动工作，使人力资源能够专注于更高效的工作。据MejorTrato.com.mx首席执行官兼联合创始人克里斯蒂安雷内拉称，该公司比较金融产品。“过去，我们花了人力资源部门每个人67.2%的时间阅读每一个通过我们找到我们的候选人的简历。自己的网站和第三方。谢谢AI，今天的工作是我们内部系统自动完成的。通过使用TensorFlow的深度学习，我们可以自动完成这个任务。”

准确预测

人类

力资源分析通常可以准确地预测关键因素，如人员流失，员工绩效，甚至不道德行为等不良事件。例如，来自各种论坛对话，社交媒体帖子，电子邮件，视频，竞争组织和市场机会的数据可以指出消耗水平的变化。在评估周期后，损耗水平特别容易发生变化。

工作成功预测

候选人的证书，成员资格，态度和表现的数据可以指向工作角色的成功概率。关键是，手动尝试根据这么多变量计算预测是不够的。人力资源分析可以根据哪些组织找到合适的工作角色的合适人选来提供准确的见解。

组织已经从采用机器学习中获益。虽然机器学习已经减少了手动工作，但预计ML在消耗预测和管理，员工管理和成功等领域变得更加准确和突出。