很多做人力资源的业务，如果碰上搞IT或者是“搞大数据的”。他们一般会问到一个问题，能用大数据来预测一个员工什么时候离职吗？准确度有多高？“搞大数据的”一般会说，只要你有足够的数据和样本，我们都可以做到。
读了这本书《人力资源管理大数据》，我觉得有三点最有价值和启发：1、从简单的问题启动以有趣的问题收尾并得到一个可行性的见解；2、可根据七大问题框架提出有趣有挑战性的问题；3、个人行为轨迹数据很重要。
再碰到类似的场景，隔空喊话将会被建设性的谈话取代。
01 从简单的问题启动以有趣的问题收尾，并得到一个可行性的见解
很多企业都在尝试，后来失败的很多。到底如何才能启动一个成功的可能性较大的人力资源大数据应用呢？本书的序言已经清楚的告诉了。只需要分三步：第一步、先确定几个小问题，好比树上的果子，够一够就可以摘到。然后围绕它们搜集数据。第二步、从现成的小数据入手，再添加更多的数据，混合变大，区分信号与噪声。第三步、问一个有趣的问题，用数据回答。并可以执行。
例如，谷歌的一个人力资源大数据应用是关于如何提升招聘面试效率的，它们的有趣问题是，面试要多少次才合适（少了不够充分，多了浪费人力和时间成本）？最后，这个大数据分析的得到一个可行性见解-最多四次面试，就可以了。因此，google的人力资源就开始改变以前没完没了的面试过程。
因此，做大数据急不得，“不要试图去煮沸整片海洋”。
02 人力资源大数据分析的七大问题框架和一些挑战性或有趣的（业务觉得有价值）建议问题
因此，找到一个合适的问题开始或结尾就非常重要。书中主要章节就是纷纷为七部分框架性的给出了一些要回答的问题清单。这些问题，每一个都是业务在不同阶段关注的问题或挑战。当然，包含了常见的离职预测问题。可以说，相当长时期内，企业可以根据这个问题框架找自己的合适切入点，开始启动一个大数据应用。列书中认为比较有挑战性的十大问题如下：
人力规划分析：在未来12个月、24个月或60个月公司需要雇佣什么样的员工？
人才搜寻分析：哪些人才搜寻渠道可以带来最大的投资回报？
人才招聘分析：公司应该雇用什么样的员工（哪些员工能够长期留任并且业绩良好）？
员工入职/文化契合与员工敬业度分析：1.员工入职程序对早期离职情况的影响是什么？2.员工敬业度对离职率和绩效有什么影响？
员工绩效评价/发展评估与员工终生价值：1.什么是新员工的收支平衡点？2.什么是员工的终生价值？3.哪些员工在升职后可以取得成功？
员工流失与留任分析：哪些明星员工有离职的风险？何时离职？原因是什么？
员工福利/员工健康/员工安全：员工健康计划以及员工健康情况对员工留任情况和员工绩效有什么影响？
03 个人行为轨迹很重要
大家的直觉是人力资源大数据分析中，结构化的数据不如非结构化的行为数据重要。本书直接给出了答案。它认为，个人的行为轨迹，这是人存在的核心，这些特质简述了他们在公司中的表现以及他们将如何与他人合作的故事。
书中还讲了七大分析框架下，各企业的实践和案例，非常值得业务人员细读。