大数据技术在企业管理中的应用

大数据技术在企业管理中的应用
摘要：顺应智能信息化时代发展潮流，企业组织内部也不断地改革创新，向
着数字化、智能化、自动化转型升级。

从历史发展的视角来看，大数据技术发展
与普及应用同样也一直影响着企业的人力资源管理活动，并且随着企业的转型升级，影响的效果越来越明显。

由此可见，企业要想转型，人才必须先行。

关键词：大数据技术；企业管理；人力资源管理
随着信息技术的发展，大数据技术应用范围越来越广泛，人们的日常生活和
工作都离不开大数据信息，企业也随之将大数据技术应用于管理之中，大数据的
运用给企业带来发展机遇的同时，也带来了无限挑战，如何应对挑战并且利用大
数据技术真正实现企业发展，成为了众多企业思考的问
题。

一、大数据时代企业管理的新现象
（一）管理模式创新
大数据时代下，企业借助数据完善企业管理措施。

首先企业管理者通过对于
数据的分析和整合，转变以往以直觉和经验为主的决策方式，提高了决策的科学
性和合理性。

[1 ]其次，通过对于大数据技术的运用，能够在保证稳定性的基础上，提高管理模式的灵活性，有效地提高管理的效率。

最后，大数据技术还能够控制
企业管理的成本，为企业的未来发展规划提供有力支撑。

（二）企业管理流程优化
通过对于大数据的运用，企业不需要再由各个部门收集资料进行分析、决策，有效地提高了决策的效率，同时企业决策的信息收集不再需要各个部门逐一汇报
信息，再由管理者做出决策，管理者可以直接通过大数据信息进行决策，再由各
部门去实施，管理流程的简化也为企业管理带来了更大的时间效益。

[2]
（三）信息交流更加广泛频繁
大数据时代下，信息量的交流更加巨大和广泛，企业所能接收到的外界信息
也更多，同时企业的内部信息也得到了整合，方便企业能够及时的对市场变化做
出反应，推出新的决策和计划来适应市场，对于企业发展起着重要作用。

（四）数据成为重要战略资源
大数据时代下，企业和市场所产生的各种数据信息，不仅对企业管理经营者
的决策和管理起着重要的指向作用，也是企业生产经营、市场分析的一个重要环节，企业所掌握的数据信息越多，对于自身、市场、竞争对手就越发了解，所能
做出的决策就更加科学合理，能够为企业带来更多的效益。

[3]
（五）信息更加公开透明
大数据时代，公开透明的信息让企业处于社会监管之下，企业的一举一动都
会受到社会和人民群众的监督，企业管理者也认识到了提高社会责任感的重要性，重视企业伦理，在做出决策时也会关注公众视角。

二、大数据管理现状
（一）传统管理思想阻碍变革
我国许多企业仍认为只有使用传统管理思想才能够提升企业的竞争力，企业
管理模式陈旧，管理思维僵化，不愿意利用大数据技术来实现扁平化管理，这对
于提高企业工作效率和管理制度改革造成了巨大阻碍，让企业无法适应时代发展
的需要，不能及时预见将会产生的问题，也不能灵活地去处理突发的问题和市场
变化，因此影响了企业整体的经效率，使企业落后于他人与时代。

[4]
（二）缺乏新技术人才
大数据技术虽然在当下迅速发展，但许多企业并没有专门的人才，人才供给
不足，也没有认识到大数据技术对人才的严格要求，不能培养符合大数据时代要
求的人才，对企业的创新发展无法提供人才支撑，导致企业的技术落后，无法利
用大数据技术来获取、整合信息，导致许多企业在大数据时代进行管理模式创新
之时举步维艰，不能适应互联网和大数据时代发展的需要。

（三）模式更新难度大
大数据时代的到来为企业管理带来了新的平台，越来越多的企业也开始了信
息化转型，但也存在着不同信息系统导致信息不共享的问题，尽管各个部门实现
了各自的信息化，但在公司管理上的信息资源却不共享，给企业的管理造成负面
影响，无法实现其创新发展的目的。

[5]
（四）在人力资源管理上运用大数据思维与技术
首先企业通过大数据技术积累人才信息库，真正实现企业人才合理配置，综
合信息分析人才素质，将其分配到适合的岗位，实现员工能力的最大化；其次企
业利用大数据技术制定培训任务，结合数据信息有针对性地制定每一个员工的培
训计划，让员工的能力得到真正的提升，提高员工的个人能力和工作效率；最后
企业利用大数据技术建立符合市场的薪酬、绩效制度和员工统计系统，完善企业
的人力资源管理系统，更好地实现对于员工的管理。

[6]
二、大数据管理和一样管理的异同
大数据发展有三个阶段，从上世纪90年代至21世纪初属于萌芽期。

在这一
阶段，随着数据挖掘理论和数据库技术的逐步成熟，一批商业智能工具和知识管
理技术开始在企业中被运用起来，如数据仓库、专业系统、知识管理系统等。

本
世纪前十年大数据技术持续发展，并进入成熟期。

web2.0应用发展迅猛，非结构
化数据大量产生，传统处理方法难以应对，助推了大数据技术的突破，形成了计
算与分布式系统两大核心技术，GFS和MapReduce等大数据技术受到企业的追捧。

这些技术的普及与应用让社会在2110年后进入了大数据的大规模应用期，大数
据应用进一步社会中推广普及并渗透各行各业，数据驱动着企业的各项决策，信
息社会智能化程度大大提高。

在此，我们在此引进”数字化人力资源管理“这一
概念。

何为数字化人力资源管理，其具有什么特点，与传统人力资源管理有何区别，大数据如何在人力资源管理中具体应用，其管理结果好坏的影响因素又是什么。

我们将从上述几个方面展开。

首先，什么是数字化人力资源管理。

在知网上以“数字化人力资源”、“大
数据人力资源”、“人工智能人力资源”、”人力资源管理“等为主题进行文献
检索,将期刊限定为获得国家自然科学基金或国家社会科学基金的赞助。

经过人
工筛选得到中文文13篇。

其中李燕萍,李乐的研究使用文献研究法，在对来自
Web of Science的90 篇英文文献和来自中国知网的13篇中文文献。

进行精读、梳理和分析后，提出了”数字化人力资源管理“（digital human resource management，digital-HRM）的内涵：利用数字技术获取、分析和应用一切有价
值的数据,实现数据驱动决策以建构全新的HRM运行模式,提高 HRM 效率,提升企
业组织能力的管理模式。

大数据技术是数字化人力资源管理的技术基础与前提，因此在人力资源管理
活动中大数据思维运用随处可见。

另外，数字技术驱动也是数字化人力资源管理
特征的集中表现。

从数据采集开发、数据存储管理、数据分析利用这三个环节中
对于digital-HRM的特征可见一斑。

首先，在数据的采集开发环节中，无论是收集的手段还是收集的内容都与传
统人力资源管理不相同。

数据获取的手段已经由人工采集转变为计算机收集。

这
不仅大大减少了企业的人力成本，同时，由于规范的计算机软件格式、技术，大
大降低了人工的犯错率，提升了管理活动的工作效率。

另外，数据获取的内容格
式越来越多样，采集的内容范围也越来越广泛。

例如过去传统的人力资源管理活
动在招聘时，往往只考虑采集应聘者的姓名、性别、年龄、学历信息、籍贯信息
等结构化数据，但是这些信息对于人力决策而言不够全面。

随着数字技术的发展，半结构化数据、非结构化数据迅速增加，相对应的数据库管理系统如NoSQL应运
而生。

这不仅表明了企业收集半结构化、非结构化数据的必要性也反映了收集离
不开数字技术的支持。

而事实上，许多大企业也正是这样做的。

如不少企业在招
聘员工时会关注其在社交平台的表现，部分企业也会监督其员工在社交为体上的
言行举止。

早在2013年，CareerBuilder曾经公布过一项问卷调查结果（CareerBuilder是帮助企业寻找并吸引人才的一个招聘网站）调查结果显示，39%的雇主都会在社交网站上考察候选人，43%的雇主表示他们在网上找到了放弃
某位候选人的信息—比如上传不适当的照片或信息，或者说前老板的坏话等。

另
一方面，19%的雇主说他们找到了支持雇佣某位候选人的信息，比如沟通技巧或
职业形象。

其次，从数据的存储管理、分析利用来看，传统的人力资源管理往往将数据
以书面形式存储或者分散保存在不同HRM活动流程中的单个软件中。

我们称之为
企业内部的“数据技术孤岛问题“。

而数字化人力资源管理活动则会将数据存储
在基于数据云中的数据库中，实现数据信息共享。

打通企业内部的数据孤岛，实
现人力资源管理部门内部以及公司各部门之间的数据互通共享，不仅对企业大数
据平台和企业信息化建设有重大意义，还能通过共享的资源信息让人力资源管理
部门甚至整个企业做出科学正确的决策，从而实现部门、企业的长远健康发展。

以上也展现了大数据的思维方式，全样而非抽样、效率而非精准、相关而非因果。

技术条件的提高，大大拓展了人力资源管理收集数据、处理数据的能力。

基于全样、大量的数据，人力资源的数据分析活动不存在放大误差的问题，且大大提高
了效率。

三、大数据管理的优缺点
大数据在现代企业管理中的作用日益显著，企业通过收集大量的资料，信息
和数据能够帮助进行更加科学的管理决策。

而随着信息技术的飞速发展和数据采
集手段的日趋多元化，各类问题不可避免的显现出来。

基于此，可通过分析研究
大数据管理的优点及现如今存在的不足为今后大数据更好的应用于企业管理提供
更加清晰的方向。

（一）大数据管理的优点
1.大数据分析可降低企业成本
大数据的应用可以使企业在有限的资源发挥更大的价值，提高了企业原有的
运营效率，帮助企业降低成本。

Syncsort公司及NewVantage公司曾对使用其
app的人群做过调查，有59.4%的受访者表示Syncsort公司的大数据工具帮助他
们提高了运营效率，并降低了成本，且NewVantage公司的调查中，约三分之二(66.7%)的受访者表示他们已经开始使用大数据技术去降低成本。

2.大数据相关工具的使用提高了个体员工生产力
员工的关键绩效指标（KPI）是衡量员工生产力的关键数据，大数据相关工具的应用帮助企业全面地分析员工的绩效从而制定相关激励政策。

由大数据得出的分析结果更加精准可靠地贴合企业实际情况，从而科学的激励员工。

此外，随着互联网技术的发展，大量可运用于员工工作的工具层出不穷，而这些工具可以帮助员工更高效地完成原有工作，使得员工生产力得以大幅提高。

3.提高企业管理决策灵活性
在大数据技术未曾应用于企业管理时，企业决策的调整需要经过层层分析传递。

在对数据的收集整合处理过程中，原有数据的时效性极易发生改变，政策制定的有效性也随之降低。

而大数据工具的使用降低了原有过程中收集整合所浪费的时间，从而可提高企业业务决策的敏捷性，更好的调整业务工作。

4.提高客户服务质量
社交媒体、客户关系管理(CRM)系统、其他客户为企业提供了大量有关其客户的信息，企业通过使用相关工具进行数据收集整合，完善客户画像，并且使用这些数据来更好地为这些客户提供服务。

（二）大数据管理缺点
1.缺乏能掌握大数据技能的人才
据调查显示，能熟练掌握大数据技能的大数据专家是企业更受欢迎的人才，但现有的相关人力资源缺乏。

同时，在企业中，员工缺乏大数据技能是企业在使用大数据管理时面对的一大挑战，且雇佣大数据专家或对自己企业的员工进行技能培训都将消耗大量的资金成本和时间成本。

2.硬件需求和成本都较高
企业在大数据管理中所使用到的基础设施是较昂贵的，其中包括用于存储数据的存储空间、用于数据传输的网络带宽、用于执行数据分析的计算资源，虽然
可以使用云计算来进行数据分析，但企业仍然会面临人员配置、硬件维护以及设备维修等大量开销，使得成本花费较高。

3.需保证数据质量
在企业中，进行大数据管理的首要缺点是需要解决数据质量问题，在企业将大数据用于分析之前，数据科学家和分析师需确保他们使用的信息准确且相关，并且采用适当的格式进行分析。

这大大减缓了报告流程，但如果企业不关心解决数据质量问题，企业会发现数据分析产生的结果没有实用价值，甚至在采取具体行动时是负反馈的。

4.难以保证合规性
在大数据管理中可能包含很多敏感的个人信息或企业信息，稍有不慎，如果发生数据泄露将造成严重的影响，因此企业在进行处理数据和存储数据时需确保符合行业标准和相关法规。

根据相关调查显示，数据治理（包括合规性）是处理大数据的第三大障碍，事实上，大数据在合格性上的缺点也是处于最重要等级。

5.存在安全风险
在进行大数据管理时，存储大数据，特别是一些敏感的个人数据和企业数据可能使企业成为网络黑客攻击的重点对象，安全性是大数据管理的一大挑战，相关企业负责人表示大数据管理中的安全漏洞是企业所面对的最大数据威胁。

6.技术变化较快
随着科技的发展，大数据管理的相关技术变化非常快，大数据企业会在一个阶段进行技术投资，但在下一阶段技术更新，上一阶段所获取的技术可能已经赶不上大数据管理技术的革新，可能会使得企业管理出现混乱，使得企业面临多种可能变化的情况，相关调查显示，技术快速变化是企业在进行大数据管理时所面临的潜在挑战中的前五位。

四、大数据管理的问题及其成因
（一）大数据管理的效率有待提高。

泰勒在其著作《科学管理原理》（1911）中，阐述了效率的重要性。

泰勒认为，科学管理的目的即是谋求最高的工作效率，管理效率是其科学管理理论追求的基本原则和目标。

哈林顿•埃默森和法约尔等管理学先驱进一步阐释了效率在企业管理中的重要性，设立了提高企业管理效率的原则。

现代管理科学形成了庞大的科学体系，而如何提高效率仍然是首要解决的问题之一。

管理科学始终在前进运动着，不断萌发出新的形态，而效率始终是发展的生命线。

在当代企业管理活动中，随着大数据技术的问世和不断成熟，企业管理的效率已经得到了显著提升。

然而，在利用大数据开展管理工作的过程中，涌现出许多亟待解决的问题。

这些问题阻碍着管理效率更上一层楼，成为了企业管理中的新突破口。

1.企业在数据的处理和利用方面面临挑战。

IBM提出了大数据的5V特性，包括：大量（Volume）、快速（Velocity）、多元（Variety）、有用（Value）、真实（Veracity）。

大数据技术需要大量的数据支持，而这些数据之间具有交互广、价值密度低和碎片化的特征。

由于大数据具有上述特征，一些错误的数据会混进数据库，导致结果的不准确性。

这就加大了企业挖掘大数据的有效信息，发挥大数据价值所在的难度。

[7]因此，如何在众多数据中提取有效信息，就成为了企业应用大数据技术实施管理的首要难点。

2.封闭数据限制了数据价值的提升。

数据是大数据技术最原始的素材和资源，要想让其实现价值，则需要对数据进行深挖。

通过深挖，才能让原始数据转化为数据生产力，不断令数据增值。

而数据增值的关键在于整合，但自由整合的前提是数据的开放。

[8]然而，目前，出于保护数据安全的需要和竞争的需要，不管是企业内部各部门间，还是各企业主体间，数据的原始资源都倾向于封闭，这就大大阻碍了数据价值的进一步提升。

3.对于非结构化数据的运算能力不足。

数据的形式多种多样，在数据资源中，数据结构不规则，难以用数据库二维
逻辑来表现的数据就叫做非结构化数据。

[9]如文本、图片、视频、HTML等。

大量
的非结构化数据难以被定义，对大数据的算法提出了挑战。

（二）在企业的实际决策中，管理者不能完全依赖大数据分析结果。

大数据是科学进步的重要象征，大数据技术为企业管理决策提供了科学、有
效的工具。

应用大数据，可以有效地提高处理数据的效率。

然而，在实际问题中，大数据的决策并非总是能发挥出实际作用。

1.大数据决策容易产生“决策偏见”。

大数据决策在一定程度上排除了人的主观影响和种种限制，但是，在看似中立、客观的决策过程中，也暗含着意想不到的“决策偏见”。

非营利机构ProPublica曾对美国司法系统采用的智能分析工具COMPAS的评分数据进行统计
分析, 得出结论“黑人被告有45%的可能比白人被告得到更高的分数”，这说明
了大数据分析本身可能并不是完全客观的，大数据分析技术也具有一定的倾向性。

[10]加之大数据处理过程不透明、难以理解等特征，就很容易使基于大数据技术做出的决策偏离现实。

2.大数据运算结果不足以处理更加复杂的实际问题。

大数据技术具有数据采集、储存、运算、检索等多方面的技术优势，利用大
数据技术进行管理决策加强了决策的可靠性。

然而，大数据技术在解决受人类主
观意识影响的社会文化和价值观领域的相关问题上存在局限。

尤其是在“如何在
保证经济利益最大化的前提下，兼顾社会责任、伦理道德等人文精神”的问题上，单纯使用大数据来进行决策并不是最佳的管理方法。

固然，大数据可以弥补管理
者主观决策上的种种不足，但单纯依靠大数据决策也会偏离实际。

3.大数据技术在企业管理中的应用受到企业管理者和员工的素质制约
技术革新对人才的素质来说是一个巨大的挑战。

大数据技术等新技术已经不
满足于传统的知识结构。

由于受到管理人员传统型的管理观念和企业员工知识技
能与大数据技术的不匹配，现阶段企业管理中的大数据技术存在利用率低的问题。

[11]这极大地限制了大数据技术的应用效果。

4.大数据技术产生的安全隐患不容忽视
大数据技术的便利性和不安全性往往是相伴而生的。

目前的大数据应用存在
数据过度采集、对数据的窃取和攻击、数据滥用等隐患，这些隐患对企业来说是
极大的威胁，甚至可能影响一个企业的生存。

在这些威胁中，最大的肇事者往往
是企业员工，员工私自访问，滥用数据的案例不胜枚举，而企业往往采取薄弱的
安全措施。

[12]这就导致安全隐患的影响越来越普遍，安全问题不容忽视。

五、大数据管理的优化对策
（一）企业加强大数据技术的更新优化，搭建可靠安全的实时处理平台，并
增强数据共享。

现代企业的经营效果不仅取决于技术的数量，还取决于技术的质量。

从这个
角度出发，提高大数据技术的应用质量是十分重要且必要的。

提高大数据技术应
用质量的重要手段之一就是不断对现有技术进行优化，提高处理数据的效率，并
破除原始数据的封闭态势。

（二）在借助大数据技术进行管理决策时，充分发挥管理者的主观能动性。

技术不论发展到何种程度都始终是一种工具，要想真正地运用工具，就要充
分发挥人的主观能动性。

而目前的大数据技术还无法习得人类社会复杂的运行规则。

为弥补大数据决策具有的种种不足之处，管理者需要审时度势、综合判断，
选择符合企业利益和社会预期的决策。

（三）提高企业聘用人才的素质，加强培训，并按需聘用数据分析师。

首先，对于即将选聘的人才，应当提高素质要求，以更好地适应大数据，加
强技术转化；其次，对于企业已经聘用的员工，可以进行专门的大数据培训，促
进员工对技术的掌握和运用；最后，大数据技术催生出新职业——数据分析师，
企业可以招聘专门的技术人才，以解决专业的技术问题。

（四）政府加强对大数据技术的监管，保证技术的安全运行。

大数据是互联网技术的衍生品，互联网并非法外之地。

对于大数据技术引发的种种乱象和弊端，还需要政府设立专门的管理规范，制约不道德行为甚至犯罪行为的发生。

参考文献：
[1]李豪,周政易. 大数据时代下企业管理模式的创新[J].上海商
业,2022,(03),156-158
[2]姚艳,杨新云.基于大数据时代背景下企业管理模式的创新探究[J]. 营销界,2022,(09)
[3]彭富玲.大数据时代的企业管理新特征.现代国企研究[J], 2018,(12)
[4]赵子悦.互联网视野下企业管理与大数据结合的问题及应对策略[J]企业
改革与管理, 2022,(18)
[5]峥晓文.大数据时代企业人力资源管理的对策思考[J],中国市场,
2022,(23)
[6]丛媛.大数据背景下人力资源服务企业的管理案例研究[J],商讯,
2022,(21)
[7]林伟.人工智能数据安全风险及应对[J/OL].情报杂志:1-8[2022-10-16].
[8]高富平.数据经济的制度基础——数据全面开放利用模式的构想[J].广东社会科学,2019(05):5-16+254.
[9]马惠芳. 非结构化数据采集和检索技术的研究和应用[D].东华大学,2013.
[10]崔靖梓.算法歧视挑战下平等权保护的危机与应对[J].法律科学(西北政法大学报),2019,37(03):29-42.DOI:10.16290/ki.1674-5205.2019.03.013.
[11]浦栋雁.大数据在人力资源管理中的应用[J].商业观察,2022(19):70-73.
[12]杨洸.数字媒体时代的数据滥用:成因、影响与对策[J].中国出版,2020(12):3-8.
安徽大学大学生创业创新项目成果（S202210357527）。