吉宁博士观点
1.大数据与人才盘点之间有什么关系？
坦率来讲，大数据其实跟现在企业里面做的人才盘点本身并没有特别直接的关系。当然我们做的所有事情的基础都是基于数据，两者之所以能够关联在一起，也体现了人力资源管理者同仁们在现在工作中，可能对数据的一种渴望，或者希望有更多的信息能够去支持我们的决策。
在人力资源管理者的领域，可能是跟具体在工作中会产生的那些数据的量有关系，包括获得的那些可以分析的东西有关系。其实包括很多的供应商，讲的大数据并不是真正的大数据的概念，那大数据和数据的差别就差那一个大字。那bigdata是不是当你的数据量上去了，它就算是大数据？为什么大数据火了，主要跟互联网的发展有非常大的关系。
互联网的发展提供了越来越多网络交流，然后连接人和人，人和知识，人和信息这样的一些平台。当这些平台比较多了以后，就会产生非常多的信息，这时，所有的用户在这些平台上的一些动作也好，发言也好，是否代表一些趋势，中间能否分析出一些规律。
因此，平台上产生的数据量才可以称为大数据，这时已经没办法用简单的统计来分析。分析的实时性也很重要，就是不能延时，过一个星期才能获得这样的结果肯定是不行的。所以当这些订单产生了海量的信息以后，科学家们，包括计算专家，互联网的从业者，甚至多数学家都会研究说那我们该怎么办？是不是能在这中间获得一些更多的价值，能挖掘出什么。于是，有人把这些事情，称之为大数据。
2.大数据到底用在什么地方？
现在在大数据领域，作为普通用户你能感受到的，最重要的一个价值是排序和推荐。排序大家可以理解，其实推荐也是一种排序。慢慢地会发现，每一个用户，即使你想在上面做同样的事情时，以往在这个平台上所做过的那些尝试和努力，它就产生了一个价值，所以你看到的最直接的结果就是顺序变化了。大数据做的主要事情就是不断地去揣摩您在这个平台上所做出的行为，不断地给你的行为构建一个模型，然后根据模型去匹配你有可能感兴趣的东西。
大数据现在用的最多的就是排序，后面会专门讲一下在人力资源管理者的领域，大数据都能做一些什么。
3.大数据在人力资源管理者领域成功的关键是什么？
把大数据的成功关键归纳成几个方面，其实在不同的领域，包括将来如果在人力资源管理者的领域去做大数据方面的实践，其实也是一样的。
一是数据量要大，真的数据量要大的时候，可能去使用这样的相关技术才有价值。如果说每天只产生100套200套数据，那么用Excel可能就更快，所以数据量大是大数据的第一个关键。
二是存储能力，当数据量大的时候，这个数据如何去存储，如果能快速提取出来很重要，这个是比较技术化的。
三是算法和模型，所有的大数据并不是一个简单的搜索，算法和模型是非常非常重要的。
四是计算能力，就是数据是否能实时得到结果。如果计算的数据是上个月的结果，那可能参考意义就会比较低，但如果你能实时的得到各种各样的分析，那可能就会比较有价值。
简单来讲，做这么多事情，其实它要达到的一个目的，就是从很庞杂的大量数据背后，能够挖掘和分析出用户的习惯，他们的行为，还有他们的喜好，能够自动的找出更符合用户口味的产品和服务，然后结合他的需求去调整这个推荐的产品，去调整推荐的候选人。总的来讲，现在的大数据主要的应用目的就是提升效率，然后优化资源配置。
4.怎样把大数据与人力资源工作的规划与优化相结合？又怎样去帮助/支撑公司去做出决策？
在人力资源管理者的工作里面，可能会用到的数据分析有两类，一类是一般性的数据分析，可能大家日常都会在做，一般就叫人力资源管理者datas。最开始时，就是记录数据，比如统计员工的工时，然后计算员工的效率，可能在薪酬绩效方面都会产生流量化的数据，我们将它记下来，用于描述现在的一个情况。这种人力资源管理者的数据分析，尤其是在一个单一的组织里面，其实数据并不会特别多，当然如果您是在一个多样化的集团，可能数据非常多，那仍然是一个统计的工作。
我们做了许多工作去搜集数据，试图寻找一些相关性。数据的类型主要分成两类，一类叫business data，是业务流程的分析，另外一种叫people data，是跟人才相关的分析，比如人才情况的一些展现，还有一些是分类的信息统计等。
5.现在市面或者研究机构里面，真正在人力资源管理者领域做了大数据，会做一些什么样的事情？
所有我们做的数据归根到底都是为了描述业务现状，能帮我们去做更好的决策。去找到关于人才，或者关于组织发展相关的一些问题的答案。
比如，老板最想问的是很多事情进行的怎么样了？你的人才招聘进行到什么程度了？你的人工成本有多高？你的成绩分布情况是怎么样的？然后我们去了解这些业务的现状。这个不是大数据，其实就算是一个数据分析，是跟人才盘点有关系的，我们在这个领域做的一点点的尝试。
其实，大数据不重要，重要的是那个有用就好。你能够让你的领导也好，参与人才盘点的人也好，在特别短的时间内能够快速的把握内部候选人的特点、重点就足够了。需要注意几个重点：一个是不同的数据源的信息要弄到一起；第二个就是你展现的那个信息是跟你特定的使用场景非常相关的；第三个就是尽量以图视化的方式展现，而不要全是文字或者全是数字。
