如果你曾经领导过一个不产生收入的支持部门，你可能已经感受到了证明其存在的无情压力。人力资源主管对这种压力并不陌生：在他们传统的招聘、解聘和薪酬角色中，人力资源部门经常努力证明自己对底线的贡献。然而，新的预测分析软件正在帮助他们改善招聘，并预测与人员流失、技能和客户满意度相关的关键业务问题。有了这一洞察力，人力资源管理人员现在正在为自己在公司中开辟一个更具战略意义的角色。

预测分析软件的工作原理是使用算法在大量数据中发现模式，然后对未来进行预测。通过使用机器学习，软件可以观察一个特定的结果并揭示其背后的因素（其中可能包括数千个对人脑来说过于复杂的原因）。例如，造成人员流失的因素、员工参与度高的因素或领导潜力的指标。

良好的招聘就是要招聘适合该工作的人，并且能够长期成功地胜任该工作。长寿是一个非常有效的考虑因素，因为一个坏员工的潜在成本估计高达员工工资的三倍。在人力资源招聘活动中收集的传统信息——资历、过去的表现、推荐信和面试互动信息，不一定足以有力地表明某个职位未来的成功。所以，预测性分析现在被用来确定推动现有员工取得最佳绩效的特征和共性，并提供更多的数据点来评估求职者。

美国一家领先的银行正在通过在数字简历上运行算法来实现这一点，以确定符合银行要求的候选人偏好特征。它还使用同样的技术来确保面试官不会忽视优秀的应聘者。

虽然这种方法可以挖掘出新的预测应聘者在某个职位上是否成功的因素，但不幸的是，它也会抛出一些与绩效关系不大的表面共性。这里的关键是人力资源主管要确保他们了解所考虑的因素是如何选择的。还可以进行统计测试，云信息，以确定算法是否筛选出特定的人口群体。

在最近的《2015年人力资本趋势》报告中，德勤披露，87%的企业领导者高度关注留任和敬业度。当失业的员工每年给美国经济造成5000亿美元的生产力损失时，这一点也不奇怪。

失去员工不仅代价高昂，而且会造成混乱，因此自然减员是大多数公司的主要关注点。人力资源部需要回答一些关键问题，大数据产业，例如：谁要离开，为什么？怎样才能留住他们？算法可以帮助识别和量化员工流失的主要指标。有了这些信息，经理们就可以采取先发制人的行动来留住员工。除了发现潜在离职者外，预测模型还可以帮助人力资源团队预测空缺和领导需求，确定技能短缺，并降低与季节性缺勤相关的风险。

保留和敬业度是一个硬币的两面，因此，毫不奇怪，预测性建模还有助于揭示推动组织绩效的关键参与因素。人力资源主管现在能够优先考虑提高员工积极性和留用率的举措。

在交通领域，司机的年营业额可以超过100%，一家领先的卡车运输公司正在使用预测分析软件来更好地了解其员工队伍，确定营业额背后的因素，预测有可能离开的司机。这样一来，移动物联网，驾驶员流失率降低了15%。

任何学习和发展主管都会想到一个问题：哪些培训活动和技术提供了最佳价值？在培训成本受到严格审查的情况下，关键是要证明培训计划正在推动业务成果。许多组织现在都在使用预测分析法来寻找人力资源数据中的相关性，这些数据表明哪些培训项目的投资回报率最高。

这些技术还可以通过预测哪些发展方法最适合个人，大数据专业怎么样，哪些能力最适合个人，从而帮助为特定员工量身定制培训计划最容易学的。一家全球科技公司正以这种方式使用预测性软件，以最大限度地提高呼叫中心代理培训的有效性，从而改善其客户的体验。

人力资源的成功取决于对重要的人和事做出正确的决策和计划。预测分析是人力资源管理者不可或缺的新工具，他们希望通过将科学添加到人类的判断中来提高自己的水平。

，大数据趋势