大数据时代论文排版

摘要： 在互联网技术的发展和各种数据信息化、共享化的背景之下， 大数据时代得到了应用与发展。在现代的生活之中，我们可以明显的 看到，在人们的日常生活或者在各行各业的管理之中大数据时代得到 了广泛的应用与发展。在这些的领域之中，大数据时代发展的最为理 想的就是在企业大的管理之中。大数据时代的运用使得企业的人力资 源大的管理更加的优化。

关键字： 大数据时代；电力供电企业；人力资源；绩效管理；

正文：

一、大数据对供电企业绩效管理的影响

（一）职位多元化

大数据时代可能促进新职位的产生，如首席数据官、数据科学家、数据分析师等，他们的主要职责是管理供电企业拥有的及其他的数据资源，挖掘、分析和利用这些数据为供电企业创造价值。因此，面对供电企业复杂多样的绩效管理数据，人力资源部门无需进行分析和解读，只需进行简单地收集和提取，这样他们将从以往重复且低效的绩效管理任务中跳脱出来，从而大大提高管理效率。

（二）管理工具高效化，

传统人力资源管理部门对绩效相关信息的处理效率低，同时处理手段过于主观粗糙，很难对员工的绩效、素质等内容做出客观公正的评价。大数据时代下，绩效管理工具将变得更加多元且高效，如绩效仪表盘、基于“云计算”技术下的“共同体GTT供电企业云管理平台”等。

（三）考核目的多元化，

大数据时代下考核结果不仅是薪酬奖金、职务晋升的可靠依据，更是成为员工职业发展的指导标杆。一方面，通过对绩效数据的收集处理，测试员工和岗位的匹配度，帮助供电企业了解员工并将其调整到更适合的位置；另一方面，员工可通过考核反馈了解自己的兴趣，并且充分利用供电企业中的发展机会。

二、我国供电企业人力资源绩效管理现状分析

（一）绩效考核的主观性较强，缺乏客观数据认识

绩效管理是部门领导对该部门员工的考核和评价过程。目前，我国大部分供电企业的人力资源管理系统是通过管理部门把数据导出，利用数据库或EXCEL办公软件进行处理，最终得出绩效考核的结果，而部门领导在面对该考核结果时往往容易看重员工在某一方面或某一时期的表现，因此，这在很大程度上容易受上级观念的影响，从而使考核结果具有片面性和主观随意性。

（二）供电企业缺乏数据复合型人才，智能化程度较低

传统供电企业信息处理局限于某一职位人的单项工作，且由于受到晋升机制和管理的束缚，企业无法引进高素质人才，数据复合型人才匮乏。同时，许多供电企业的绩效管理成为一种形式，大多数时候仅仅在月末及季末、年终的时候进行绩效考核，相关领导也只是凭借有限的材料对员工的表现进行总结和评价。

（三）管理者对数据的挖掘不够深入，绩效管理成果没有得到充分应用

对于绩效信息的处理和分析结果，诸多企业高层并未进行深入挖掘，他们对数据库中的数据关联了解不透彻，只单一注重供电企业的年度财务报表和供电企业的利润情况，而不对数据存在的问题进行分析，忽视一些看似不相关的数据，如饮食情况、工作环境等。实际上，这些信息如若经过整合分析，将能够更合理地解释员工现阶段的绩效情况，并有利于供电企业改进人力资源管理的方法。

三、在大数据时代下对于供电企业人力资源绩效管理的新举措

（一）充分的数据信息

为了进一步提升供电企业中人力资源的管理水平，各供电企业管理阶层除了要进一步完善供电企业内部的管理机制和运行方式，最重要的就是要及时利用各种数据对人员进行管理。而在大数据时代之下，利用其特点，可以充分的利用其所能提供的相关数据信息，根据具体详尽的数据信息对人员进行进一步的管理。在人力资源管理中，主要是注意以下3个方面的数据信息。

1、客观的基础数据信息。这些信息主要是在人力资源管理中最为基础的信息。这些信息都是员工们最客观的基本信息。主要包括员工的姓名、性别、年龄、籍贯、学历、特长和工作时间等。根据这些最为基本的信息，了解员工最基本的`情况，同时人力资源部门要将这些信息进一步记录存档，进一步完善，做好整理工作，为以后的人员的管理提供相应的数据支持。

2、人员变动情况的相关信息。人员的变动情况主要有调动、辞退、招聘和重新分配等。人力资源部门在对这些信息进行整理时，要着重关心员工的变动情况，一名员工何时参加工作，何时进行岗位调动，何时提升岗位等。

3、人员的质量信息所谓的人员的质量信息是指员工在供电企业的工作过程中，对于供电企业的奉献的情况，以及员工对于供电企业的人力资源管理的满意度的情况。在了解这些数据和信息的基础之上，有利于企业进一步了解员工的向心力和内在的优势。只有在了解这些数据的基础之上，才能准确的运用员工的特点进行人员的管理，进一步完善人力资源绩效的管理。

（二）进一步创新人力资源绩效管理的方式方法

在大数据时代之下，供电企业的人力资源绩效管理得到了进一步的发展。为了进一步提升供电企业的人员绩效管理的能力，全面的发挥大数据时代的有利作用。在人力资源绩效管理方面还需要从几个方面进行进一步的考虑优化。主要表现在以下几个方面：

1、进一步创新人力资源绩效的管理办法。在之前的一般的供电企业的考评时，对于员工的考评主要是一句员工对于供电企业的奉献和年终的表现情况进行考核评价。这样的考核方法一定程度上是可以表现员工的总体的贡献的，但是由于数据考虑的不慎全面，对于员工的考核也是存在一定的不平等。

2、建立健全供电企业绩效考核体系。在对员工进行绩效考核是，对于一些具体的数据和信息的收集对于供电企业员工的绩效公平的管理也是十分重要的。只有在全面的核查过每一位员工和供电企业相关的具体信息之后才能进一步完善员工的考核体系。在考核体系进一步确定的基础之上才能实现对于供电企业中人力资源绩效管理工作的优化。

3、合理的利用全面的考核方法。在对于供电企业的员工进行考评时，供电企业的管理部门还可以改变考核方法，完善考核机制。其中360度考核方法就是一种对于员工的全面的考核方法。

参考文献：

[1] 刘雅辉，张铁赢，靳小龙等.大数据时代的个人隐私保护[J].计算机研究与发展，2015，52（1）：229-247.

[2] 卢黎歌，吴欢.基于大数据时代的大学生价值观教育[J].西安交通大学学报（社会科学版），2016，36（6）.

[3] 何振，周芳检，杨文等.大数据时代城市应急管理行业协作体制创新研究？[J].湘潭大学学报（哲学社会科学版），2016，40（6）：26-31.DOI：10.3969/j.issn.1001-5981.2016.06.006.

[4] 孙光宁.大数据时代对司法审判的冲击及其应对——从指导性案例29号切入[J].湖北社会科学，2016，（5）.

"大数据"是一个体量特别大，数据类别特别大的数据集，并且这样的数据集无法用传统数据库工具对其内容进行抓取、管理和处理。 "大数据"首先是指数据体量(volumes)?大，指代大型数据集，一般在10TB?规模左右，但在实际应用中，很多企业用户把多个数据集放在一起，已经形成了PB级的数据量；其次是指数据类别(variety)大，数据来自多种数据源，数据种类和格式日渐丰富，已冲破了以前所限定的结构化数据范畴，囊括了半结构化和非结构化数据。接着是数据处理速度（Velocity）快，在数据量非常庞大的情况下，也能够做到数据的实时处理。最后一个特点是指数据真实性（Veracity）高，随着社交数据、企业内容、交易与应用数据等新数据源的兴趣，传统数据源的局限被打破，企业愈发需要有效的信息之力以确保其真实性及安全性。从所周知，大数据已经不简简单单是数据大的事实了，而最重要的现实是对大数据进行分析，只有通过分析才能获取很多智能的，深入的，有价值的信息。那么越来越多的应用涉及到大数据，而这些大数据的属性，包括数量，速度，多样性等等都是呈现了大数据不断增长的复杂性，所以大数据的分析方法在大数据领域就显得尤为重要，可以说是决定最终信息是否有价值的决定性因素。基于如此的认识，大数据分析普遍存在的方法理论有哪些呢？大数据分析的使用者有大数据分析专家，同时还有普通用户，但是他们二者对于大数据分析最基本的要求就是可视化分析，因为可视化分析能够直观的呈现大数据特点，同时能够非常容易被读者所接受，就如同看图说话一样简单明了。大数据分析的理论核心就是数据挖掘算法，各种数据挖掘的算法基于不同的数据类型和格式才能更加科学的呈现出数据本身具备的特点，也正是因为这些被全世界统计学家所公认的各种统计方法（可以称之为真理）才能深入数据内部，挖掘出公认的价值。另外一个方面也是因为有这些数据挖掘的算法才能更快速的处理大数据，如果一个算法得花上好几年才能得出结论，那大数据的价值也就无从说起了。大数据分析最终要的应用领域之一就是预测性分析，从大数据中挖掘出特点，通过科学的建立模型，之后便可以通过模型带入新的数据，从而预测未来的数据。大数据分析广泛应用于网络数据挖掘，可从用户的搜索关键词、标签关键词、或其他输入语义，分析，判断用户需求，从而实现更好的用户体验和广告匹配。大数据分析离不开数据质量和数据管理，高质量的数据和有效的数据管理，无论是在学术研究还是在商业应用领域，都能够保证分析结果的真实和有价值。 大数据分析的基础就是以上五个方面，当然更加深入大数据分析的话，还有很多很多更加有特点的、更加深入的、更加专业的大数据分析方法。当下我国大数据研发建设应在以下四个方面着力一是建立一套运行机制。大数据建设是一项有序的、动态的、可持续发展的系统工程，必须建立良好的运行机制，以促进建设过程中各个环节的正规有序，实现统合，搞好顶层设计。二是规范一套建设标准。没有标准就没有系统。应建立面向不同主题、覆盖各个领域、不断动态更新的大数据建设标准，为实现各级各类信息系统的网络互连、信息互通、资源共享奠定基础。三是搭建一个共享平台。数据只有不断流动和充分共享，才有生命力。应在各专用数据库建设的基础上，通过数据集成，实现各级各类指挥信息系统的数据交换和数据共享。四是培养一支专业队伍。大数据建设的每个环节都需要依靠专业人员完成，因此，必须培养和造就一支懂指挥、懂技术、懂管理的大数据建设专业队伍。