新方法应对新数据？人力资源管理研究中量化归纳方法综述与示例

“数据是新石油”，简言之，数据将是当前第四次工业革命的基本源泉，这导致一些评论者过快地将数据数量等同于财富本身的来源，并将大数据发展视为利润的准直接成因。人力资源管理亦未逃脱此趋势，一些企业家将积累大量员工数据视为构建缺勤或工作绩效等复杂工作行为预测模型的必要充分条件。事实上，该类类比颇有误导：与石油不同，此处数据的生产并无重大问题（各类信息系统持续低成本地生成数据流），而在于其“精炼”，即把数据转化为有用产品亦即为知识所需的操作。这一转化正是数据价值化面临的方法论挑战所在，对从业者与学术研究者皆然。关于利用这些海量数据可能性的适用方法的思考相对较新，且常强调当前“数据洪流”的颠覆性，指出此演进将基于海量数据的密集且“不可知”式利用、依纯归纳逻辑催生新知识的“第四范式”中经验主义的复兴之源。虽我们不采此臆测视角，但显然数据驱动方法在量化HRM研究中鲜见。然而，已有成熟方法，尤在数据挖掘领域，基于归纳路径。这一具归纳目标的量化分析领域在HRM中仍相对未探（类型学分析除外）。本文目标先概述可用于HRM研究的数据驱动方法，继而提出一个由潜剖面分析与高斯图模型探索结合的探索性研究实证示例。