数据是可描述的事实
数字化的三个基本特征：连接、数据和智能。第二个要素是数据。数据的定义太多样化了。我终于找到了一个我认为可以接受的定义，或者我认为每个人都可以作为管理者和非IT人员接受。这个定义非常简单。数据是可以描述的事实。
以这种方式定义数据，在我们的管理中，“用数据说话”和“我想要的是数据”有点不同。从技术上讲，它是计算机或计算机，它可以描述，它可以识别，或者它认为它可以使用这个事实，然后我们可以认为这是数据。因为如果你不能描述或不使用那些，我们认为即使有关系，事实上，我们不能关系，或者我们不能使用，比如现在人们的心理难以形容，当然，当视频技术，可以捕捉一些行为元素和一些心理数据，所以我们说他可以描述。
所以计算机，可描述、可识别、可接受、可应用，一些事实描述，我们认为他是数据，同样的事实，从管理的角度来看，我们可以描述、可识别、可接受、可应用，这些事实，我们也可以描述为数据，他不仅是数量或数字。
大数据&小数据
数据的另一个相关定义是大数据和小数据。这些关于数据的定义，在网络上，在各个领域的定义，是奇怪的，关于大数据，我认为使用IT行业或IT语言，他们是最可接受的，最常用的，最受欢迎的。
有两种类型的数据，结构化数据和非结构化数据，而非结构化数据和结构化数据被称为大数据。那么什么是结构化呢？我们也有管理，比如结构化面试、结构化设计或者结构化。这个概念和我们管理的结构化略有不同。例如，只要我们有一个系统，比如人力资源系统，ERP系统、CRM系统、oa系统等，只要存在于这些系统中，我们就称这些数据为结构化数据。对于一些文本，比如word文档，PPT计算机可能需要通过其他处理来解释文档、视频和照片。我们称之为半结构化数据。其他数据，我们统称为非结构化数据。
事实上，在一个组织中，结构化数据占少数，而且有更多的非结构化数据。业内也有一个通常的说法，即在一个公司，即使有更多的系统，结构化数据最多也只占30%-40%甚至更少，而且有很多数据是我们无法描述和思考的。
事实上，我想用管理思维来解释这些数据的结构化。例如，例如KPI。KPI如何定义这个KPI的算法和计算方法(“算法”的概念与IT的概念有很大的冲突)，如何收集这些数据，如果这是统一的数据流（KPI在定义公式中，我们可以认为他是结构化数据。另一个例子是，生产工人的工资计算，他需要定期报告、加工量、加工质量等，每月固定日期结算，这样的实践和过程，以及相关表格，所以在这些过程和表格数据中，我们也可以认为是结构化数据，当然，这种情况属于半结构化。对于业内所谓的大数据，是真的是大数据还是云计算，到目前为止还很少使用。对于组织管理来说，小数据充分利用这种结构化数据是非常好的。
数字化的关键是你是否会使用数据来管理和决策，所以为了使用数据管理，数据管理，必须在前端进入数据，称为业务数据，当你有数据时，你对这些数据的应用，辅助决策，或自动化决策，反应业务，这被称为数据业务。在数字化的三个基本特征中，数据是最典型的特征，连接和智能是围绕数据构建的。
工作流&数据流
说到数据管理，首先要把它放在流动的动态过程中。组织的每一项任务都是按照时间顺序进行的，即一定的流程（我们称之为程序和方法），包括使用谁、使用什么设备、何时完成什么。我们称之为工作流。这样，工作流，每一个工作流，他都有自己的数据流、人、财、物、事、时、数等，管理的意义在于如何在流动工作和流动数据中使用和使用。这里需要注意的是，流动数据或实时数据必须在工作流中产生，然后通过实时数据分析返回工作流。当然，我们定义的实时是有粒度的。
我们普遍认为，这种工作流是业务流，而不仅仅是人力资源的工作流。许多人力资源咨询项目或人力资源改进往往将其定义为人力资源部的控制模式，HR该部门的工作流程过于有限和狭窄。我们应该首先掌握业务流程和业务数据，然后在这些业务的工作流程中实时提取和关注人员数据。有了数据和数据的流动，下一步就是如何进行数据分析，在这个过程中借助一些技术手段，那就是智能。
(本文摘自DHR星球计划培训文稿，待续)
声明：易商讯尊重创作版权。本文信息搜集、整理自互联网，若有来源标记错误或侵犯您的合法权益，请联系我们。我们将及时纠正并删除相关讯息，非常感谢！
