仇婧旻
（广东电网有限责任公司佛山供电局 广东佛山 528000）
摘要：随着电网企业的不断发展和智能电网的不断延伸，大数据的处理分析业务逐渐成为电网企业新一代信息技术改革的聚焦点，帮助企业实现“数据驱动”的新型决策模式。目前针对大数据的人力资源范畴的探讨相对较少。为使大数据更好地服务于企业本身，文章通过结合电网企业的特殊性，阐述大数据人才内部培养的一般实现方法和挑战，为电网企业大数据业务接续开展从人力资源方面进行了考量。
关键词：大数据；人才梯队；高潜力人才；智能电网
Construction of Big Data Talent Team in Power Grid Enterprises
Qiu Jingmin
Foshan Power Supply Bureau of Guangdong Power Grid Foshan，Guangdong，528000
Abstract：With the continuous development of power grid enterprises and extension of smart grid，Big Data has gradually become a new focal point of information technological reform in power grid enterprises. The capability of processing large volume of data help enterprises realizes their “data-driven” decision model. In order to produce insightful results from Big Data，power grid enterprises should build up their own Big Data talent team internally based on appropriate internal training plans. This thesis aims at helping Big Data business to prosper in power grid enterprises by combining the management uniqueness in power grid enterprises and general methods and challenges of building up Big Data talent teams.
Key Words：big data；talent team；high potential talent；smart grid
1 大数据人才在电网企业内部成长对企业自身发展具有积极作用
随着社会与国家对大数据业务发展的重视，近年来各行各业积极部署大数据应用设施，大数据人才炙手可热。如何让数据发挥参谋作用，高效地建设一支高素质并能为企业运作提供快速响应的数据服务的大数据团队显得尤为重要。电网企业作为传统行业，随着我国电力行业改革，“互联网+”、智能电网蓬勃发展，智能化、信息化、精益化程度越来越高，掌握的数据量日益庞大，亟须懂得深度挖掘这些数据背后意义的人才队伍。目前电网企业内部有一小部分业务精英初探大数据端倪，大数据业务的长足发展还需要依靠人力资源管理功能来实现。
电网企业需要内建大数据梯队，原因有四方面：
其一，当大数据刚进入大众视野时，企业靠求助于外界的专业团队起步。而当经历一段时期的实践，相关技术普及、思路深入民心后，企业开始考虑在内部建立一支熟悉业务、掌握数据、熟悉算法的大数据团队。总括来说，大数据终归是服务企业营销、生产和管理的。对于大数据底层数据、研究方向、所发挥的启示作用，企业内部人员认识更为清晰，研究更为透彻，研究结果价值也更具实际工作意义。电网企业内部有熟悉行业内部需求的专家，是企业的宝贵智力资源，借力大数据分析、机器学习等方式，更能让企业数据释放巨大的潜力。企业内部人员掌握研究技术并融入日常工作，成为大数据业务发展的方式。
其二，大数据分析作为电网企业未来业务拓展的战略性部署之一，其不可能一蹴而就。往往在日常工作中，容易忽略项目后期持续改善的部分。通过向外聘请专业的大数据系统研发、开发、可视化工程师、分析师、数据安全研发人才作为讲师或初期团队顾问，还需要在中期、后期培养内部人才梯队，承接数据维护、方法传授等工作。使数据分析作为企业基因，节约聘请外部资讯公司的成本，培养企业内部员工数据分析思维和方法习惯。
其三，提高数据分析的保密性，降低企业关键数据外泄的机会。电网企业掌握的用电数据关乎民生和社会经济布局，具有其独特的重要性和地位。减少原始数据输出，把大数据分析关键点放在企业内部进行尤为必要。通过企业内部网络进行信息交互，也降低外界病毒对于数据入侵的可能性。
最后，电网企业内建大数据人才梯队，有利于留住和吸引相关专业人才，帮助培养职工通过洞察数据，发现精益化改善的方向。以电网企业营销业务为例，目前已经实行低压远程集中抄表的地区，每天都在收集用电量数据。而这些数据能否对电网提前规划起一定的参考作用，如果能通过企业内部员工进行数据挖掘得出结论，相信会有更多对于大数据分析感兴趣并有一定经验的人士加入和壮大数据分析团队。
2.电网企业如何培养大数据人才梯队
2.1人力资源管理
第一步，收集整理电网企业发展对于大数据业务的需求。从企业战略目标和工作任务出发，牢牢把握社会发展趋势。以某电网公司为例，在新时代的宏伟发展蓝图上，认识和关注“四个大势所趋”。一是产业升级，电网企业要转型发展。二是能源技术革命，强化创新驱动发展。三是清洁低碳，推动生态文明建设。四是开放融合，加强国际业务拓展。以此可见，大数据业务的精髓在于把脉社会产业升级、能源技术改进、国际化业务发展的形势对于电网企业发展的相互作用，以科学的角度推动电网企业输、变、配电和营销业务创新开展，最终实现创新驱动和企业良性发展。
第二步，进行人力资源需求与供给预测。需求预测方面，由于大数据属于新兴的技术，需要综合企业内部专家、外部咨询公司专业人员，以及数据分析业务项目相关负责人的意见，避免预测的片面性，建议使用德尔菲法。过程中，从各个部门、单位抽取从事各种任务的专家，对各种业务作数据分析业务需求评估，给予这些专家尽量充分的资料和信息，使他们做出的判断和预测与实际需要相符，最后规划出整体的大数据业务团队的规模和分布。同时，建议在采用德尔菲法的基础上，结合使用分合性预测法，自上而下和自下而上地结合部门未来对这种人员的需求和大数据业务发展的总体规划，制订人力资源需求计划。供给预测方面，需要兼顾外部供给和内部供给两个方面。外部供给包括每一年的校园招聘和社会招聘人才的机会。内部供给则是从公司自身培养选拔相应的大数据业务人才，也是本文所主要研究的。大数据人才梯队建设初期，由于只涉及到从各个内部部门和机构抽取相关人员作为成员，故采用人员核查法，通过对现有人力资源的质量、数量、结构和分部状况，拟定一个时间点的供给状况。当大数据业务越发成熟和复杂，从事该项业务的人员需要得到相应的接续和调整，人才梯队培养和晋升机制相对完善后，宜运用马尔科夫模型法，通过结合实际工作和人员情况，预测和确定人员转移率矩阵表，虽然此方法提供的是大致的估算值，也能为人才培养提供重要参考。
第三步，制订人力资源总体规划和各项具体计划。从团队数量、素质和结构三个维度拟定具体计划。目前电网企业正处于加快步伐迈向智能化、信息化、精益化的过程。电表计量和停电等信息的实时传递，厂站实时状况监测、网格化客户经理以及抢修队伍的移动作业，这些必将使电力营销数据迈向另一个量级，共同形成全新的智能电网大数据。如日后要结合电网外部数据，例如气象、公共服务和互联网信息等，数据分布必将更广，维度更多，数据分析挖掘的难度和方向更为复杂，也需要更多有跨专业、跨工种从业经验的人员。这些突显了建设大数据人才队伍需要让内部员工懂得：（1）基本的数据处理技术，包括数据抽取、清洗、融合、过滤等管理技术；（2）更新的计算机数据运行技术，包括分布式计算、流计算、能兼顾大容量数据读写的数据库建设与管理，不同系统数据源头把控等；（3）数据可视化技术，包括目前主流的Tableau、Python等，高效清晰地显示分析结果。（4）大数据如何结合人工智能、机器学习，使数据本身产生超出分析人员想象的结果，有助于发现未知的规律和关联性。
结合以上提到的大数据分析需要掌握的技术，团队应汇聚各个业务线对于大数据应用感兴趣并且能快速学习计算机前沿技术的员工参与，以事业部或工作室的形式成立，通过远程或面对面的方式讨论，保持高效运作，及时解决实际工作中的难题。团队设一名组长，即整个大数据业务团队的最高管理人员，主持该项工作，对外协调，对内领导业务正常开展。参照电网企业内部业务线，各业务线分设1名副组长，图1以营销、生产、基建3个业务线为例，分别统筹整合各自的业务数据，组织和其他业务线沟通大数据整合方式方向。如对外联络业务成熟，可加设一名外联副组长，负责外部数据业务交流。副组长下面是各名分析员，负责各项数据的基础处理，出具初步分析报告，为副组长与其他业务线讨论提供素材。经副组长商讨需要跨业务线合作的，分析员之间可以协同工作。分析员作为业务的主要开展群体，需要具备过硬的业务本领，如一线基层工作开展经验，懂得数据收集的合理性、数据的可使用性、有效性等基本概念和操作方法。另一方面，对于计算机大数据分析前沿技术的掌握，电网企业需要搭平台，为企业职工提供交流的机会。现今网络资讯发达，有很多免费资源可供学习，但是针对适合于某个行业的某个企业这样具体的大数据业务开展，需要企业内外人才的及时交流协同，互相学习和完善，使企业职工及时寻道问学，持续学习。针对目前企业内部可能出现人才知识结构与大数据分析仍然存在较大差距的情况，例如拥有电力专业背景的员工居多，拥有计算机编程、数学、管理类专业背景的员工偏少，有条件的企业可以先以业务线为单位开展大数据分析小组的建设，适量开展团体学习，邀请外部咨询公司开展培训等，在做中学，培养员工数理分析思维，使大数据逐步壮大上升为常规业务。
图1 大数据业务团队架构
第四步，实施与效果评价。企业内部大数据人才梯队建设任重而道远，需要兼顾短期和长期的实施目标和效果进行评价。短期而言，主要通过员工对于大数据技能的掌握程度和日常工作的胜任情况进行评估。一些社会上的评估方法，例如获得网络培训机构相应的大数据分析证书等。长期而言，则通过数据分析的实际应用情况来评估，由于数据时效性要求较高，宜采用一年期作为参考，通过同比数据差异窥探大数据业务是否和多大程度上起到预测和指导作用。人才梯队建设还要考虑接续问题，适量的人才储备可以随时补充人员的自然流动，有助于把数据分析工作思路传播到企业的各个角落。要使大数据独立作为一个专门业务，必然需要考虑人员编制。及时采取合适的效果评价方法，有利于确定人员编制情况，更好地分配企业资源。电网企业在组织架构上有网、省、地市、县区等，每个层级的数据量和意义不尽相同，长久而言要在实际工作中摸清个中关系，以正确运用数据指导实际工作，所以也必须考虑各个层级的数据的点面结合，配备相应的数据业务人员。
2.2人才甄选与技能培养
综上，大数据业务人才属于综合型人才，要求其业务能力与数据分析技能兼备。同时，大数据业务具有新颖性和创新性，关乎企业未来稳定发展，为此，需要从企业中识别和培养高潜力人才，充当大数据业务骨干。并且针对这些员工，进行阶梯渐进式的培训规划，并适当进行轮岗学习以提升对整体业务的理解和获取更多数据分析的灵感。
（1）潜力评估。在对大数据业务人才需求进行合理评估之后，电网企业可以结合行为考核和项目分配来评估员工是否属于高潜力人才。可参考凯洛格的三类潜力，十三个关键成长性因素：思维潜力（快速反应、好奇心、洞察力、精细推理、创新思维）、人际潜力（人际敏感、开放性、自我意识、成熟稳重）、内驱潜力（成就动机、权力动机、亲和动机），来帮助识别高潜力人才。
分析员的选拔和培养方面，除一般的绩效评估，行为考核上重点考察其是否具备较高的快速学习能力。大数据分析业务前景明朗，但实际工作中容易技术上和数据收集等的难题，员工还需要对工作保持较高的热情和兴趣，对新技术具有较高的敏感度。项目分配考核上关注员工如何完成项目和完成项目业绩外的各方面潜力。
管理人员方面，行为上通常表现为具有较强的责任心，团队领导能力和沟通协调能力，前瞻性，对紧急事务的处理能力等。在项目进行过程中，管理人员还应能有效地控制负面情绪或破坏性冲突，决策力强，团体中能够独当一面，有领导潜质。
（2）阶梯式的培训计划。对于电网企业而言，急需填补员工专业和工作背景与大数据分析存在的空白问题。初期，可以通过举办集体专题学习，培养现役和后备人才对于大数据分析的宏观把握。继而通过各个业务线数据分析团队对各自专业领域数据进行挖掘，提出需要跨部门跨业务线条协作的部分数据分析工作。针对该部分工作，平衡计算力技术、硬件、软件条件，确定人员对数据清理、统计的技术技能、计算机语言学习需求。对于这部分高潜力人才，较为适用的培训方法包括：专题培养法、工作轮岗法、项目培养法。专题培养法不仅是组织专题学习讲座和课程，有条件的企业可组织学习资源，如跨行企业、跨行业的走访学习，外部机构的培训课程，付费网络学习资源等，让员工参与社会上的活动，广交人脉，与不同行业的大数据分析从业人员更好地交流切磋，汲取经验。工作轮岗法可以让员工完全投入到新的岗位中，在大型企业中经常被运用，增强员工的全局观念。项目培养法则能激发员工把学习的理论和知识融入实际工作，让培训结果真正落到实处，员工在实践中碰到困难，反馈至新一轮的培训计划中，达到改善学习和工作方法的作用。项目的诞生可能来源于目前遇到的难题，也可能来自于对未来业务创新的探索，考验管理人员和分析人员的管理和专业攻关水平。
3 大数据人才梯队建设作为跨专业人才培养对电网企业的挑战
大数据立足现在，着眼未来，如何充分发挥电网企业海量数据的潜力，解决企业精准规划、安全生产、精细服务过程中遇到的难题，成为大数据业务开展的动力。在信息化的大时代下，大数据业务对于电网企业而言，不仅是技术上的突破，更是管理水平上的取其精华去其糟粕。目前，对于大数据业务，人力资源管理建设相对落后于技术和业务开展层面，而只有当业务人力资源得到可靠的接续和发展，业务本身才能得到长足的发展。21世纪的竞争，归根到底还是人才的竞争。人才梯队建设能为今后企业大数据业务发展强基础。同时具备信息技术、数据分析、业务知识的电网企业人才，对于电网企业而言，培养难度较高。需要结合政策和实施两个层面，建设人才梯队。
政策上，为人才梯队建设扫清障碍。当需要进行专题培训、轮岗学习的时候，该名员工所在的部门和单位应最大限度配合。学习期结束后，员工应按相关要求和培训计划，整理汇报学习结果。当出现因业务需要而进行岗位调配，岗位胜任能力考核标准、绩效考核、薪酬应及时调整，促进员工尽快适应新岗位，并且实行有效的激励机制。对于有员工被调整的组织和单位，视具体情况实施奖励，以积极的态度处理员工自然流动磨合期间产生的额外工作。
实施上，为人才梯队建设保驾护航。人力资源管理相关职能人员要牢牢把握人才梯队建设前、中、后期的进度和完成情况。现有的电网企业人力资源管理模式普遍较为传统，未能及时适应快速的人员流动需求。从前期的高潜力人才挖掘，中期的人才接续培养，到后期的人力资源效益、培训成果的评估工作，需要电网企业在过程中摸索，合理统筹适合自己的成套具体实施方法。
4.结束语
大数据业务对于电网企业而言极具战略性意义。长远而言，在企业内部进行大数据人才梯队建设能更及时和精准地为企业运作和决策提供数据支撑，也让大数据发现问题解决问题的方法论根植于企业员工，提升员工的使命感和成就感，促进企业管理水平迈向精益化、信息化的另一个台阶。
参考文献：
[1] 刘朝华，李小花，肖小石，周少武.面向智能电网的电器专业大数据人才培养探究[J].当代教育理论与实践，2016，8（7）：69-71
[2] 赵梦雨，陈同扬.企业高潜力人才的管理方法[J].经管空间，2013，02：67-68
[3] 赵晓东.面向大数据的供电企业电力营销服务体系构建分析[J].内蒙古电力技术，2016，34（4）：29-31
论文作者:仇婧旻
论文发表刊物:《河南电力》2018年19期
论文发表时间:2019/4/15
标签：数据论文; 电网论文; 企业论文; 人才论文; 业务论文; 梯队论文; 员工论文; 《河南电力》2018年19期论文;