刘德彬博士：毕业于美国印第安纳大学信息学专业，现任杭州誉存科技有限公司创始人，四川大学计算机学院客座教授，曾任同盾科技联合创始人兼首席科学家，美国PayPal公司的资深数据科学家和美国联邦储备银行的访问学者。

“职业经理人”这个称呼其实是一个舶来品，是中国企业在发展过程中，从国外借鉴而来的。职业经理人是人力资本市场中的“金领”人才，全面负责企业经营管理，对法人财产拥有绝对经营权和管理权的职业。对于企业来说，职业经理人是一个非比寻常的岗位，他掌握着企业的经营管理权，在一定程度上也就掌握了一个企业的命脉。

企业招聘职业经理人，往往要花费大量的人力与财力。有的需要委托猎头公司帮忙寻找合适人选，更多时候还得老板亲力亲为去寻找与筛选。一经聘用，企业赋予职业经理人的不仅是权力，更多的还是要付出财力。职业经理人虽然是受薪阶层，但薪水非常可观。在美国的一些大企业中，高级职业经理层的平均收入已经达到了普通员工的一百多倍。在我国，职业经理人的薪资更是不可小觑，他们不但拥有高额年薪，很多人还拥有公司的股票期权等。

随着中国企业的不断发展与壮大，职业经理人的队伍也一直在高速增长。其中，涌现出大批优秀的职业经理人，如曾在苹果、SGI、微软和Google等多家IT公司担当要职的李开复。在他的带领下，2008年谷歌中国营收达到14.32亿元，同比提高6%，将谷歌和百度的市场份额差距缩短了近8%。由此可见，优秀的职业经理人不仅可以给企业带来更大的经济利益，甚至有可能改变一个企业的命运。反之，一个糟糕的职业经理人给企业带来诸多不良影响。有的企业在付了高昂薪酬后，得到的反而是企业业绩不断下滑、出现亏损甚至破产的结局。例如原微软中国区总裁、有“打工皇帝”之称的唐骏。在他的职业生涯中，担任过多家企业的高级管理职务，是典型的职业经理人。可是，就是这样一个被公众认为很牛的职业经理人，却在2010年深陷“造假门”，被爆出其美国加州理工大学计算机科学博士学位，和“卡拉OK打分、大头贴照相机”两项专利均为造假。看来，职业经理人的素质也是参差不齐的。那么，企业如何才能找到真正优秀的、有职业素养和操守的职业经理人呢?

我们首先要来看看传统的人力资源(HR)是如何甄别人才背景的。背景调查，简称“背调”，是HR行业是最常用的甄别人才的手段，特别是对于职业经理人这类高级别职位，都会对面试者进行背调。可是，目前的通用的“背调”，还依靠HR人工操作——对面试者提供的或HR自己查询到的面试者以前的公司，进行人事、工作、行为等进行调查。显然，这种调查存在“不全面、不准确”的弊端。HR所进行的人工搜索，只能搜集到面试者的一部分工作情况，并不能全面了解面试人的工作方式、业务能力、性格特点等;而且信息搜集依赖于被访问者个人的主观印象，比如，HR会与面试者曾经的工作单位的HR进行沟通，以此了解面试者以前在工作中的状况。如果刚好遇到对面试者不了解的或有私人矛盾的原单位HR，对方对此人的评价肯定不会太好，反之亦然。

然而，随着科技的不断发展，以前这种依靠人工的、主观评价的背调手段将会逐步被淘汰。互联网大数据则能够准确、快速地捕捉和提取职业经理人以下三个方面的信息：首先是基础信息。大数据中的爬虫技术能够搜集大量的碎片化的网络信息，用于提取职业经理人的简历、个人基础信息和以往的职业经历等;其次，能够提取职业经理人的信用调查信息。比如被调者是否有过民事或刑事诉讼，是否有过银行的失信记录等，这些信息能够直接反映出其人品与信用。第三，大数据还可以查询、记录被调者的出行信息、消费信息等生活轨迹、个人喜好等元素，以此来分析被调者的性格特点，是否与企业的职业经理人职位相匹配。

以上这些其实算是个人信用评分体系，这个体系在国际上已经应用了几十年，它通过对特定人员以往经济行为、生活轨迹、基础信息等的特征分析，来预测此人在未来的信用表现，一般通过数字或者等级来表示背调者的信用。但目前在中国研究个人信用体系的公司或机构还非常少，实际运用到人力资源领域的更是几乎没有。可是，对于职业经理人这类高级管理、运营类人才，仅仅使用普通的个人信用评分体系是不够的。对于职业经理人的征信调查，更多的是针对他们的职业信用和职务信用，这就需要更个性化、专业针对性更强的大数据技术。

笔者认为，将大数据技术广泛应用在人力资源领域，特别是职业经理人的寻找、筛选、甄别中，是能够为企业解决大问题的。首先，先进的大数据技术，能够从海量的、杂乱的、碎片化的各种信息中，抓取到被调者有效的、有用的各种信息，然后对这些杂乱信息进行清洗和建模分析，将碎片化的数据转化为有用的情报。这样不但解决了传统HR寻找背调者以往信息的难点，而且还可以规避人工分析存在的主观化弊端。其次，大数据利用专业的“爬虫”技术进行职业经理人的背景信息搜集，智能化、精准化地快速搜集信息，会比人工搜集信息效率高很多。这意味着将大大提高HR推荐给企业的匹配职位人数，企业在职业经理人岗位的选择层面将获得更大空间。再次，如果“爬”到的数据源够多、够丰富，采集到的这些数据还能够相互验证，也就是数据与数据之间能够相互分析与验证。这样，分析出的数据就更具有准确性和客观性，能够精准地为企业提供信用良好、更加适合岗位的职业经理人人选。

说了这么多大数据在职业经理人中应用的优势，那么在技术层面是如何具体操作的呢?简单来说，这是通过机器学习算法判断人的信用好坏问题。这个问题在机器学习领域属于二分类问题，即将个人的信用分类为“好”与“坏”两类。常用的用于分类任务的机器学习算法有逻辑回归，决策树，神经网络等。具体做法是首先搜集大量的历史个人信用记录数据，这些数据中可能包含个人基本信息，如学历、职业信用、职务信用、法律等方面信息，然后通过机器学习算法建立信用风险模型，通过此模型就能预测个人信用是“好”或者“坏”。比如，大数据技术找到张三的个人基本信息等详细记录，根据之前建立的模型就能预测张三信用是“好”或者“坏”，再整合数据，就可以为HR和用人单位提供此人是否匹配职位要求的决策依据。简言之，就是大数据技术能够更准确地进行职位候选人的人物画像与评估，让企业找到真正匹配的人才，减少损失，创造价值。

中国近14亿人口中蕴涵着极其丰富的人力资源，积极开发人力资源，充分发挥每个人的潜能和价值，促进人的全面发展，为国家现代化建设提供强大的人力和智力支撑，是中国政府始终面临的重大课题和不懈推进的重大事业。多年来，我国政府采取积极有效的政策措施，大力加强人力资源的开发利用，使中国的人力资源状况发生了显著变化，人力资源规模也在不断扩大。特别是伴随我国经济的发展，对职业经理人这样高端的管理型精英人才的需求和要求也更多。而利用大数据技术，将会改变目前HR还是依靠圈层来寻找、选拔人才的现状，大大提高工作效率，为企业解决招人难、用人难、留人难的问题。

目前，大数据技术已不再是一个看上去高高在上、不接地气的技术，而是完全可以应用在各行各业中的技术。对于职业经理人诚信评价来说，大数据技术更具有重要性、前瞻性与趋势性。