在人才的筛选和测试方面，人力资源大数据缓解了劳动力市场的信息不对称问题(Barman，2015)，帮助企业以最少的投入甄别出最佳人选。基于文本分析的大数据技术从简历筛选环节就开始缩小了需要进入测试的候选人范围，其筛选条件基于历史简历数据和入职后绩效数据不断迭代优化以提升简历筛选的精确度。人力资源大数据使得招聘测试得以简化，只保留数据证明与入职后表现高度相关的部分，甚至不再需要现场测试。这是因为过去只能通过复杂的测评手段才能够获取的人才信息在当下已经能够在人力资源大数据中找到替代品，且其数据取得的成本要低廉得多。
3.绩效
大数据技术使企业从周期性绩效考核转向实时跟踪绩效波动，为员工提供及时的绩效反馈，并依据绩效动态调整薪酬激励。过去的绩效考核数据搜集成本高，费时费力，所以大多以半年或一年为绩效评价的周期。人力资源大数据提供了丰富的定量绩效数据，并且其中大部分是实时更新的，能够反映员工的绩效波动情况，并通过在线系统对员工提供自主性的绩效反馈。例如，容器商店公司(TheContainerStore)正在使用可穿戴设备实时跟踪其店员与同事、顾客之间的交流互动情况，以及店员在店内的位置移动状况，将此作为绩效考核的依据之一。
此外，绩效评估的主观因素降低，过去难以量化的因素被大数据所囊括，评估方式更为透明。基于能够细致反映员工工作过程的人力资源大数据，新的绩效评估不仅衡量工作的结果，也解释产生结果的原因，为绩效反馈提供更具体的改进建议。
4.留任
大数据分析能够发现早期的离职倾向。不同于以往当员工明确表现出离职意向的时候才进行留任干预，通过分析历史上的离任行为和对应的大数据特征，就能够建立离任预测模型。通过对员工进行持续监测，可以提前3～5个月识别具有潜在离职倾向的员工，为人力资源经理提供了主动干预的时间。例如，德勤公司基于员工的出勤记录、工作时间、休假时间、对客户的影响、付出的努力以及旅行的频率和距离等大数据，通过统计模型识别出离职倾向排名前10%的人，其离职意愿是德勤以往案例研究所得到的平均水平的330%，并且能够识别出人物、时间和原因。
5.员工问题
相比于过去企业为员工提供的周期性的体检和心理评估，大数据技术能够实时监控员工的生理指标和健康状况，这为发现早期的员工问题提供了数据支撑，使得企业能够将过去广泛提供的健康和员工福利变为主动为有需要的员工提供个性化服务，将过去由于员工问题导致的缺勤损失以及医疗支出变为预防性的保健支出。员工健康数据也能够用于评估当前相关设施和员工关怀项目的有效性。
(二)大数据技术使人力资源管理的工作方式发生了根本转变
首先，大数据技术使人力资源从经验和直觉驱动向数据驱动转型(McAfee&Brynjolfsson，2012)。其次，大数据技术提升了人力分析的预测能力，使人力资源管理从被动处理问题转型为主动发现潜在问题和提升商业价值的机会，并采取行动。最后，人力资源管理的主要职能可从周期性工作转变为实时连续跟踪，做到立即处理、立即反馈(Barman，2015)。人力资源管理的敏捷性和快速反应能力得到了质的提升。
五、组织架构与组织文化的变革
(一)人力资源部门角色的变革
人力资源部门的角色将从成本中心和服务支持部门转型为以人才管理为核心的战略决策部门(Boudreau&Ramstad，2005)。从人力资源管理到人才管理意味着人力资源范式的转变，以及人力资源部门角色的变革。这意味着高层管理者将人才看作组织最重要的资源，将获取、发展和保留最优秀的人才作为实现公司战略目标的根本保障。这也意味着人力分析将着眼于公司重大战略目标的实现，着眼于应对激烈的人才竞争(Heuvel&Bondarouk，2016)。
(二)组织架构变革
企业组织架构的设计需要适应组织内部原始数据搜集和共享、业务部门与数据分析部门高效协同、数据分析结论高效转化的需要。整合组织内部各业务部门的数据，实现数据互联互通是建构人力资源大数据的前提。在组织架构设计上需保留各部门间数据共享的接口，建立有利于部门间数据共享的激励机制(Barman，2015)。建议采用矩阵组织和设立分析小组的形式以促进数据分析人才在组织内部的灵活流动(McAfee&Brynjolfsson，2012)。
(三)组织文化和管理心智模式的变革
人力资源大数据最大的改变不是技术层面的，而是组织中的人对于数据分析态度的改变(McAfee&Brynjolfsson，2012；LaValleetal.，2011)。受到历史观念的影响，在过去，组织在涉及人的决策上普遍依赖于经验和直觉，而不是数据；即便涉及数据，也往往是利用数据来论证一个先入为主的结论。要改变这种状况，应从组织文化的层面推行数据驱动，提高组织成员的数据素养，使更多的成员能够以直接或者间接的方式参与人力分析项目，并用客观的数据证明人力分析创造的价值，以此促进管理心智模式的转变。
六、大数据技术应用于人力资源的挑战
(一)个人隐私问题
大数据技术应用于人力资源最大的挑战就在于个人隐私问题。不同于其他类型的大数据，人力资源大数据聚焦的对象是人而不是物。为了达到人力分析的目的，很多时候需要识别分析对象的身份，即便这些数据并未公开且仅仅用于人力资源管理、即便保证了分析对象的知情权，这些分析行为也依然有可能给分析对象造成窥探个人隐私的不安全感和不满，导致额外的副作用，同时也可能违背个人隐私保护的法律法规，给组织造成重大损失。
(二)复合型大数据人才
大数据技术的广泛应用造成了全球范围内数据分析人才的紧缺。然而无论是数据科学家还是人力资源专家，都不能够独立完成大数据人力资源管理的全部工作。因为人力分析既涉及对人力资源管理职能和公司战略目标的理解，也需要从海量数据中挖掘商业洞察的分析技能(Frederiksen，2012)*。在人力分析项目中时常出现人力资源专家和数据科学家之间无法有效沟通和理解的问题。综上，复合型大数据人才是未来制约人力资源大数据发展的主要瓶颈之一。