在你屈從于讓數據發現潛在新錄用人員的承諾之前，確保你知道其所承諾的到底是什么。

大數據被認為能解決所有的問題。它可以足夠深入地查看你通常不會有時間去調查的模式，并且你能夠找到讓你的公司出現至關重要的改變的深刻見解。或者，只是理論上如此。

正如我以前說過的，大數據可能是有用的……一旦你掌握了“小數據”，或是你可以用來更好地指導業務的正常的高層次的信息。但是，比方說，你的公司是已經這樣做了的公司之一。你在駕駛一條高效的輪船。大數據會對你有幫助嗎？也許，但是，只有在你帶著一些戒心接近它并在當涉及到要使之發揮作用的假設和方法時詢問一些不方便的問題的情況下。

例如，伊沃弗公司（Evolv ）是一家試圖通過分析大數據來提高工作場所的生產力和業績表現的軟件公司。其結論之一就是“技術天賦在挑選按小時計酬的勞動力時變得越來越重要。”以下是伊沃弗公司的分析產品部主任內森。韋斯特（Nathan West）對此概念的討論：

結果是某種誘人的東西：一個簡單的測試可以幫助確定更適合一份工作的候選人。某人下載并安裝了在他或她的計算機或設備上運行的不同的瀏覽器顯示出了一種采用新的技術的意愿。使用瀏覽器作為一個指標因素，該公司發現在“愿意采用新技術，以及技術的熟練程度”測試上得分較高的員工們“實際上會在公司更多地工作17天的時間，減少15%的減少的工作量，并在工作時堅持安排得更好。”

聽起來不錯？也許，但是，以下是你在聽到了一家公司的表態之后需要詢問的尖銳問題，而不是站在一朵幸福的云彩上飄走。

核查出爐的數據假設

這些數據來自何處？伊沃弗公司能夠跟進什么樣的工人和公司？其類型的工作任務和工人與你所運行的公司比較起來如何？在數據選擇中有任何形式的可能并不適用于你的公司的偏誤嗎？例如，所有的樣本公司都是大型企業而非創業公司？你不得不進行測試以查看數據是否仍然適用，因為公司總體是如此不同。

分析做出了怎樣的假設？

測試合理嗎？如果某些人下載了其它的瀏覽器而假設他們在技術上更具有靈活性是可以的，但這是一個在進行數據分析之前就擺出來了的假設。你能從某人填寫在線表格中所知道的全部內容是他們所使用的瀏覽器類型，而不是他們的計算機上所安裝的瀏覽器類型。要是有人比火狐（Firefox）或奧普拉（Opera）更喜歡Internet Explorer的感覺呢？有可能選擇本身就表明了某些隨心所欲的東西，但這與上述的假設是不同的。

影響的重要性如何？

讓員工留任更長的時間以及減少更少的工作時間是一個很好的目標，但應該把它放到一個更大的環境中去。首先，這聽起來像是種平均。在不同的行業和員工基數之間的數量變化是怎樣的？換句話說，你會看到大致相似的結果可能性如何？其次，在你如何運營的背景下，這樣的改善有意義嗎？額外留任更長的17天聽起來不錯，但它為整體的就業平均時長增加了多大的百分比呢？這確實如此重要么？你有員工會在休病假時還獲得薪水么？如果沒有，你是否有足夠的員工覆蓋率，在工作中所減少的時間有這么重要嗎？可能重要，但話又說回來，它可能并不。

所隱藏的缺點是什么？

你因為一組特性而被選中，但正如他們在數學中所說的那樣，你不能同時最大化兩個變量。安裝了一個獨特的瀏覽器的人適合你的企業文化的其它部分么？所有的工作測量工具的質量都一樣強大么？他們很可能是的，但如果你不詢問，你就不會知道。

當涉及到大數據時，要對使用它持開放的態度，但不要太過盲目。對數據、分析師、你和你的業務都要提出尖銳的問題。如果你要在分析的基礎上實施一些改變，你要確信你會得到自己所期待的東西，而不會是一種令人不快的驚嚇。