党管干部是各级党委特别是国有企业党委的重要任务。如何管好就成为常提常新的课题。管好干部首要问题是选拔好干部。虽然现行的手段、办法已经很完善，但在观念、方法日新月异的今天仍有进步空间。
　　一个人如何能被快速提拔？有两种方法。其一，是上面的“拉动”，其二，是自我的“推动”。前者是被普遍采用的，即美国管理学家劳伦斯·丁·彼得很有名的“彼得原理”。在这里我们不必把第一种办法太贬义化，毕竟如果你的能力不被上级了解就无法评估你能否胜任岗位。而且“举贤不避亲”方可“不拘一格降人才”。但是如果这种“只有被看到，方能被提拔”的方式成为主流，就会导致人们会更多琢磨“被看到”，而不是“干得好”。我们有什么更好的办法呢？
　　很多论述大数据的书都不免提及一部电影《点球成金》，一个落魄的棒球经理人利用球员的表现数据和分析学，选出一批不被人们看好的球员，创造了20连胜的世界纪录。现在这种用数据说话的方式已被各种体育项目广泛运用。这算是大数据应用的先锋吧。随着大数据技术和数据分析技术的不断创新、提高，越来越多的领域开始运用并且获益。
　　大数据分析方法中有一种叫行为事件分析，企业通过追踪记录用户行为来研究这些行为事件的发生对企业价值的影响。这方面，我们知道的例子应该就是“今日头条”了。这款APP通过对用户地域、年龄、职业，特别是使用行为（浏览了哪些文章、停留时间、评论、观看完整度等等）数据进行分析，精准推荐其感兴趣的文章而大受欢迎，迅速成为使用量最高的手机软件之一。
　　我们在选拔干部时对被选拔对象“德、能、勤、绩、廉”的考察，也可以说是他的日常行为积累的“时点性指标”。但是这个“时点”会因为“时间”的或长（十几年的交情）或短（就在昨天的一个错误）而让评估人变得非常主观。一个特别明显的例子就是笔者对一个内外部反应都非常差的项目部班子进行年度测评，最终“优称率”依旧达到了百分之八十以上。
　　我们是否可以把备选拔对象的日常行为数据化，继而通过向这些行为数据赋值，从而能够随时显示分数？这就像芝麻信用的评分体系，通过用户的日常消费、借贷等行为形成信用分数，确定信用等级。这样的结果方能更全面、即时、准确、客观。
　　这些行为数据有哪些？怎样获得？如何计算？如何运用？
　　人在组织中的行为有很多，如安排任务、组织人员、日常沟通等等，这些行为也会产生某些效果、结果。我们该怎样选择或衡量这些数据呢？借用OKR（目标与关键成果法）的一些概念，以项目经理为例，我们简单分析一下目标－关键结果－行为三者之间的联系。
　　表中内容无论正反都成立。正着说：总体目标由一个个关键目标组成，要达到关键目标必须有这些行为；反着说：做到了这些行为，也就能够实现关键目标，而这些关键目标的实现保证了总体目标的达成。而这些行为，有些是可以测量的，有些则未必能够数据化，而且要考虑数据采集的方式（为什么要这样会在后文中叙述）。比如与员工采用电话沟通，次数虽然可以测量，但是，你如果采用查通话记录的方式就涉嫌侵犯隐私了。故此，我们可以把“行为”导致的“关键结果”作为数据提取并计算。
　　如何获取这些数据呢？笔者曾经在本单位试行过“入党积极分子积分制”，但是这个积分制是一个纯手工的统计过程，不仅给基层支部书记增加了工作量，而且数据遗失、出错率极高，效果很不理想。所以这样的数据还是自动抓取、计算方能简单、有效、可推行。
　　我们现在的数据化管理还很落后，并且部门间的数据壁垒更多。我们可以在现行使用的OA中增加目标管理平台模块，来采集数据和打通壁垒。
　　这些数据又可分为测量指标和评价指标。比如“保证人员不流失”的指标可以有“员工流失率”和“员工满意度”。前者属于测量指标，只需提取项目部上月人数和本月辞职人数即可算出；而后者则属于评价指标，需要员工定期投票获取。当然，我们也可以建立一个系统，像评价快递员、滴滴司机的服务一样，即时打分评价。
　　行为数据获取后，得分由系统自动计算（在无法完全自动计算阶段可以实行一部分手工计算）。我们需要事先根据企业阶段性管理重点给予各指标不同的分值。而且要能将不同类别岗位分值转化为可跨类别比较的分值（比如说将所有类别得分中值或平均值都设为1），这样才能比较专业不同的人员。
　　结果的运用最起码应该有三种：一是在选拔时的优先考察权；二是根据数据的详细构成发现备选拔人的长项和缺点；三是数据的排名和详细构成对备选拔人今后行为的指导作用。
　　这就是运用行为数据选拔干部的简单描述。这些行为数据应该也必须涵盖我们企业考察的“德、能、勤、绩、廉”五方面。它的指导思想就是“行为导致结果、结果因为行为”。我们需要反向运用《组织社会学》中“平衡激励原则”，在不同行为上设置不同的激励强度，以发现、培养我们企业自身需要的人。