在數據驅動的時代，「結構化資料」與「非結構化資料」經常被拿來對比，甚至被誤認為是企業決策優劣的關鍵。然而，若將視角拉回到人資（HR）招募人才的第一線，就會發現：資料的型態，從來不是問題的核心；真正的關鍵，在於「人如何解讀資料」，以及是否具備洞察人性的能力。
所謂結構化資料，指的是可量化、可分類、可整理的資訊，例如履歷上的學歷、工作年資、專業技能、績效數字等。這些資料清楚、有邏輯，也方便篩選與比較，是企業建立人才庫的重要基礎。相對地，非結構化資料則包含面試時的談吐、表情、肢體語言、價值觀、情緒反應，甚至是一句不經意的回答。這些資訊零散、模糊，卻往往蘊含更深層的訊號。
許多企業在人資流程中過度依賴結構化資料，導致招募變成「條件比對遊戲」。只要符合條件，就安排面試；條件越漂亮，錄取機率越高。然而，這樣的模式常出現一種現象：HR可以找到「100個看起來很優秀的企劃經理」，卻留不住「1個真正能長期發揮價值的人才」。這背後的原因，並不是資料不足，而是解讀方式過於表層。
真正優秀的人資，懂得把非結構化資料轉化為洞察。他們在面談的三到五分鐘內，不只是聽對方說了什麼，而是觀察「為什麼這樣說」。例如，一個人描述過去專案的方式，是強調個人成就，還是團隊合作？在面對壓力問題時，是回避、誇大，還是具體拆解？甚至連眼神是否穩定、語氣是否一致，都可能透露出這個人的自信程度與真實性。
這種能力，本質上是一種「結構化非結構資料」的過程。也就是說，把原本零碎的觀察，內化為一套判斷邏輯。當經驗累積到一定程度，人資甚至能從一個小動作，推測出此人未來三到五個月的工作狀態：是否穩定、是否抗壓、是否具備成長性。這並非神秘直覺，而是長期觀察與驗證所形成的模式識別。
問題在於，大多數HR並未真正培養這樣的能力。一方面，企業制度偏好可量化指標，使人資習慣依賴結構化資料；另一方面，面試流程被標準化，讓深入觀察與判斷的空間被壓縮。久而久之，人資變成「流程執行者」，而非「人才判讀者」。
有人會問：那麼AI是否能解決這個問題？理論上，AI擅長處理結構化資料，也逐漸能分析部分非結構化資料，例如語音語調、臉部表情、文字情緒。但問題在於，人類的心理狀態極為複雜，且高度依賴情境。相同一句話，在不同語境下可能有完全不同的意義。AI可以分析「說了什麼」，卻仍難以全面理解「為什麼這樣說」。
更重要的是，人才招募本質上是一種「雙向選擇」。候選人也在觀察企業文化、面試官態度與組織氛圍。這種微妙的互動關係，很難完全被資料化。真正成功的招募，往往來自一種「共鳴」——雙方在短時間內感受到彼此的契合度。而這種感受，目前仍屬於人類的直覺範疇。
因此，結構化資料與非結構化資料的差異，並不是決定成敗的關鍵。關鍵在於：人資是否具備將兩者整合的能力。結構化資料提供「門檻」，非結構化資料決定「深度」。前者幫助你找到人，後者幫助你選對人。
回到最初的問題：為什麼能找到很多人，卻留不住好的人？答案其實很簡單——因為只看見了「表面條件」，卻沒有讀懂「內在動機」。一個人的能力可以培養，但心態與價值觀，往往決定了他能走多遠。
在未來的職場競爭中，人資的價值不在於掌握多少資料，而在於能否「看透資料背後的人」。當你能在短短幾分鐘的對話中，看見一個人的潛力、限制與可能性時，結構化與非結構化的界線，早已不再重要。
因為真正的關鍵，從來不是資料，而是人。
