首頁 >>研究探索 >> 正文
2018-04-08 | 來源：《稅務研究》 | 作者：孫 雯
時間:2018-04-08 來源：《稅務研究》
作者：孫 雯
內容提要：當前，大數據對人們的生活、工作和思維方式產生了巨大影響，也為人力資源管理的轉型和發展提供了可能。稅務系統順應時代浪潮，探索大數據時代的人力資源管理新模式，開啟了數字人事改革試點。本文從當前稅務系統開展數字人事試點的實際情況出發，分析當前數字人事試點中面臨的問題，並對稅務系統探索大數據人力資源管理提出相應的對策建議。
關鍵詞：大數據 人力資源管理 數字人事
一、稅務系統大數據人力資源管理的實踐
當前，大數據人力資源管理在新華社、IBM、騰訊、華為等企事業單位都有不同程度的探索和運用。國家稅務總局於2014年6月起，啟動數字人事改革試點。截至目前，數字人事已在江蘇、山東、湖北、陝西等19 個省（區、市）國稅系統和河南、重慶、湖北3省（市）地稅系統以及其他省（區、市）國稅局、地稅局部分單位試點推行，涉及稅務幹部32萬多人。
數字人事是運用大數據管理的思維和方法，按照稅務幹部的成長軌跡，將德、能、勤、績、廉等方面的信息進行個人帳戶式量化歸集，從而形成的日常化、多維化、數據化、累積化、可比化的幹部考核評價管理機制。數字人事具有以下幾方面的特點：
1.數量大。數字人事集中了幹部自進入稅務系統以來的人事、教育、監察、內審等各類內部和外部評價數據。通過優化流程，開放數據接口，打通「信息煙囪」，整合「信息孤島」，採集儘可能多的數據和信息，建立數據倉庫，設定統一的數據質量標準，進一步提升數據的完整性和準確性。
2.類型多。數字人事以人為單位，首次將原先散落在各部門、按事件歸集的招聘、測評、內審、監察、巡視、黨建、教育、績效、業務等數據重新集成和整合。秉承「一切皆可量化」的理念，對事實和數據進行量化和統一計算，並累積到個人成長帳戶，實現對個人成長路徑的完整記錄、分析和追蹤。
3.價值高。數字人事的評價結果和量化得分在不同層面發揮著實際運用價值。個人可以通過橫向、縱向對比挖掘自身潛力，促進個人成才。人事部門可以根據評價結果指導和改進人力資源的招聘、配置、培訓、開發、績效管理等各個環節；組織可以通過數據診斷發現在組織發展中個體、部門所面臨的問題，進而尋求最佳的解決方案，完善人力資源戰略規劃，更好地幫助組織實現價值。
4.效率快。數字人事依託信息平臺，實現數據大集中和海量數據計算，處理速度快，響應效率高。信息平臺通過界面可視化工具，可形象展現宏觀匯總分析、微觀智能對比的結果。同時，系統功能具有鬆耦合性和高擴展性，業務運行參數可即時配置，根據需求靈活建立各類數據分析模型，深度挖掘數據價值，為決策提供參考。
二、當前大數據人力資源管理面臨的挑戰
（一）數據積累不充分，維護成本高
大數據人力資源管理的基礎是數據。目前，數字人事尚處於試點階段，還存在著數據規模偏小、採集範圍渠道偏窄、數據質量不高等問題。
1.數據規模方面。由於數字人事試點啟動的時間還不長，僅有江蘇省徐州市國家稅務局和山東省濰坊市國家稅務局累積了三個完整年度的考核、評價數據。整體而言，目前積累的數據量還不夠「大」、不夠「厚」，難以發揮大數據人力資源管理的價值。
2.採集範圍方面。目前，數字人事信息系統提供了多種數據接口，以人為單位匯集了來自人力資源管理部門和其他內部管理監督部門的數據，但許多來自稅收業務部門的日常徵管工作信息還未完全被納入採集範圍。
3.採集渠道方面。數字人事突破性地引入了外部評價數據，但目前採集的外部數據還局限於辦稅服務廳現場評價、納稅人滿意度調查得分、政風行風評價得分等，大量來自網際網路的外部數據和信息還沒有被引入數字人事，大數據管理在相關性、混雜性、文本性分析方面的優勢尚未得以完全展現。
4.數據質量方面。數據標準化推行不充分，各數據平臺之間的對接和互動不足，數據集中但未有效聚合。數字人事信息系統推行的數據標準與之前使用的人事管理系統、其他內部管理系統、業務系統等都存在數據口徑、標準、顆粒度不同的問題，大量數據的初始化導入和後續的更新需要人工介入，數據維護難度大、成本高，影響了擴大數據規模的效率和效益。
（二）考核評價指標模型處於起步階段
數字人事初步構建了對幹部進行平時考核和綜合評價的指標、權重、模型等，為各單位的試點探索奠定了基礎。但隨著試點的深入，如何有效設置指標和模型，兼顧考核評價的客觀性、公平性、可比性，成為亟待突破的難題。一是定量考核與定性考核之間的矛盾。目前，數字人事設計的考核評價體系堅持定量考核與定性考核相結合，並以量化考核為主，秉持「一切皆可量化」的理念，領導評鑑、現實表現測評、年終測評等主觀評價指標都按照評價等次量化計分。但這類主觀評價指標在平時考核、綜合評價得分中數量偏多、權重偏大，在同一部門內進行橫向比較時，往往成為決定性因素，而工作量、超時率、差錯率、投訴率等客觀量化指標則數量偏少、權重偏低，無法發揮大數據管理在量化累積分析方面的優勢。二是考核評價的公平性和可比性之間的矛盾。由於個人的崗位職責、工作任務不盡相同，若設置統一的考核評價指標、權重和模型，無法科學地進行不同崗位、不同部門人員之間的橫向比較。但若為了確保合理性和公平性而分崗位類別設置評價標準，則將面臨著如何同時兼顧不同崗位人員之間可比性的問題。
（三）結果運用偏向事後評價，前瞻預測不足
數字人事尤其重視結果運用，並創造性地提出了得分劃段的理念，將考核評價結果運用在年度考核、評先評優、幹部選拔任用、幹部交流、遴選、人才選拔培養等方面。但數字人事的結果運用偏重於與個人利益直接相關的晉升、評優等掛鈎，而大數據管理在人力資源現狀分析、風險預防監控、人力資源開發、人力資源發展趨勢預判等層面的運用尚不成熟、不充分。數字人事立足於全面記錄個人職業生涯全程數據信息，並對當年、近三年和歷年的綜合表現進行考核評價，但總體而言仍屬於事後的描述、診斷，對於個人職業發展、人力資源管理和組織目標實現的事前研判預警、事中過程管理，尤其是運用大數據進行人力資源戰略管理還有很大提升空間。
（四）複合型人才數量不足，能力不夠
做好大數據人力資源管理需要大量的具備網際網路思維和現代化視野，擁有人事、教育、績效管理等行政管理工作經歷，熟練掌握信息技術、數據分析等專業的複合型人才。然而，當前實際從事數字人事工作的稅務人員大多為行政管理或信息技術方面的專業骨幹，精通數據分析、數學建模、機器算法的專業人才非常少，同時精通行政管理、信息技術和數據分析的人才更是極為緊缺。
三、進一步探索大數據人力資源管理的建議
數字人事是稅務系統在大數據人力資源管理框架下的前沿性探索，為公共部門開展大數據人力資源管理積累了一定的經驗。目前，試點中出現的問題和難點，也是大數據管理在人力資源管理領域不斷探索和持續發展的一個必經過程。立足稅務系統的實踐情況，結合大數據人力資源理論，本文對數字人事提出以下幾方面的建議：
（一）提升數據積累的量與質
獲取和積累儘可能多的既有「量」又有「質」的數據是開展大數據人力資源管理的關鍵所在。
1.擴大數據規模。一是要盡最大可能加強頂層設計，整合現有的各類信息平臺，完善「一點錄入、多點調用」的數據自動整合聚合功能，盡最大可能減少手工錄入和人為幹預。二是要繼續拓展獲得內、外部數據的來源和渠道，不局限於積累人員基本信息和人力資源管理過程中產生的數據，也要收集在組織生產經營過程中形成的各類數據，還要關注大量來自外部社交媒體、招聘網站、勞動力市場、宏觀經濟統計的數據，為大數據人力資源管理提供更全、更準的數據基礎。三是要充分利用網際網路+、爬蟲技術等，逐步將非結構化數據納入數字人事的採集範圍，逐步探索運用混雜數據、文本信息進行深度挖掘。
2.提高數據質量。一是要構建統一的數據標準和接入口徑，並將其運用到各類平臺系統設計開發階段。二是要運用信息化手段進行數據印證和校驗，避免數據碎片化，提升數據的真實性、完整性和及時性。三是要把數據維護和清洗當成一項長期工作，與系統運維和安全監控一同列入日常工作要目。四是要建立數據質量維護的長效機制和責任機制，數據質量由數據使用部門評估，由產生數據的源頭部門負責，確保數據的真實性、完整性和一致性。
3.啟用派生數據。前期的研究成果和實踐經驗顯示，隨著大數據人力資源管理向縱深發展，由源數據進行簡單計算形成的、便於分析和再次使用的派生數據將處於更加重要的位置，使用頻率也將會遠遠超過源數據。為應對這樣的發展趨勢，一方面，要進一步明確統計範圍和計算邏輯，著力加強派生數據的標準化建設；另一方面，要做好數據存儲，減少數據冗餘，提升工作效率，便於數據的調取和再利用。
（二）優化評價指標和模型算法
數字人事創造性地提出了得分劃段機制，在「不唯分、不唯票」的結果運用方面踏出了堅實的一步。然而，對幹部進行平時考核和綜合評價的指標模型仍在繼續驗證和改進。針對這一難題，大數據人力資源管理的數據挖掘能力、預測分析能力和可視化分析為我們提供了解決方案。一是挖掘數據的相關關係，倒推指標生成。要在大範圍收集數據的基礎上，運用隨機森林模型、決策樹、貝葉斯分類器等機器學習算法，藉助人工智慧從現有的大數據中發現具有潛在價值的數據，尋找與其存在關聯的數據和變量，通過重要性分析找出相關關係，不斷演算推導指標，倒逼指標生成。二是分階段交付，動態建模。要用大數據的簡單算法，取代小數據的複雜算法，充分運用源數據簡單計算得出的派生數據，遵循小步快走的方法，先解決小問題，分階段交付結果。運用這種順序可逆、算法動態的建模方式，可以發揮大數據管理的獨特優勢，挖掘海量數據的內在價值，解開數字人事的迷思，為人力資源的招錄、調配、考核、開發等提供依據。
（三）探索智能預測和戰略洞察
大數據人力資源管理不僅專注於數據的收集、存儲和簡單的匯總、統計、查詢，更要通過對海量數據的描述、診斷、預測和規範，掌握人力資源的現狀、動態與變化趨勢，為及時發現人力資源管理中的問題、掌握總體發展態勢提供直接、真實的依據。如果說信息化人力資源管理是數據分析應用的初級階段，那麼大數據人力資源管理則開啟了顛覆性的預測式分析、圖論分析的新階段。一是要將結果運用的重心轉移到戰略規劃。數字人事應當在擴大數據積累和強化數據分析的基礎上，將數據運用的重心從事後考核評價轉移到人力資源規劃和組織戰略實現上，充分發揮大數據人力資源管理的優勢。微觀層面，注重挖掘員工潛力，優化對人才的服務，提高員工滿意度；中觀層面，著眼人力資源管理流程再造，重構管理方式，提高工作效率；宏觀層面，將有利於提高組織的績效，實現組織的戰略決策和價值理念。二是將智能預測前置到人力資源管理的各個環節。根據德勤公司的研究，財富1 000強企業中只有5%在人力資源領域使用預測分析方法，而此方法其他商業領域已經在廣泛使用了。數字人事的大數據運用，也應從傳統人力資源管理的事後評價，更多地轉向人力資源管理的綜合研判、前瞻預測、風險防範和科學決策過程。在調配方面，通過預測組織人力資源走勢，可以提早規劃人力資源配置和人崗匹配；在培訓方面，可以預先分析培訓需求，用以規劃培訓內容和項目；在選拔方面，要通過描繪幹部個人的成長趨勢曲線和人才地圖來培養和發掘人才。這種預測和洞察，將為個人職業發展、組織戰略發展規劃以及最終組織目標的實現起到積極而重要的作用。
（四）打造複合型人才團隊
一是創新人才培養機制。要樹立網際網路思維、前瞻性視野和人才興稅的理念，加大對信息化人才和數據分析人才的招錄、引進和儲備，加強對行政管理、信息技術、數據分析、數學建模等複合型人才的培養和培訓，建設一支高水平的大數據管理專業人才隊伍，為大數據人力資源管理提供人才保障。二是在現有情況下，借鑑風險管理團隊的經驗，組建大數據人力資源管理團隊。要讓具有人力資源管理、組織行為學、統計學專業背景，擁有人事管理、系統開發、信息管理、資料庫、數據統計分析等一項或多項經驗、技術的骨幹，組成優勢互補的專業管理團隊，在當前的大數據人力資源管理中發揮更大作用。