HR轉型突破
卓越績效，人文精神。
HR轉型突破中心使命：
助力企業家、領導者和HR發展，
成事，成人，成己。
作者 | 朱翔（HR轉型突破中心高級合伙人）
全文5100字，閱讀需15分鐘
又到年末，各類管理論壇如火如荼，今年人力資源管理方面最火熱的話題莫過於「數位化的人才管理」。最近幾年大數據、AI正在潛移默化地改變著我們的生活與工作方式，疫情帶來的不確定性，更是加速了企業數位化管理轉型的進程。毋庸置疑，數位化管理大大提升了我們管理工作的精準性、敏捷性，也為我們的管理決策提供了極大的支持。
人力資源管理從業人員該如何擁抱人力資源管理的數位化轉型？以下是我們與客戶、學員交流時經常遇到的幾點困惑：
人力資源數位化管理的核心目的與價值是什麼？難道就是把線下的人力資源工作流程、標準線上化？
全面數位化的人力資源管理需要從哪些方面推進？
公司沒上eHR系統，我們沒辦法推進數位化人力資源管理工作啊？
人力資源管理的大量數據之間如何建立關聯？
人力資源的數據如何與業務數據打通？
筆者認為，就和所有全面數位化管理一樣，人力資源管理的數位化進程，也有不同的「段位」。這段位跟工具、系統、平臺有沒有關係？當然有，但我們說，硬體（包括現在的大數據、雲技術等）是手段，不是目的，本質上，數位化人力資源管理首先是我們的一種思維方式：
對人才管理成功結果的定義，
對人才管理目標的持續跟進，
對業務與人力資源關聯的思考。
想明白了這些，再根據自己所在組織的規模、特點、發展階段，量力而行，選擇足夠有效的數位化工具（哪怕是Excel表格）。
1.0段位
人力資源的量化統計
早在20世紀初，費雷德裡克·泰勒提出「科學管理」的思想，其思路就是通過數據的統計分析來找到提高勞動者生產效率的槓桿點。他認為，執行所有工作都有最佳路徑，並對勞動工具和動作標準進行了細緻研究，從而大大提高了勞動者的生產效率。工廠把人力資源與工程學結合，比如對員工的考勤、計件產量、效率加以嚴格監督。
今天，很多公司通過數據積累，推動大量的縱向對比（今年與往年）、橫向對比（團隊之間），由此了解人力資源各方面的健康程度。在1.0段位，大量的數據建立在結果層面的統計，比如：人均營收、人均利潤、人均勞效、薪酬佔比、人員的年齡/學歷/職稱結構、人才流失率、員工花名冊更新等等。工作難度不高，但工作量可能巨大。但這僅僅是數位化人力資源管理的基礎。
要想實現數據「實時在線」——能夠被及時、方便地獲取，需要HR日常對數據持續維護，並面向管理者和員工適度公開。讓管理者對人力資源狀況有直觀的了解，為員工的自我管理提供準確、有效的數據，是量化人力資源統計巨大的貢獻。
但如果需要分析數據背後的故事：「到底是什麼原因造成了人力資源相關的結果數據的波動？我們又能夠有哪些應對建議？」本質上在這個段位難以解答。
2.0段位
人力資源信息化建設
伴隨著組織越來越大，人力資源職能化分工健全，提高人力資源的各項職能工作效率，改善各級管理者參與人力資源管理工作的體驗，成為了重要的議題。我們開始關注人力資源各職能模塊的一系列打通，也開始嘗試分析人力資源結果性數據背後的過程行為數據之間的關係。人力資源管理相關的數據交叉分析和數據卷積愈發關鍵。
規模越大的企業，此時的實時數據分析量就越大，因此eHR軟體開始有了足夠的實戰舞臺，包括勞動力管理（規劃、考勤排班等）、人才供應、人事檔案管理、組織管理、薪酬管理、人才發展、績效管理等模塊都被嵌入其中。但請注意：人力資源日常的信息被全面、及時地錄入系統，做好數據更新，設定好權限加以分享，這仍是1.0段位的數位化人力資源管理。
人力資源信息化建設≠eHR系統建設。
那如何才算是2.0段位的數位化人力資源管理，才算是實現了人力資源信息化了呢？
人力資源信息化的起點是我們對每個職能模塊工作的成功標準的定義，而這個「成功標準」不是內部視角的，它是由外而內、業務視角的。
比如對於招聘這項工作的終點（也就是工作的成功標準）的界定不同，所收集數據的類型與分析嘗試也是不一樣的。
事務型HR認為是收集的簡歷數、推薦的面試量、到面的候選人數、發出的OFFER數，最終入職到崗數。
（業務視角）夥伴型的HR對招聘工作成功的定義是：人員試用期的留存度、轉正率、績優比例，即他們關注的是人才是否能夠活下來並且快速發揮價值。
同時，僅僅看到最有價值的終點也是不夠的，還要努力找到影響結果數據的關鍵因素，提出關聯性的假設，並通過數據分析加以驗證，進而對人力資源各職能的價值進行改進提升。
比如，影響合格簡歷數量和到面人數的最關鍵因素可能來源於渠道的選擇、僱主品牌的宣傳和人才畫像的精準，那麼有意識地統計分析各個渠道的投入產出比，僱主品牌對應的曝光度、投放效果，以及經常性地與業務部門溝通調整人才畫像，這些動作就顯得尤為重要。
再比如我們對試用期轉正率或績優比例做分析，可能發現專業的面試官團隊、精心設計的入職融入流程至關重要，那麼就要反過來審視公司在諸如面試官選擇與輔導、結構化面試應用、入職培訓的通過率、入職交底率、技能帶教等方面是否存在優化空間。這就需要2.0段位的數字體人力資源管理上場了。
比如印度的塔塔集團，他們的HR會對每個面試官的面試有效性加以統計（甚至是針對某一類崗位的面試有效性），如果面試官經常性地選人看走眼（在面試評估表上的意見與人才實際使用的真實狀況之間反差較大），大概率要被強制參加內部的面試技術培訓或被剝奪作為面試官的權力。同時會對畢業於不同院校相同專業的學生在進入公司後1-3年的職業發展情況做對比分析，從而聚焦校園招聘院校，明確校企合作培養的重點領域。
僅僅「收藏、匯總」組織的各類人力資源數據，在方便的時候加以調閱，不會對組織產生太大價值，還會因為收集數據的成本遠遠大於數據所帶來的收益，而得不償失。只有將人力資源結果數據與人力資源過程管理的槓桿點相結合，探索出符合自己公司人力資源管理特徵的數據模型或算法，才能稱之為人力資源管理信息化。
除了持續優化人力資源管理流程效率，運用更加完善的信息技術，還有哪些重要的因素會對人才效能發揮產生決定的影響？HR眼中不能僅僅有事，更要有人，要看到人才個體差異以及組織環境對人力資源效能發揮的影響，能夠從整個方面思考，這邁入了3.0段位。
3.0段位
全面數位化的人力資源管理
在越來越多的行業中，個體對組織的貢獻正在逐步放大，個體間的績效差異正在迅速放大。2011年和2012年歐內斯特·奧博伊爾和赫爾曼·阿吉斯所做的一項研究顯示，組織內人才分布往往呈現「冪次定律」，即企業內10%的產出來自於最頂尖的1%員工，26%的產出來自於最頂尖的5%的員工。最頂尖的1%的員工的產出是平均產出的10倍，最頂尖的5%的員工的產出是平均產出的4倍多。
以往各企業花費大量精力萃取頂尖20%員工的行為方法，希望能夠藉此複製，快速培養出更多頂尖人才——到此為止的話，這只能算1.0段位的數位化人力資源管理。
進一步，我們去研究這些頂尖員工有怎樣的特質、怎樣的潛力，這些對業績產生了怎樣的影響，希望能夠藉此甄選優質候選人——到此為止，這算2.0段位。
可喜的是越來越多的企業開始關注人的視角，希望 「通過成就人，來成就組織」。大家開始幫助員工找到自身的職業興趣、職業優勢、最合適的職業發展路徑，為他們的成功與發展創造有利的組織環境——這就是我們所說的3.0段位。
最近幾年，我們為企業定製開展了一系列組織動力的調查，在此過程中，我們看到，許多快速發展中的企業越來越關注員工的敬業度和組織支持度之間的匹配。通過調查所獲取的數據，將員工的個性特質、職業經歷、能力結構、責任擔當與業績貢獻之間找到彼此關聯；找到員工公平感、成就感、歸屬感、組織認同度與組織給予員工的各項支持行為之間的關聯。把分析的重心從員工狀態管理轉變到員工-系統的分析。
比如在保險行業中，通過大數據分析，存在大量保險業務人員，在第2-3年常常出現業績的斷崖式下跌。因為支撐其業績增長的方式存在重大的隱患：很多人在入行的1-2年，更主要是拼命挖掘身邊的親友資源實現銷售，但2-3年之後，資源枯竭帶來了業績增長乏力。這本質上是否都是保險經紀自己的問題呢？
我們更應該看到員工-系統之間的關係。組織評價業務人員的優劣，如果只看重當年的業績產出，忽視引導業務人員花時間與客戶建立信任關係，比如幫助客戶合理配置資產等，就會產生結果的失衡。當我們各級的業務主管和HR具備了數位化人力資源管理的意識，在考核銷售人員業績產出的同時，加以考察客戶的復購率，客戶的淨推薦值（通過客戶發展客戶），並給予員工有效的支持，才能推動良性的良性增長。
很多時候，這些數據表面看起來毫無關聯，但背後往往隱藏著複雜的關係。如果我們能利用分析技術，從關係的角度發現它們之間是如何互賴、如何關聯、如何影響的，我們就能挖掘出一些新的業務解決方案，產生一些全新的價值。
當心！
人力資源管理數位化的陷阱
在人力資源管理領域，通過機器學習程序衍生算法，優化用人需求的分析、人崗匹配的分析、人員收入產出分析等等。從經營管理的精確性、及時性等方面來看，AI技術確實對企業轉型升級、精細化管理產生了極大的利好，也推動了人力資源與業務的融合，但是本質上和一個世紀前泰勒提出的想法一脈相承——運用工程原理找到唯一正確的答案（最優答案）。
過分依賴數位化手段，管理將不可避免地走向命令與控制。在將本該賦予員工的決策權轉嫁給後臺的「智囊專家」時，我們已經違背了數位化人力資源管理3.0段位的基本理念，往往會掉入以下陷阱：
剝奪了員工的自主性和擔責感。
影響人際互動與共識，產生對彼此意圖的「錯覺」。
忽視了人們差異化的需求。
減少了創新，長遠看甚至影響決策質量。
有一段時間上下班基本都在網約車平臺打車。在諮詢師的職業病的驅使下，我總是喜歡和師傅們侃大山。在這過程中，我發現網約車司機對網約車平臺總是「毀譽參半」。
大部分司機都是按照平臺規定的路線開車，中間不乏很多經驗豐富的「老司機」。很多人也會抱怨平臺推薦的路線總是要「穿過很多小街小巷」、「常常會繞路或者耗時間」、「系統過於教條」等，但抱怨歸抱怨，絕大多數司機的實際做法還是會按照系統的指示去做，因為按照指令做，如果出現任何關於路徑的投訴都不是司機的責任。
至於路線創新和滿足客戶差異化的需求，這件事情就不需要網約車司機動腦子，大家都依賴平臺背後的算法工程師，事實上司機就變成了「一雙手」。有一次趕飛機，高峰期沒約到車，就打的出租，計程車司機看我著急，就得意地說：「你放心吧，來得及！我們比較網約車司機就是快，他們車速、路線是受平臺監控的，不需要動腦筋，就是按規則開車，很少真正考慮乘客的特殊要求。」
還有的網約車司機會對平臺抱有不同程度的「敵意」。很多人會說「在有獎勵的高峰期，哪怕身邊就有要打車的人，系統也不給我派單」、「就差兩單拿到獎勵，系統會派個特別堵或者接的客人特別遠的單子給我，不想讓我拿到獎勵」……
我不知道後臺的AI算法是否真的有這樣的功能，還是這只是司機的臆想，但是有一點可以明確，因為活生生的司機每天是面對冷冰冰的系統，沒有人溝通，沒有人解答這些困惑，沒有機會就規則背後的動機、期待做共識，這樣的猜測與對抗就一直存在。有些「聰明」的司機在長期的「對抗鬥爭」中自己總結了經驗，比如早高峰快結束和客戶協商提前支付，以爭取多做一單拿到獎勵。另外一些人會索性關掉系統。和20世紀30年代年那些反對企業主調快流水線速度而破壞機器的工人是不是有點類似？只不過今天網約車司機抱怨，有時候都不知道應該去找誰。
今天面對大量的網約車平臺，如果僅僅因為經濟獎勵而捆綁在一起，就可能出現誰給的回報高多就轉跳到其他平臺。對於促進彼此長期夥伴關係，還有一系列重要的問題：
哪些特質的司機能夠通過平臺獲得成功
怎麼讓共享司機在貌似枯燥的開車工作中找到成就感和樂趣
給予哪些實實在在支持（不是發獎勵）才幫助他們更好地「趴活」
哪些司機與平臺長期合作，背後的動機到底是什麼
……
這些與人相關的信息，我們投入多大的熱情與時間來予以關注？在數據平臺的「控制」下，我們似乎逐漸看不到每個人除了經濟收入訴求以外的需要與特質。
數位化人力資源管理不是把人拋到一邊，天天圍著數據轉，而是將與人相關的數據加以關聯，通過數據更加清晰地「把人當人看」。
數位化人力資源管理也不是僅僅依賴於信息化平臺建設才能成功（當然有平臺會帶來極大的便利）。要想實現卓越績效，優先是要建立起以人為本的數位化思維，關注於那些重要的人力資源管理領域，願意琢磨現象背後的原因，大膽假設，小心求證。
最後，以一個小小的例子結束我們今天的分享，又到年底很多搞培訓的HR夥伴又在苦於如何做年度培訓需求調研。很多時候我們都拿著一長串的課程清單，「激發」各部門的挑選欲望。而具備數位化思維的夥伴，可以和信息部門的同事稍加合作，看看公司內的員工在OA平臺或者知識管理平臺上搜索哪些關鍵詞最多，特別是那些沒有被搜索到的，會不會就代表了大家最期待學習了解的內容呢？
編輯 | 糖糰子
註：本文為原創，轉載請聯繫授權 （ID：HRBP-007）。