人力资源数字化关键在化，化的关键在数据驱动

本文主要是介绍人力资源数字化关键在化，化的关键在数据驱动，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

前言

人力资源数字化因为带有标志性的“化”字，凸显了其重要的“创造性破坏力”，将会是人力资源发展历史上的又一个重要的历史性节点，有可能会深刻改变人力资源管理。笔者在国内人力资源行业里首次提出，“人力资源数字化的关键在化，化的关键在于数据驱动”。本文为作者在HR COFFEE专题活动中的分享，全文整理。

今天和大家讨论的这个话题，本来叫“人力资源数字化实践”，但是我觉得，还是要从人力资源数字化的学习与体会入手，可能更好一点，因为大家都是人力资源数字化的学习者，我也是学习者，也是实践和研究者，也有一些体会。

首先说一下什么是数字化，这个数字化的化，来自于英文的词。在我们汉语里面，尤其是在我们传统的汉语里，并没有“什么什么化”这种提法，或者说我们不是这样叫的。这个数字化，从英语来说，应该是digitalization，就是这个zation，这个后缀，它是表示化的意思。化就是“使得什么什么改变成什么什么”的意思，就是数字化就是“使得什么什么改变为数字的”，本意应该是这样的一个意思，使得什么什么什么改变为数字的，也就是“使得加改变”，这是化这个词的本质含义。人力资源数字化，如果按照这个解释它的本质，就应该是“使得人力资源改变为数字的”，“使得人力资源具有数字的本性”，或者“使得人力资源具有数字的特征”，可以说，是一个很重的意思。

这是第一个理解，第二个理解是，人力资源数字化这个题目，在最近的时间，从去年开始，尤其是今年，很多的论坛都以数字化作为核心内容，或者是主要内容，或者是一定要涉及到人力资源数字化的内容，有的时候叫做数字化转型。但是不论怎么叫，人力资源数字化这个内容已经越来越被大家所关注了，甚至越来越成为一个主流内容之一了，成为显学。

除去数字化本身对大家的吸引力之外，我的看法是，人力资源数字化，带上这个化字就不得了。人力资源从它的发展历史上来看，经过了几个很多的阶段，但是，在这所有的这些阶段里边，带化字的无非就是这么几个，一个是职能化，就是人力资源从其他的工作中分离出来，单独作为一个职能，有了自己的出生证明，有了合法的身份，这是第1个阶段就是职能化。第2个阶段，是叫做专业化，就是人力资源有了出生证明了，那还得需要做一些工作，这些工作越来越专业，具有专业属性成为专业化。第3个阶段就是职业化，就是人力资源的这些从业者们具有了专业，自己形成了一个职业，甚至是成了一系列的职业的综合。那么这些三个化：职能化、专业化、职业化，都是人力资源发展过程中的历史性的重要的时刻。

我们看到再度最近一些年以来人力资源也经历了很多变化，比如说，引入了三支柱，比如说引入了人力资源的业务伙伴，引入了各种各样的新的管理技巧，管理方法，但是所有的这一些都不叫化，也就是说我们没有听说过有“人力资源三支柱化”或者“人力资源的OKR化”，或者是“人力资源的互联网化”，这些其实都没有加以化字。当然，并不是说这些不重要，这些可以说也是非常重要，但是，我们从化的这个角度来看，这些似乎还没有达到化这么重要的程度。

我们再从社会上来看，凡是叫做化的，都具有非常重要的意义，比如说我们知道工信部有一个两化，工业化与信息化，我们国家之前的时候有一个四个现代化，我们对于干部管理有一个干部的革命化、年轻化，所有的这些化都具有非常非常重要的价值，也就是只有在描述重大的事情，甚至是战略性的，具有颠覆性意义的重大事情的时候，我们才说“化”。

所以，“人力资源数字化”如果从这个角度看，它一定是与人力资源的职能化、专业化、职业化所并称，可以说是具有历史意义的一次重大的人力资源革命。这就是人力资源数字化的，题中应有之一，就是我们谈人力资源数字化，一定要从这个角度入手，这样才能把握本质，在实践的过程之中，我们才能真正深刻的认识到我们在干什么。

图1. 人力资源数字化从哪里开始

说到人力资源数字化，我们就必须要有一个问题，因为它既然是这么重要的一个话题，那么就要从方法的角度上来说，要搞清楚人力资源数字化从哪里开始？通向哪里，终点可能是哪里？这个是一个非常重要的问题，参见图1。人力资源数字化的起点，一般来说可能有几种情况，第一，从人力资源管理自身开始，第二从战略开始，第三，从人力与业务的交接处开始，当然还有其他的起点，但是，这些起点可以说是代表了人力资源数字化的主要起点。图1把这几个起点的归纳在一起，我们来看，从人力资源自身开始，就是中间这个，人力资源自身从哪里开始，往往是从我们对于人性的理解或者判断来开始，然后再经过人力人才，这个实际上是我们管理的对象，人力资源服务的对象，然后到云网端，云网端实际上是一种组织形态。也可以用传统的，或者说是用规范的说法，这代表的是组织。之后是激活的方法，无论是激活，还是赋能，还是怎么样，无论是什么样的方法，本质都是管理。如果我们去做数字化，我们必须要从根本的地方入手来思考，从赋能的角度，从激活的角度当然是可以的，但是无论是赋能还是激活，从组织的角度看都是人力资源管理的一种手段而已，最终产生组织能量，管理升级，这就是绩效。所有的三条线开端不一样，但是最终在人力资源管理内部的逻辑都是一样的。

这三个逻辑，人力与人才可以把它成为系统，实际上，就是我们的人力资源系统，就是反映人力的数据或者人才的数据。人力资源管理的人力资源数字化的根本的目标，还是提升绩效，也就是说无论我们怎么样去做赋能，怎么样去做人才的发展，这都是过程，从企业人力资源的角度来说，所有的一切工作最终都是为了提升组织绩效，都是为了提升企业的绩效，这才是最终的目的。从无论从哪里开始，最终一定是落点在提升绩效，这才能够构成人力资源数字化的一个完整的起点和终点。

在实践的角度来看，系统、组织、管理、绩效都是我们进行人力资源数字化所需要考虑的重要要素，这个系统结构就是数字化这个实施过程，是数字化系统的结构。我们强调哪些地方，决定了我们这个数字化打上什么样的烙印，就是我们的数字化的特性在哪里。我们从战略端、人性端，还是业务端入手，我们在系统、组织、管理、绩效的哪个维度或者哪个层面着手，这个会决定我们的数字化是什么样的一种风格或者流派。

我们今天谈人力资源数字化，更多的要从本质上去把握数字化，人力资源的数字化，一定是离不开我们所在的企业，或者说我们所在的这个环境的经营生产，尤其是生产模式，因为真正决定管理的是生产方式，决定人力资源管理的也是生产方式，而不是企业家的某些个人的风格。

图2. 人力资源数字化:人质模式、思维模式

从生产的方式来说，这个图2是我在今年5月份在社科院一个博士班里讲过一次课，用过的图。但是，有些遗憾的就是，当时在场的学员们，对这个内容并不熟悉。其实这个内容非常重要，因为这个内容才是决定了我们数字化的什么样的数字化，就是我们会走什么样的数字化之路，我们的数字化的起点是什么，这是决定性的问题。

这个这个资料，是有引用有出处的，大家也可以去查。这个资料反映了是这样的：三个主要的制造业强国的制造哲学。其实制造哲学就是生产哲学，某种程度上来说它是管理哲学的根本，或者说，决定了我们的管理会是个什么样子。

图3. 人力资源数字化和智能化核心

第一种就是在问题与数据和模型之间，所谓问题就是我们在工作中遇到的那些事，比如说人力资源管理要解决的事情，人在解决这个问题之中形成了一些知识，人利用这些知识来解决或者避免问题，这样说起来就是：在问题之中形成知识，形成经验，反过来用这个经验指导我们去做工作。第二种就是，在问题和知识的时候，不仅仅是人的经验，还要把它固化到设备上，通过解决这个问题，找到了一些知识或积累的一些经验，通过一些设备，让它的自动化程度更高。第三种模式，就是找到了问题之后，形成了某些经验，同时更重要的是，通过积累数据来了解这些问题，并且从数据之中得出知识，再从知识之中找到更好的解决问题的办法，形成这样的一种循环。我们看，第一种是日本方式，通过组织文化和人的训练不断改善，在知识的传承和这承载上面非常依赖人，其实这种模式也很像我们的模式，换句话说这是不是像我们人力资源管理现在所提倡的那些做法？或者说我们觉得那是很时尚的，我们学来的那些新办法，比如说我们通过文化变革通过人的培训，企业大学各种各样的东西，甚至通过赋能激活，把人训练的很好，在知识和传承上面我们也非常依赖人。这个我们就感觉到很相似，和我们引进的那些很时髦的办法很相似，实际上，这些有点类似于生产中的日本模式。

第二种是德国模式，主要是生产设备那升级设备，把硬件搞得很好，把知识固化在设备上，我们今天也有一些行业是这种方式，就是在通过不断的经营或者在工作之中产生的问题，把它通过所谓专家系统，或者通过我们的系统把它固化，这就所谓的系统优化，这个过程中以后再遇到问题可能就更容易解决了。

第三种模式是美国模式，就是从数据中获得知识，并且不断的通过数据来颠覆问题，重新定义问题。我们不是说哪一种模式会更好，它不是个好坏的问题。我们从这个特点上来看，美国的模式显然是更靠近我们今天所说的数字化的模式，而日本和德国的模式，离着我们今天所说的数字化模式更远一点。这个模型可以作为一个很好的判断的标准，大家可以判断一下我们自己所在的企业是什么样的模式，更基于哪一种模式，或者说我们更熟悉哪一种模式。因为我们所在的企业或者我们的更熟悉的东西，决定了我们的认知，决定了潜潜意识的或者更为根本的东西，可能在我们不知不觉甚至我们意识不到的时候，决定了我们对于数字化可能会采取什么样的看法。

我自己对于人力资源数字化有一个概括性的模式，这个模式，讲过好多次，可能很多人也见过，但是，至今为止依然是一个非常有用的东西，换句话说，也是至今为止依然具有前瞻性的一个架构，它是五层四纵的，如图4。五层就是，从第一层大数据的文化战略、高阶指标、工作循环，第二层就是多元数据等等，第三层是数据治理等，第四层人和人才，第五层是范式、理论认、知等等。四纵，第一纵是黑色的这一部分，就是市场驱动数据，第二纵就是这个虚框框起来这一组，第3纵是市场用户，第五纵是“赢球效率值”等等，这一纵的内涵比较丰富，但是今天时间不展开讲。

图4. 人力资源数字化体系架构

图5. 人力资源数字化体系架构(五层四纵)

这个模型的意义是什么呢？首先我们看，我们做人力资源数字化，是一个这样的结构：我们在顶层一定要有数字化的战略，甚至如果我们的数字化到一定程度，产生了大数据，也会有大数据的文化，同时，如果我们深入地去看人力资源数字化，进入到了人力资源数字化分析这个层面，会涉及到一些高阶指标。

第二层是最下面这一层，就是范式理论认知等，其实就是我刚才谈到的生产里边的三种哲学，我们一定要找到自己所在的这个企业，或者是我们熟悉的这个环境内的，决定性的那种模式，比如，我们是哪种模式？更接近于美国模式，还是日本模式，还是我们自己创造出中国模式，这个是基础性的，或者是根本性的，这个要把握好，数字化的大方向才不会错。

接下来的就是操作性层面的，比如说多元、多数据源、好问题这一层，都是操作性的。数据治理，这个是很重要的一个层面。第三，人与人才，我们要做人力资源数字化，那么必须要人力资源数字化的实施人才的问题，没有人力资源从业者的数字化，我们就没有办法去做人力资源本身的数字化。

人力资源数字化的数据，根本上是从市场中来的，从劳动市场中来，从产品市场中来，从各种各样市场中来，也就是说，这些数据从最根本的角度来源是来自于外部的，我们即便是做人力资源的数据，即便是劳动合同的数据，各种各样的数据，它一定是从最根本上来，来自于市场，因为今天我们的企业是在市场经济中工作，我们要明白我们所有的数据的最初的来源一定是市场。只有我们明确了所有数据的来源，最根本的来源是市场，我们才能真正理解我们所有人力资源数据的最终用途也是市场，这才是把人力与业务打通的根本，而不是在企业内部怎么去打通那个，这是一个片段，根本的打通是明白人力的数据，来自于市场，最终也要用于市场。

虚框里的是技术性层面的，我们做人力资源数字化，大家现在谈论的更多的是这个层面的问题，就是怎么找数据、怎么处理数据、怎么可视化、系统怎么做，这是现在大家常经常谈论的问题。谈人力资源数字化，10个人里头有9个人可能在谈的是这个范围的事情，这是操作层面的比较集中的问题。最终这个红色部分的，是在企业这个层面的或者在决策这个层面所用的那些根本性的东西。

这个五层四纵，从纵的角度，反映的是人力资源数字化的过程，我们从哪里开始，经过什么过程，最终产生什么价值。五层所体现的是人力资源数字化的结构，从底层的结构开始到每一层是怎么去摆上去的，怎么建构起来的。只有我们明白了这样的一个结构，才能够把人力资源数字化的这些关键的要素组合起来。

我们理解人力资源数字化要关注一些关键的点，而这些关键的点表达出来就是关键词，人力资源数字化从起点到终点到中间的过程，这里边的关键词包括这样几个：数据、系统、分析、一体化和新知。逐个简要介绍一下这些关键词的内涵。

图6. 数据驱动体会

从数据的角度来看，人力资源数字化当然是一定离不开数据的，可以说是以数据为中心的，以数据为中心的人力资源数字化，里边有一个问题：本质是什么？当然本质并不只有一个，但是其中有一个很重要的本质，我认为就是4个字：实事求是。参见图5。大家可不要以为实事求是只是一个政治口号，或者只是我们党的一个三大法宝，这个理解啊，真是不够的。这个实事求是，从英文的翻译来说就seeking truth from facts，就是从事实中寻求真相，可能更接近于我们日常的人力资源工作这个层面。

为什么数字化的本质实事求是呢？就是说，我们在人力资源工作中可能都有这样的体会，我们听到了各种的说法，也引进了很多种管理的工具化的模式，但是都有一个问题：这些经验、管理模式不是公式，也不是公理，或者是说，它不是一个我们拿过来一用就灵的这么样一个法宝。我们在工作中遇到很多问题，还得需要自己去探索，有的时候呢，这些经验或者模式不能照搬照用，但是，我们有的时候可能比较相信信服，甚至有人比较迷信这些东西，最终就陷入了某种教条化。所以，有了数字化之后，有了大量的数据之后，我们就有可能在人力资源管理的历史上，第1次具有了一种能力，就是通过我们找到的数据来支持我们的结论，或者说我们能够从中得到那些真实的东西。因为，人力资源管理工作的本质其实也就是从事实之中发现真相，或者说再具体点说就是，从我们企业日常的人的那些工作行为之中去发现了一些真实的，带有规律性的，或者说我们能够去把握能够去影响的那些东西。

因为篇幅问题，其他几个关键词，我们需要另文专门来探讨。不过，需要强调的是，人力资源数字化的驱动问题，参见图6中的黄色字体，核心就是阈值、红线、更关键的东西，这些都需要我们在自己的场景中搜索，而并无标准答案，但这才是数据驱动，才是真正的价值。

图7. 数据驱动的体会

最后有一个问题或者是建议，也是我一直在强调的一个非常重要的一个内容，就看待人力资源数字化，我们在实践之中去认识它，有4个非常重要的要素，也是可以说是判断点，叫做：站位，视线、焦点、变化。所谓站位，就是我们在什么层次上看问题，所谓视线就是我们看什么层次的问题，所谓焦点就是我们看问题的什么层次，所谓变化就是我们看问题的什么状态。这4个判断点或者这4个要素，决定了我们眼里的数字化是什么样的，也决定了我们手中的数字化是什么样的，其实也根本上决定了我们对于人力资源数字化的认识到了什么水平，到了什么层次。参见图8。

图8. 数据化建设的问题和建议

图9. 人力资源数据中台

右上角的图和右下角的图一样都是来自于网络，知识产权都是原作者，这两张图也未没有经过跟原作者去核实，只是来这里公益借用学习，至于到底这个图是不是100%的准确，这个不是今天我们所谈的问题的重点。但是这两张图很有特点，上面这个图最大的价值在于它形成了人力资源数字的一体化，就是我们之前说的一体化，它形成了一个数据（ONE DATA）作为一体化的一个中心口号，这一点已经超越了很多人力资源数字化系统。围绕着一体化，它是通过4个层次来实现的，就是选、用、预、留形成了一个循环，实现这个一个数字的一体化。再往外围就是各种各样的人力资源管理的功能，其实可以说再往外围就是数据，就是我们开始说的那些各种各样的人力资源管理数据，这些数据由系统来采集并且进行处理。

这个图好就好在，它非常直观的把我们的信息化的、数字化的整个的或者基本的轮廓显示出来。实际上，说到底就是整个企业一个数，或者整个人力资源一个数，我们说建立建设人力资源数字化，建设了一个比较好的境界，就是整个人力资源一个数，当然这一个数不是说一个具体数字，那么小的数，而是一个数据，一个标准一个统一下来的数据，做到这一点也是个相当不错的境界了，也需要把外围的这些东西整合好。从四要素分析，如果我们的站位是站在测评系统这个站位，那么我们看到的就是测评系统怎么做，我们可能最多也就是看到中台系统的这一个数字，这就很不错了。那如果你站在终端系统的中枢，那你可能是看到的全盘，所以站位决定我们在哪里看。视线的问题，就决定我们看什么层次的问题，比如说我们看这个招聘系统，可能是看它的操作如何操作，也可以去看它的系统怎么搭建，也可以看系统与其他的系统之间的这种接口关系。焦点，我们可以是看招聘系统的具体问题怎么解决，招聘系统具体问题的数据怎么来，这也是一个焦点问题，或者从从仲裁系统来看，那么整个系统的运行的效率效能也是一个焦点问题。最后从变化的角度，实际上就是看这个整个的状态，比如说这个状态是2018年怎么样，2019年怎么样，2020年怎么样，当你的人员在N的时候怎么样，在1N怎么样，2N又怎么样，这都是变化的状态，也就是当我们从这几个维度把整个的在看的时候，我们才能够形成一个基本的全貌。

但是这个就够了吗？那么我们看看下面这张图，如果我们仅仅的理解上面这个中台系统的这个one data理解的这个层面的话，我们看看下面这个图怎么办？那我们一看下面这图可能就会感觉到头晕目眩，因为下面的图太复杂了如果我们要解决下面这个图所说的数字化，我们又该怎么做呢？

当然具体该怎么做，今天已经超越了今天我们这个圆桌讨论的这个范围了，这可能是需要一个很深的问题。但是用这两张图，我想表明的意见就是一个那么就是，不论我们在什么层面看问题，我们心中都要有one data，都要有这中整个的一个系统，或者我们要尽可能的去做到这一点，但是仅仅做到这一点还不够，我们还要把更大的企业的范围容纳进去，我们常说人力和业务要接轨，我们要懂业务，我们觉得说这些词，都有人云亦云的感觉，那就是说我们去看看这个大的系统里边到底什么是业务，到底人什么是人的问题，所以，更多的还是我们要有整体的观念，还要有系统观，当然这跟我们的实际站位是有关系的。

在实现人力资源数字化的过程中，我们必然要经历一个从繁复到简化；从堆积各种来源的各种数据，到拥有清晰的数据管理能力；从立足于一键导出和可视化的报表，到实现一个数据、一个企业的一体化，到更高、更深、更广，并且更有效的过程，但应该记住，在这个过程里，贯穿始终的核心脉络是如何实现有效、可靠的数据驱动。

胡明（微信号：humingHYH）：现任华彬航空集团副总裁兼人力资源部总监。行业公益兼职：王通讯人才工作室专家，全联人力资源服务业委员会筹备组成员，中国劳动经济学会副秘书长，全国高校人工智能和大数据创新联盟专委会常务副主任。著作《人力资源管理互联网思维》，《人力资源管理大数据》、《人力资源数据分析》第一译者。

这篇关于人力资源数字化关键在化，化的关键在数据驱动的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！