人力资源数字化关键在化，化的关键在数据驱动
作者：互联网
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。
一什么是中文语义上的数字化？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
二人力资源数字化从哪里来，到哪里去？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。
三三种生产模式，三种“问题-知识-数据”链条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。
四五层四纵的体系架构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。
五人力资源数字化的五个关键词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
六判断人力资源数字化的四个方法论要素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。
标签：数字化,这个,人力资源,在化,关键,数据,我们,就是 来源： https://blog.51cto.com/u_15127642/2777036