数据化人力资源管理应该怎么做

相关推荐

数据化人力资源管理应该怎么做

　　大多数HR“发心不正”，所以才会在数据化人力资源管理的道路上逐渐迷失，也正是因为这种“发心”，他们流连于用数据化来炫技，实际连这件“核武器”的毛都没有摸到。下面是yjbys小编为大家带来的关于数据化人力资源管理应该怎么做的知识，欢迎阅读。

　　要连接财务报表，反映效能

　　HR喜欢强调，人力资源管理是固本强基，无法直接产生财务收益。一个突出的表现是，他们喜欢突出自己的专业，言下之意，“你不是我们这行的，我们做的东西你不懂，但肯定有用”。这显然不是和其他业务部门玩耍的节奏。专业化分工已经是上个工业经济时代的事情了，人力资源管理的界限会越来越模糊，是嵌入商业模式设计中的。海尔就是一个典型的例子，他们正在推进“企业平台化，员工创客化，用户个性化”的改革，你说这是属于人力资源管理设计还是商业模式设计?都是!

　　随着商业逻辑的迭代，人到人力资源效能的因果关系越来越明显，去除了工业化时代的模糊。一是因为人人时代的到来，个体协作的交易成本已经降到最低，我们能够量化出个人的产出。二是因为市场具有高度的不确定性，倒逼人力资源管理给出更多的确定产出。这就是很多老板现在越来越功利，越来越要求HR用结果来说话的原因。老板心中有个潜台词：“你告诉我，我花了这么多的人工成本，我买到了什么!”

　　所以，既然HR们的专业被拆除了壁垒，既然HR们越来越被要求给出确定性产出，他们就应该用大家的语言来沟通——财务报表。实际上，不能进入三张表(资产负债表、损益表、现金流量表)的所谓“贡献”，老板们不会认可。从这个角度说，人均应收、人均成本、人均利润、人工成本投产比等等指标才是老板们关心的。更进一步说，要考虑员工的直接产出与投入之间的关系，比如每个员工服务的顾客数，服务100名顾客的差错次数等。这可能会让HR感觉到压力，但连接这些指标，并证实自己能够影响这些指标才是正途。

　　想象一下，当你告诉老板：“本年，我们的人工成本投产比已经提升了20%。这是因为两个原因：第一，新一轮的子公司经营管理人员调整后，新到位的人员经营业绩普遍提升30%，相对未调整人员业绩提升高了24个百分点，成为公司业绩的重要增长极。第二，在业务规模上升25%的前提下，我们的人员数量，人工成本的上升都控制在15%以下，相比往年同样的业务增长规模(25%)，人员增长率下降了8个百分点。

　　”看到了吗?这才是与老板们玩耍的节奏!"

　　要呈现人在组织模式中的分布状态

　　传统的错误假设是，人的一切状态都将影响到绩效。事实上，从“人到人力资源效能”的过程是以组织模式为介质的，组织模式确定了“什么员工应该在什么地方发挥什么作用”，换句话说，HR们需要把人放到一个组织中，查看其个人特征在组织内的“分布”对于组织的影响，有可能形成什么样的相互影响，这种影响是正面的还是负面的，而不是孤立地评价个体。这类指标既反映了人的分布合理性，也包括了组织模式的设计合理性。离职率、年龄分布、司龄分布、人才储备率、人才成长率等指标都是说明人在组织模式中的各种“分布”。

　　我们常见的一个误区是喜欢盘点一个表面数据。例如，盘点公司员工的平均年龄就很无聊，一个平均年龄为45岁的大企业并不一定是没有活力的，有可能他的50岁以上的员工很多，而这些员工分布在闲职上(企业的“换血计划”进行的调整)，这拉高了平均年龄，但并没有降低企业活力。

　　以这个例子展开，这个时候有两种处理办法。第一是按照年龄在这个维度上细分，分出20-25岁，26-30岁，31-35岁……的不同组别，盘点出这些组别上的员工人数，发现年龄分布，这比平均年龄的表面数据有用多了。进一步，我们还可以根据一些假设来推导这种分布的影响。可以确认的是：第一，新人会对旧人形成冲击，让他们感觉到竞争;第二，假设同样的旧人，100个新人形成的冲击肯定要比10个新人形成的冲击大。那么，我们就可以设置一种算法来量化出这个企业从年龄角度分析出的竞争氛围，我把这种算法叫做“活力曲线值”。

　　第二是加入其它个性特征的维度进行列联分析，这样会让原本无用的数据产生出价值。例如，盘点出组织内员工的学历结构其实没有太大的意义，而一旦加入岗位分布的维度，我们就有可能发现管理岗位上累积了大量的高学历人才，而他们的职位普遍较低，这就有可是一种“可以开发的力量”。我们大可以想象一下，如果叠加多个维度的数据，这种分析将多有价值。例如，我们可以将绩效平均差排名企业内TOP10的管理岗位视为“高挑战岗位”，如果在这样的岗位上，员工的学历和人工成本支出仅仅排在TOP30，那么，这样的分布就不够合理。

　　要反映HRM职能的运行状态

　　有了合理的组织模式，有了员工的高绩效特质，有了员工在组织模式中的合理分布，不代表可以自动产生高绩效。

　　第一，员工队伍本来就是流动的，有流入，有流出，有内部流动，所以，人力资源的配置职能(招聘、淘汰、再配置)必须要发挥作用，以确保分布的合理性，让员工“有机会干”。

　　第二，员工的行为既有好逸恶劳的一面，又有需要被调动出无私奉献的一面，始终需要人力资源制度的激励和约束，所以，人力资源的激励职能必须要发挥作用，让员工“有意愿干”。

　　第三，员工自身的能力和知识储备也有不足，人力资源的培养职能必须要发挥作用，让员工“有能力干”。人力资源管理职能进行的干预(通过人力资源制度或政策)，是加诸在组织模式和员工分布上的“外力”，实际上是现有人力资源管理的主要工作。盘点出这些职能在多大程度上发挥了作用，是往哪个方向上发挥了作用，才能和其他维度的数据形成整体的逻辑链条。

　　当前的问题是，HR在人力资源管理职能上的盘点“重程序而轻实质”，仅仅记录一些工作的痕迹，而忽略了要观察的“外力”。我们想要了解的，是这个企业人员流动的趋势是怎样的，哪些人流进来，按照怎样的标准向上流、向下流?这个企业的激励是不是真刀真枪，还是有顺风车和避风港?这个企业的培训后台是不是对员工有强力的支持，还是愿意让员工在干中学?从指标上说，新进率、流失率、轮岗率、晋升率、降职率等是反映调配职能的指标;绩效极差、平均差、薪酬分布曲线、绩效工资分布曲线等是反映激励职能的指标;员工培训普及率、人均培训学时、重点人才培训学时、人均投入培训成本、重点人才人均投入培训成本、培训学时分布曲线、培训成本分布曲线等是反映培训职能的指标。

　　以配置职能为例，Netflix就是高速流动的公司，他们的人员迭代极快，确保企业随时都有最顶尖的人才。再如，我辅导过的某企业完全是业绩导向，虽然人员对外封闭，但内部上调下调非常频繁，虽然他们的年龄、司龄的活力曲线值并不突出，但内部竞争氛围无与伦比。

　　要有大局观，去除对标强迫症

　　有了上述三个方面，数据化人力资源管理从形式上算是走入了正途。但是，人力资源管理并非拥有一个像财务管理一样的标准化传导机制，所以，数据重要，指标重要，但是运用数据和指标的人更加重要。每个企业的情况不一样，人力资源效能生成的机制不一样，甚至关注的人力资源效能也不一样。因此，HR应该放弃按图索骥的希望(这正是市面上一些机构所强力兜售的)，转而以终为始，基于所在企业追逐的人力资源效能，摸清其生成机制。

　　我最无奈的是看到一些HR们的“对标强迫症”。例如，某些企业致力于成为“最佳雇主”，于是，把“员工满意度”视为目标，高度关注“最佳雇主排名”，甚至喊出了“要让员工来了就不想走”的口号。这在追求创新的企业中就是错误的。如果企业要求创新，就必然有人才的硬性标准，必然有一些偏执的导向，这就不可能让所有员工都满意。况且，员工真的不想走了，企业就很大程度上失去了人才换血的机会(淘汰员工的成本会很高)，而这种机会往往是创新的重要筹码。

　　再如，有的企业致力于成为人才培养的学校，开展“全员学习”，号称要把培训“做深做透”。这在某些企业内也是错误的。如果20%的明星员工创造了80%的业绩，这时候，仍然把培训普及率作为一项重要的考核指标，这种逻辑本来就有问题。再如，如果某些成型人才在市场上招聘的成本远远低于招入毛坯进行培养的成本，为何还要建立华丽的培养体系?还有，如果有的企业处于新行业、新市场，本来就缺乏成型知识，员工的知识获取主要是通过“干中学”，这个时候再强调个人的人均培训学时，这种逻辑更是有问题。

　　简单来说，条条大路通罗马，用别人的车来开自己的路，不一定是最合适的。有了人力资源效能的目标，必须反推需要什么样的队伍，再反推需要什么样的职能。三个环节之间的指标必须紧紧咬合，要有强烈的因果关系。有的指标看起来具有因果关系，但当用建设建立方程，再把数据放进去，就会发现因果关系根本不存在，甚至也不存在相关关系，这就需要回过头去质疑假设。企业的现实情况会颠覆教科书中的种种教条，这就是现实，但对于只会埋头做事，不会抬头看路的HR们，是听不懂的。

　　当HR们用自己的“大局观”把数据在职能运行(人力资源机制)、队伍状态(反映人员在组织模式中的分布状态)和人力资源效能(链接财务指标)串成一条或若干条逻辑链条时，他们就会发现，由于数据之间形成了强力的因果逻辑，卡住了那几个关键节点，就控制了人力资源管理的贡献。将这些代表关键节点的指标放到一起，就是“人力资源效能仪表盘(HEIP)”，这就是我为何推崇用这个工具来做数据化人力资源管理的原因。

【数据化人力资源管理应该怎么做】相关文章：