拥抱数字，拥抱HR该有的尊重

“HR之所以常常不被重视，是因为人力资源是以‘人’为对象的一种‘软管理’，不具备精确的度量体系。如果HR能够开发出更多更好的“数字”，相关的决策质量就会得到显著的改善。”

随着时代进步，HR的视角也在变化。传统的自身提供六大板块的服务，到现在已经变成了以外部视角看待人力资源应当交付的价值（HRBP/COE/SSC的三支柱模型）的趋势。

与此同时，企业对人力资源职能提出了越来越高的要求：不仅需要清晰准确阐明问题，还还需要收集和使用人力资源职能内外部的相关数据，做出更加科学、高质量的人力资源决策，才能为业务及战略决策提供必要的支持。

在德勤2018全球人力资本趋势报告中，84%的受访者都认为人力分析重要或非常重要，其重要性高居十大趋势第二位。

度量体系难架构

根据德勤贝新建立的人力分析成熟度模型与相关调查研究，高达86%的企业仍然停留在运营性汇报与高级汇报层级，仅能够进行描述性的趋势分析与内外部对标，数据的准确性、一致性与及时性仍是这一阶段企业有待解决的基础性问题。

此外，对大多国内企业而言，不仅传统的HR职能缺少必要的分析技能组合（业务视角、过程咨询、数据分析、IT架构与软件应用），难以针对特定业务与管理情境提出正确的问题，搭建HR基础系统的昂贵成本也困扰着他们。中小企业的人力资资源预算本就捉襟见肘，加上人力资源知识薄弱，短期内很看到收益的效果不明显、不确定性大。

即便是管理结构完善的大型企业，面对深入的跨部门协作要求、海量业务数据，成效难以衡量的投资“黑洞”，也经常犹豫不前。

弹性的分析体系

结合国内企业特有的群体决策习惯与风格，汉能全球人力资源总部OD高级经理，南开大学MBA杨冬分享了他所构思的人力分析体系的搭建路径。

由于企业在基础设施领域的投资相对稳健，又不会一蹴而就，通过现有案例来看，往往会滞后于当前组织的人力分析水平。因此，HR专业人员需要明确并强调人力分析所带来的实际效果。通过展现真实分析过程与数据清理的耗时，令企业决策层意识到现有信息系统的瓶颈与提升数据管理能力的紧迫性。

因此，人力分析体系的搭建是一个“能力引发硬件提升”的需求导向过程。具体可分为以下几个阶段：

阶段1

此阶段的企业已经拥有基础的人力资源信息系统（HRIS），能够有效管理入职时填写的员工基础人力资源信息。HR人员能根据部门或企业高层领导者的要求，通过简单的结构分析与趋势分析，对企业人力资源预算、人员编制、人口统计信息、培训费用、人员的内部流动情况（招聘、离职等）进行必要的描述性汇报。

在这个阶段，企业各层级在日常绩效管理中出现指标各异、数字表格与多种风格的图表繁多的现象，而结构性的、负责任的框架较少，更缺少对数据进行深度挖掘的能力和条件。

结果就是，HR专业人员经常被问：“好的，我知道了，所以呢？”

于是，HR人员不得不重新审视问题，思考数据背后的深层次信息。常涉及到：结论、原因、影响因素、风险，等等。

阶段2

处于此阶段的企业能够充分运用及管理人力资源信息系统，HR领导者能够根据企业战略制定相应的人力资源战略，并主动、有意识的通过设定与战略一致的、系统的、可量化的指标，对人力资源管理体系的效率与效能进行监测与衡量。

HR专业人员进入了更大规模的工作：他们开始就企业所关注特定领域（职能）的关键指标（如离职率、招聘周期等）寻求与外部市场或标杆企业的对标，并在对差距进行识别之后开始对数据背后的原因进行深入分析。尽管尚未将人才管理纳入人力资源信息系统，HR领导者已经开始有意识的但并非系统的将人力资源各模块的数据进行整合。

同时，迫于业务领导者或企业决策层的压力，HR领导者开始寻求在人力资源管理实践和投入与经营业绩之间建立一种更为直观的联系。为了证明数据联系发挥影响力能够对业务带来的改进程度，HR专业人员需要“证明”。首先应当清楚在汇报中聚焦当前管理情境所面临的关键挑战与问题，其次要尝试以外部视角关注及衡量各项人力资源决策产生的效果，对各项人力资源管理实践背后的假设进行检验。才能回答：“我们是否识别出了真正的问题？”、“我们采取的措施与开展的项目是否能够针对性的解决这一问题？”、“我们需要如何与业务领导者进行协作？”这些问题。

阶段3

这一阶段的企业已经拥有了整合的人才管理系统，能够有效管理整个员工生命周期完整的人力资源数据。HR领导者能够准确识别真正的人力资源挑战、对相应数据的进行监测与采取可靠的衡量方法以检验决策的有效性，此基础上开展相连续的实践工作。

尽管企业的商业价值链还未必普及得全面，由于人力资源职能已经证明了自身的分析能力，向决策层展现了科学性人力资源决策的过程与对决策质量的衡量，HR会获得机会，向组织外部探求更新视角、更高层次的学习机会。

在决策与分析方面，HR领导者开始将重心从汇报转向了人力分析，从解决内部视角下的人力资源问题转向外部视角下“真正”的业务问题，开始运用统计分析方法针对关键业务挑战进行相关性模型的开发，并开始尝试与业务领导者建立信任与协作关系。

为了真正产生一定的业务影响甚至战略影响，一方面HR领导者应当着力提升人力资源团队的战略性思考与系统思考能力，例如对内外部业务挑战的识别、对核心商业模式的学习、对客户价值的理解、对竞争对手战略意图与战略举措的思考等；另一方面，HR领导者还应当对财务数据、客户数据与关键运营数据等多种来自于人才管理系统之外的数据进行整合，为进一步检验人力资源决策与业务影响之间的相关性打下基础。

阶段4

处于此阶段的企业在人力分析方面已经较为成熟。为了应对更加严峻的适应性挑战，进一步提升整个领导团队的决策质量，企业开始着手建立商业智慧系统，尝试对分散在多个内部系统之中、格式与接口各异、缺乏准确性与可靠性的海量数据进行整合。

而通过对人力资源内部数据的熟练整合及对业务情境的深入理解，诸多业务领导者眼中的“人力资源问题”能够被有效解决，人力分析的价值也逐渐得到企业决策者的认可。

在这一阶段，HR领导者应当积极配合外部数据服务商、参与整合商业智慧系统的数据整理过程，将此前涵盖数据的更新、重复性数据的整理与删除、新增数据标签的建立、遗漏信息的补充、异常数据的识别与清除等等内容的人才管理系统数据整合与结构化的经验与其他职能及业务领导者分享，加速实现提供实用与可靠的系统及其数据的可能性。

另一方面，HR领导者还应当避免盲目引入更加高级的预测性分析技术。应将已有的分析思维与分析能力与新获取的业务数据相结合，参与到更多业务领导者眼中“业务问题”的识别、分析与解决之中。

面对更加复杂的挑战，HR被希望进行下列思考：

“我们是否识别出了真正的业务问题？”

“我们此前制定业务决策的原因和依据是什么？”

“组织、人才与领导力在特定的情境中扮演了怎样的角色？”

“这一业务问题是否反映出人力资源在组织、人才与领导力实践方面的缺失？”

“哪种人力资源实践（政策、项目）能够最为有效的提升这一能力？”

基于丰富的统计分析经验，一旦提出正确的问题，HR领导者便能够迅速做出高质量的人力资源决策，采取行之有效的措施，并因此产生日益重要的业务影响。

阶段5

处于此阶段的企业已经初步建立起整合商业智慧系统，能够对内部经营管理活动产生的各类结构化数据进行收集与有效的管理。而在决策系统之外，企业的日常工作与沟通交流也大量使用更加成熟的内部邮件、办公协同系统与社交与知识分享社群。

拥有成熟高级人力分析能力的人力资源职能已经与业务领导者广泛协作，在解决重大业务问题中扮演了必不可少的角色，并因此开始参与到企业重大战略决策之中。

这一阶段的主要特点是预测性分析技术的引入，即在识别人力资源决策与业务结果相关性的基础上，通过对结构化与非结构化数据的挖掘、运用回归分析或更为高级的机器学习（决策树、神经网络、朴素贝叶斯等）技术，尝试对决策环境中即将发生的变化进行预测。