毫无疑问,“数字化”这个时代热词带来的商业环境改变,让企业面临极大的不确定性。2020年以来,黑天鹅和灰犀牛事件频发,我们一次次地“见证历史”,不确定性抵达了前所未有的高峰。


当外部因素难以把握,企业自然开始追求内部变革。宏观上,组织转型已经是大势所趋;微观上,各大职能体系也都在经历变革。其中,人力资源作为决定组织能力的重要职能,更是经历了疾风骤雨的洗礼。


穆胜咨询发现,在数字化转型的浪潮下,诸多大厂已经对HR提出了全新要求。


一、数字化——向HR专业渗透


国家十四五规划和2035年纲要的第五篇,专门谈到“加快数字化发展,建设数字中国”问题。简单统计,“数字化”在《规划》全文出现25次,“智能”出现35次,“智慧”出现22次,“大数据”出现10次。


根据百度搜索指数的综合统计,自2016年起,数字化热度一直持续上升,2020年出现明显的拐点,以更快的速度上升。

 

图1:数字化热度

资料来源:穆胜咨询

备注:穆胜咨询结合百度指数(数字化、数字化转型、数字化管理等词条)统计加权处理后得出(权重按照关联重要级设置)。

 

这些信号都充分说明了数字化时代已经来临。有人认为企业数字化转型是业务流程数据化,这没错,但并不完整。人才同样也需要数字化,只有这样才能实现业务流、资金流和人才流三流一体在线,实现数字管理。


先不提人力资源数字化,看看更基础的人力资源数据化。人力资源数据化并不是未来,而是已经发生的趋势,大量企业已经开始实践了。根据穆胜咨询2020-2021两年发布的年度《中国企业人力资源效能研报》,2021年有50.1%的被调研企业重视数据化人力资源,并设有负责此项工作的专职员工或团队,用以沉淀人力资源数据。对比2020年,该比例上升了5个百分点。

 

图2:企业对数据化人力资源的重视及应用情况

资料来源:穆胜咨询《2021中国企业人力资源效能研究报告》

 

在数字化转型的浪潮下,以互联网、地产、金融为代表的大厂们站在了浪尖,腾讯、百度、滴滴、绿城等企业纷纷行动。让我们来看看,他们对HR提出了哪些新的要求呢?


通过对大量招聘信息的查阅、整理、分析,我们发现了一些在数字化转型浪潮中HR职责的变化,这种变化主要有两类:


一类是在HR现有岗位职责的基础上增添了数据分析的职责,或是把这种职责放大设置独立的岗位,这种变化是“小升级”,因为HR的工作逻辑没有本质的变化;还有一类是在HR部门中设置了专门承接数字化转型的岗位,这种变化是“大改造”。


如果说小升级是把原来的人力资源相关信息变成数据并进行分析判断,那么大改造就是把这些数据变成人才流,并与资金流、业务流结合在一起线上化,从而真正实现数字化管理,说白了,小升级是大改造的前提。 


二、稳健革新——HR的小升级


如今,大厂的人力资源职能架构大多会采用“三支柱模型”,即专家中心(COE)、共享服务中心(SSC)和业务伙伴(BP)。在职责上,COE偏向规则制定和综合赋能,SSC偏向流程管控及运营,BP偏向政策落地。


大厂们的小升级通常从SSC开始,对比传统HRSSC的职责,从看数据和查数据,开始向分析数据和管理数据转变。


比如,腾讯HRSSC专员的职责有“SSC运营支持和相关方案跟进,有较强的HR数据分析能力,并管理员工基础数据。”


有些大厂会将这种数据分析的职责放大,形成单独的岗位,通常叫做“HR数据分析”。 

 

设置类似岗位的企业很多,比较知名的,如绿城、滴滴、网易、中金、三一重工、商汤集团、58同城等,企业类型涉及了互联网、AI这种科技前沿行业,金融行业,甚至传统制造行业。这些来自不同行业的大厂已经行动起来了,通过小升级的方式调整,以适应数字化转型的需求,这是一种进步。而且,他们中的大部分选取了人力资源部门里天然靠近数据的HRSSC迈出这关键的第一步,无疑是一种相对简单但有效的选择。

 

总结下来,这类岗位的职责主要有:


  • 数据整合——数据梳理、提取、清洗;

  • 指标搭建——根据业务特点建立指标体系;

  • 数据分析——分析数据,形成报表或在线数据仪表盘(可参考人力资源效能仪表盘HED)


对比传统的HR职责,这种进步已经十分明显了。穆胜咨询判断,真的做到这一步,HR再享受5年的“专业变革红利”不成问题。“红利”反映在什么地方?无非就是HR们的身价(钱)和地位(权)嘛。


三、底层重塑——HR的大改造


如果说,上述的调整思路还是在人力资源传统逻辑上进行的。那么,对于本就数据化程度极高的互联网大厂来说,这种小升级就显得有点不够“大胆”了,他们追求的是一种“大改造”。


根据我们以往的经验,企业的数字化转型,大多是由IT部门、业务部门或战略部门牵头,人力资源部门往往都是以相对被动的形象出现,甚至有时还被诟病为“拖后腿”。但如今,越来越多的人力资源部门亲身参与其中。值得一提的是,有的大厂的数字化转型甚至是由人力资源部门作为主力之一来牵头的。


对于这种企业来说,往往会设置人力资源信息化(数字化)相关岗位。比如互联网头部企业腾讯和百度。


除了腾讯、百度这样的互联网大厂,伊利、吉利、长城汽车、京东方、中建国投、富士康等大型传统企业也同样设置了相似的岗位。对于这些企业来说,业务数字化转型已经进行了一段时间,如今,数字化转型似乎渗透到了人力资源领域。从“业务”到“管理”的数字化,符合一般的数字化转型规律。这类企业的数字化转型进程,似乎也让他们和竞对之间越来越拉开了若干个身位的差距。其实,我们想说——没有传统的企业,只有传统的思维。


这些岗位职责来自于不同的行业,但总结下来,有这几条主要职责:


  • 系统搭建——基于公司战略和业务搭建HR信息系统;

  • 数据模型——建立人力资源数据分析模型,通过系统及数据平台,对人力资源、业务指标进行统计;

  • 决策支持——多角度分析组织、人力数据,发现问题,提出改进意见。


我们还注意到,有些企业的人力资源信息化系统是自己搭建的。他们组建团队,根据自身业务特点形成独有的数据生态、指标体系、分析手段和干预方式。这种“自力更生”的方式满足本地化的需求,有更好的落地性。


还有一些企业会选择借助专业机构的力量,企业通过一两个接口岗位与专业机构对接,完成转型。要么是引入专注于人力资源数据化的咨询机构;要么是引入SaaS或PaaS一站式解决方案;要么是双线并举,让数据化成为数字化的基建,让数字化成为数据化的依托。其实,企业“借助外脑”来实现人力资源数字化的破局,往往更加高效。


不管采用哪种方法,对HR都提出了更多、更高的要求,他们需要对人力资源专业有全新理解,还要能将这种理解转化为一种新的工作模式。身处于“大改造”环境中的HR,玩的是心跳,要么是驾驭趋势,一飞冲天,要么是被趋势抛弃,最终黯然退场。


四、数据战士——HR新任职要求


HR的这些新职责和新岗位对HR来说既是机遇又是挑战,传统HR的任职要求已经不能满足这些新的岗位和职责了,最明显的变化是要求HR具有数据能力。我们来看看大厂们对HR的数据能力都提出了哪些要求:


  • 阿里——良好的逻辑思维和数据分析能力,对人力资源数据化管理有清晰思路和认知;

  • 腾讯——具有业务流程建设和优化经验,强业务抽象能力,数据建模能力及数据分析能力;

  • 滴滴——思维敏捷,有敏锐的业务洞察能力,较强的信息收集能力,对数据、业务和组织敏感,能够独立对高复杂度的业务问题进行研究分析,给出有深度的判断和可落地的解决方案;

  • 美团——具备现状调研、数据分析和报告解读的能力;

  • 58同城——具备良好的业务思维,能够实现HR管理和数据需求的良好结合;

  • 网易——数据驱动,业务导向,具备良好的沟通能力和团队协作精神;

  • 中建国投——较强的分析嫩李和解决问题的能力,逻辑清晰、擅长数据分析与需求梳理;

  • 安踏——对企业数字化转型相关领域有足够认知洞察能力,并能前瞻性地理解技术发展趋势和应用场景。

 

总的来看,大厂们HR的数据能力要求中,数据整合、分析、形成报告是相对初级的要求;搭建信息化系统,形成数据生态并指导业务是相对高级的要求。

 

这种任职要求的提升不仅仅体现在数据能力上,也体现在对专业背景的要求上,从大厂的招聘信息上可以看到,HR岗位已经开始招统计学、经济学、计算机、自动化等非人力资源专业的人才。从工作经验的要求来看,人力资源相关工作经验也仅仅是个初级的要求,搭建HR信息平台,商业模式分析,企业数据洞察,咨询公司背景等相关工作经验也成了某些大厂的高阶要求。更有甚者,需要HR懂区块链技术和相应的开发经验。


对于办公软件的要求也明显增多,传统的HR一般只需要会使用Office和公司OA系统即可,从大厂对这些岗位的招聘信息中可以明确看到,Hive、SQL、SPSS、Python、R、Tableau等专业性较强的数据分析处理工具也成了HR们所要掌握的。


HR们注意了,需要警惕跨界打劫!


五、HR该如何提升?


数字化转型浪潮下,面对这些新岗位、新要求,HR们要怎么提升自己才能立于潮头持续向前,而不是被大浪拍在沙滩上呢?


再次强调,数据化是数字化的基建。想要跟上数字化转型的浪潮,首先实现人力资源专业的数据化。


人力资源的数据化需要三个基础,穆胜博士称之为IBR。我们举一个简单的例子(如图3)

 

图3:IBR模型

资料来源:穆胜咨询

 

这个模型是人力资源经营价值链中上下游指标关系的缩影。举例来说,X是组织结构精简度,而Y是人力资源效能,显然,组织结构精简对于人效有影响。要建立这个模型,我们需要知道三类信息:


一是指标算法(Indicator),即找到量化组织结构精简度(X)、人力资源效能(Y)的指标。这让人力资源专业从“语文题”变成“数学题”。这个方向上考验的既是设计者的数据思维(Data Mind),也是设计者对于人力资源专业的理解。现在谈人力资源指标的机构不少,但说实话,指标有没有才华,是不是油腻,明眼人一眼就能看出来。


举例来说,我们通过“扁平化指数”来衡量组织结构精简度,这个指标受到管理幅宽和管理层级的影响,管理幅宽越大,管理层级越少,扁平化指数越大。


二是指标基线(Baseline)即回答X和Y的指标多少算高,多少算低?这让人力资源专业成为能够迅速自检和反映企业问题的雷达。


继续前面的例子,我们给出的Baseline是:扁平化指数低于1就是有组织冗余,激励真实指数低于5%就是假刀假枪。我们为一个企业进行组织与人力资源量化盘点时,发现他们的职能部门扁平化指数只有0.3,我开玩笑——你们这已经不是金字塔大了还是小了,你们这直接就是埃菲尔铁塔嘛。


三是专业规律(Rule),即回答X对Y的影响力a应该是多少?我们通过精简组织来提升人效究竟靠不靠谱?这能让企业发现提升人效的最佳路径。


毫无疑问,随着数字化转型进程的深入,人力资源管理一定会发生颠覆性的变化。大厂们“春江水暖鸭先知”,已经对自己的HR提出了全新的要求。留给人力资源专业的时间不多,尽快上车吧。

点赞(0)

评论列表 共有 0 条评论

暂无评论

微信小程序

微信扫一扫体验

立即
投稿

微信公众账号

微信扫一扫加关注

发表
评论
返回
顶部