浅谈人力资源数字化思路

浅谈人力资源数字化思路
随着互联网、大数据、云计、人工智能的快速发展和广泛的使用，人类的在
各方面的生活方式都发生了极大的改变，如影响最大的生活消费方式的变化，日
常消费人们几乎不再或很少使用现金，大部分的交易都是通过互联网平台上完成，如：淘宝、京东等等。

除了传统的网上购物交易，近些年我们又开始兴起了视频
平台，可以通过直播带货、各类才艺表演可吸引大批流量和关注。

除了以上的对于日常生活的影响外，对于企业的发展及日常的工作模式也有
着非常大的影响。

近些年来依托于互联网的发展，各大企业尤其是传统企业都开
始数字化转型，希望通过数字化转型解决了企业的发展节奏，给企业带来更多的
机遇，在数字化的转型过程中能够发展地更大更强。

再企业推行数字化转型的过
程中，再人力资源领域中也提出了数字化转型的要求，人力资源作为企业的核心
竞争力，需要紧密跟着公司数字化的进程，为公司管理决策提供数字化支撑；
以下根据日常工作的一些经验总结，对于企业人力资源数字化从如下几个维
度进行阐述；
一、业务场景流程梳理，流程规则植入IT系统，关注流程高效、用户满意度，数据流转的准确性
在人力资源数字化的过程中，我们首先需要对于现有的业务场景流程进行梳理，在场景梳理的过程中我们需要关注哪些场景和流程我们可以通过数字化实现，关注效率，用户满意度，以及已经在各场景和流程运行的过程中会产生哪些数据，需要哪些数据的流转，为后续的数据治理提供相应的支持信息。

流程规则植入IT系统：在梳理流程的过程，我们需要将所有的规则植入IT 系统，通过系统审批流来完成流程的实现，流程的审批。

如：员工的入、转、调
离的审批，薪资调整的，需要不同层级审批到人的级别不一致，需要在系统中完
成规则的配置，并通过系统完成流程审批，这样保证的了流程可控性。

以上是对于审批流程植入IT 系统，除审批流外，对于其它流程的控制点我
们还是需要系统校验，完成控制，例如为了确保薪资计算的准确性，我们需要对
于薪资计算的整个流程中的控制点在系统进行校验，校验通过后才可以推送相关
的审批流程。

流程高效，关注用户满意：通过流程的梳理，IT 系统的梳理完成工作流的
高效，并提高用户的感受都。

如员工入职的场，在员工入职的过程中其实是一个
信息流转的过程，员工需要将公司需要的信息传递给公司，与此同时公司需要将
公司的信息传递给员工。

员工信息输入：传统的方式是员工填写信息表，人力资源部将相关信息录入
人力资源主系统，其实在这个过程中，很容易信息填写不准确而且需要人力资源
专员将信息录入系统，其实这个本身就是一个冗余的工作，所以在员工入职的这
个环节，我们首先要思考相关的人员有哪些，他们的主要职责是什么，在整个流
程中我们的数据流转哪些，在流转的过程中，是否有重复的工作，目前中间的人
力资源专员的录入工作其实就是一个信息的二次输入过程，目前很多公司在员工
信息的采取过程中就采用系统采取的方式，通过相关小程序，入职员工可以将基
本信息录入，录入完毕后直接推到人力资源主系统，人力资源专员在维护员工在
公司的身份信息，这样的过程中就没有冗余的工作，比较高效。

公司信息输入给员工，目前更多的方式是组织统一的入职培训，统一的入职
培训会有一定的时间限制，员工可能入职半个月才被安排到入职培训，所以在公
司信息流转给员工的过程中，我们可以通过E-learning 的方式将公司信息传递
给员工，我们也可以用数字老师给员工进行培训，对于员工的问题进行解答。

这
样员工可以快速的了解公司，加快新入职员工的感受。

在统一的入职培训，我们
可以做成一个交流会或者答疑会，谈员工的感受，解答员工疑惑。

这样可以大大
提高员工的感受度。

数据流转的准确性：流程在运行的过程中，其实也是一个信息的流转的过程，信息流转的过程我们要严格杜绝信息的二次加工，所有的信息都有其自己的输入人，信息负责输入人需要对信息的准确性进行负责，在信息的流转过程系统保证
信息流转的完整性及准确性，这样整体的信息流转到所有相关方都是一致的。

信
息在不同系统中的流转过程，我们要关注系统显示时间性，系统多久推送一次，
要根据下游用户的使用数据的时效性，来确认系统传输的时间长度，并且我们要
实时监控系统传输数据的准确性，我们经常会看到，由于系统在传输过程中结果
出现问题，导致数据未及时传输倒数下游数据的使用方的数据缺失。

所以系统的
稳定性我们也要实时监控。

二、人力资源数据治理，规则一致，语言一致，系统稳定
人力资源相关数据在任何公司都存在，只是存储的方式，存储的位置有所差异，数据管理做的好的公司都会有一个人力资源主系统进行人力资源数据的存储，但是很多规模较小的公司，因为其数据有限，其整体的数据资源分散式管理，线上，线下存储。

这只是我们看到的现有数据存储层面的差异，除此之外其实人力
资源的数据是十分广泛的，海量的数据存在，但是其质量及应用大多数的公司还
不是比较关注。

由于其人力资源数字化最重要的一点是要有，但是其数据由于跟
业务的相关性不是很密切，人力资源数据的使用其实并不是很广泛，这样就导致
对于其数据的准确性及质量关注度不高，但是随着技术的进步，大家越来越认识
到大数据的价值，如果想根据人力资源大数据进行决策，那么数据的质量就尤为
的重要，否则会影响决策方向。

所以越来越多的公司开始关注人力资源的数据治理，保证人力资源数据的质量，达到事半功倍的效果。

如下基于目前数据治理市
场上比较流行的方式，聚焦于人力资源领域的，可以从如下几个方面入手：数据治理需要从如下几个方面入手：
（1）人力资源元数据管理
元数据：确定数据的统计时间、统计周期、统计区域范围。

技术元数据：信
息数据存储在的位置、访问的URL地址，数据存储库，对应的表名，字段有哪些等。

操作元数据：信息数据上传人，上传时间，修改时间等。

理元数据：人员信
息数据访问权限，安全等级，质量等级，过期时间等。

（2）人资资源数据质量管理
人力资源数据质量管理首先要搞清楚数据质量问题产生的原因，是系统问题技术、流程问题，业务逻辑问题，但从从目前的工作实践中总结基本上就是业务场景中逻辑的问题，还有对于数据定义的问题，其次就是系统的问题。

完整性
完整性是指数据的记录和信息是否完整，是否存在缺失的情况。

数据的缺失主要包括记录的缺失和记录中某个字段信息的缺失，两者都会造成数据不准确。

对于数据的完整性，对于必须输入字段要设置一定的校验，是否存在数据缺失，可以统计表中的条数以及表中某些字段为空的条数，来判断数据是否完整。

对于不完整的数据要每天进行提醒。

准确性
准确性是指数据中记录的信息和数据是否准确、是否存在异常或者错误的信息。

为了保证人力资源数据准确性的一个重要的前提就是要对于每一个录入字段要有明确的定义，适用场景，输出相应的人力资源数据字典，数据字典是保证人力资源数据准确性的重要的一个文件，我们经常会发现，很大一部分的错误，是由于对于字段理解的差异，因为人力资源的字段，比较简单，我们以为理解起来很容易或者都是约定俗称的东西，的确是存在一些字段是常识类的理解，但是大部分的字段我们还是需要明确字段的定义，适用的场景，这样对于数据的录入才会提供保障。

除此之外，数据字典是一个不断完善的过程，我们不要寄希望于一次就能全部清晰的完成，在日常的工作中我们可以根据实际情况进行修订，对于数据字段我们要对相关的数据录入人员做好培训及测试，保证录入数据的准确性。

数据字典我们要放到一个公共区域供大家查询，作为一个公共文件，并要定期组织学习培训。

除了加强培训及测试外，在数据采集的过程中对于人工输入的部分，还需要设计相关的工具，帮助数据录入者提高录入数据的准确性，这样对于我们内部的效率提升会有很大的帮助，对于录入人员工作的改善也有很大的帮助。

例如录入数据界面的友好性，存在一定数据关系的校验。

对于基于录入数据根据逻辑关系计算的数据，一定要系统自动生成，不可以人员录入。

除了以上对于录入人员的要求外，对于内部的流程一定要简单清晰，其实在日常的工作中我们会发现本来系统逻辑是很清晰的，但是就是由于很多的特殊情况，或者个别领导的要求，我们更改了些系统逻辑，导致或许系统逻辑越来越复杂，最终是一个失控的状态，影响正常数据的准确性，对于这种情况，已经固定的流程及系统逻辑我们要前期规定好什么场景下我们需要重新回顾逻辑，什么情况我们可以更改逻辑，对于临时性的领导要求，我们要有勇气拒绝，当然公司也要营造一个规范工作的氛围。

一致性
对于同一数据要保证数据是一致的，首先搭建数据字典对于数据的定义描述要清晰，统中不允许有数据字典外的数据存在，与此同时，数据之间要存在一定的校验关系。

其次，对于数据在各个系统间的流转，是元数据的流转，尽量不要在不同系统间又不同的名字的转换，保证数据的一致性，这样名字一致，理解也一致，人力资源数据的适用范围在有限，所以尽量不要更改字段名称。

及时性
人力资源数据的录入也要有及时性，系统与系统之间的传输也要尽量缩短时间，保障数据的及时产出才能体现数据的价值。

这里我们需要重点关注首先就是我们后续报表的应用的时间点，在整个时间点前，相关的数据需要全部录入系统，并保证数据的准确性，预测同时人力资源数据不可能单一的存放在一个系统中使用，各方如果需要人力资源数据都需要调动该系统数据，这样就会面临数据传输过程中的及时性问题，所以在系统与系统之间进行数据传输搭建接口的过程中，我们要关注传输时间及周期，这个时间和周期的制定可以根据下游系统使用者的需求进行定义，为了数据更快速的传输我们可以搭建数据仓库，搭建数据仓库的过程中，我们还是要关注仓库的容量问题，对于数仓库技术的使用还是要根据本公司的实际需求进行选取。

在数据在不同系统之间传输的过程中，我们要设计一个系统正常运行监控表，以保证系统在非整行运行中保证运维人员及时了解，这样可以及时解决问题，避免问题扩大化，例如当系统数据未按照既定的时间进行传输的时候需要开启报警功能，相关人员可以及时的排查，解决问题。

数据质量考核
因为对于人工输入的数据就存在一定的错误，为了保证促进数据的质量，我
们需要建立内部的数据考核机制，明确权责，谁录入谁负责，对于系统定期要输
出系统数据质量校验报表，目前只能通过完整性，及相应的逻辑进行校验，输出
的最终校验报表需要发给相关的系统数据录入人员，这是找错误的报表。

除此之
外我们要根据相应的影响面设计上报机制，例如哪类错误，多少错误，错误频率
我们需要向上上报。

与此同时我们还需要设置奖惩机制，全年数最佳质量奖，用
来激励数据录入人员。

（3）主数据库
其实数据在系统与系统之间传输的过程中，就会存在传输失败的风险，因为
不同的系统可能底层的逻辑存在着一定的差异性，所以目前市场上对于人力资源
数管理都会选择一个数据平台，但是在选择主数据平台的过程中我们需要考虑自
己的实际业务场景的复杂度去匹配相应的数据平台，但是建议在上主数据平台的
前期我们要把自己内部的流程进行梳理，尽量简化，取消一些无价值的而流程，
这样不仅可以减少管理成本，对于系统数据的逻辑搭建也会清晰简单，后期运营
也会比较轻松。

另外的一个建议是在上主数据平台的前期我们要一个一个模块进
行上线，不要众多模块一起上线，这样我们投入资源会非常的分散很难做到聚焦，这样会很影响上线结果，我们可以先上线一个模块在运营稳定后，再上线其它模块，这样才能稳扎稳打，保证数据及系统符合公司的需要。

主数据系统上线完毕后，肯定会和其它系统进行数传输，在数据传输的过程中，对于接口的逻辑一定要清晰简单，否则会后患无穷。

总之内部流程尽量要简单化，特殊无价值的需求取消，这样我们才能轻装上阵，聚焦于有价值和异议的事情上。

（4）数据安全管理
人力资源数据因为涉及到人的数据，具有一定的敏感性，对于访问权限的划分，我们要根据内部的关系需要输出相应的权限表，并设置相应的权限。

保证数
据的安全性。

三、数据的展示及应用
我们拥有了大量的人力资源相关数据，这些数据只有应用了才会展示出其相
关价值，建议从以下几个方面去考虑数据的展示及盈盈
确定数据展示平台，基于用户的感受都，系统不易过多，或者所有的系统入
口可以通过一个入口进入，所以建议人力资源数据的展示放到公司大数据集成平
台进行展示，但是要有清晰的权限设置。

首先要了解客户的需求，人力资源数据如果只是停留在人力资源系统中，
或者只开放给人力资源部门去使用，那么其价值是及其有限的，所以我们在拥有
了大量的人力资源数据，我们需要向公司内部的部门进行开放，但是我们要根据
公司的整体人力资源战略，确定固定要展示给各部门的数据，与此同时还要关注
差异化展示，差异化展示可以基于不同的层级需求展示，例如总经理，总监，经理，相关员工看到的数据展示报表需要差异化处理，因为各层级人群的关注的点
不一样，高管层关注的更加宏观的数据，但是普通管理人员只关注某些层面的数据，对于普通员工关注的可能只是自己负责的领域的数据。

除此之外，我们也要
关注数据的保密性，不同层级、不同员工看到的数据要有所差异。

还要基于客户
的要求进行展示，因为每个部门关注的数据有所差，如有些部门是业务需求一些
人力资源数据，那么这些数据就可开放给相关的部门进行使用，但是有些部门只
是关注自己部门员工的数据，例如离职率，培训率等等，这样就要开放给相关其
关注的数据给带相关部门。

与此同时数据的展示还要有一定的灵活性，部门可以
根据自己的需求定制化报表，开放报表定制化报表模块，随着业务的需求的完善
慢慢的完善定制化报表的维度。

除此之外我们也可以考虑一些交互型的数据展示，这样会更加的方便客户。

以上是对于现有数据仅仅是根据需求的一个呈现，及一些简单的分析。

但是
对于大数据的最大价值就是大数据分析，从一些数据中找到关联性找到因果关系，
给到我们不一样的分析结果，可以让公司从不同的维度去思考一个问题的原因，
例如根据员工的相关的信息分析其离职的可能性，根据员工在公司的成长路径去
分析那些员工拥有什么样的特质会在组织中能够得到晋升。

基于大数据分析的结果，通过多维度的建模形成一套属于自己公司的人才选拔体系，不仅有理论基础
还有，数据模型支撑，是人力资源的决策更加科学有说服力。

随着人工智能的发展后续大模型的进化，数字化领域基于人工智能技术会有
更打突破，生活工作会有颠覆性的变化，而且会在不远处。

所以作为一家公司我
们要时刻与时俱进，对于发展的潮流及性的技术有一定的敏锐性，并随时准备着，在新的技术革命中自己是最先引领潮流的那群公司，这样对于公司的持久发展有
着深远的影响，如果公司需要转型我们也做好了充分的准备。