国有企业人力资源数字化建设的解决之道（一）

国有企业人力资源数字化建设的解决之道（一）

2020年，国资委下发《关于加快推进国有企业数字化转型工作的通知》，开启了国有企业数字化转型的新篇章，明确了国有企业打造数字经济新优势的建设目标。

国家“十四五”规划更是将“加快数字化发展建设数字中国”单列成篇，明确提出“以数字化转型整体驱动生产方式、生活方式和治理方式变革”。

2023年2月27日，中共中央、国务院印发了《数字中国建设整体布局规划》（以下简称《规划》），并发出通知，要求各地区各部门结合实际认真贯彻落实。《规划》指出，建设数字中国是数字时代推进中国式现代化的重要引擎，是构筑国家竞争新优势的有力支撑。加快数字中国建设，对全面建设社会主义现代化国家、全面推进中华民族伟大复兴具有重要意义和深远影响。

在此背景之下，众多领先大型集团化国有企业已纷纷将人力资源数字化建设作为其全面数字化转型统筹规划中的关键一环：这是实现数字化助力企业"质量变革、效率变革、动力变革"的关键驱动之一，是“建设集团数据治理”的重要内容之一，是实现企业高质量发展的重要举措之一。

（全文的前言部分点击下文目录进入浏览，其余内容共分以下七个专题：

前   言：国企人力资源数字化建设的挑战和应对关键（点击进入）

数据治理篇：夯实数据基础，实现“数据支持决策”

蓝图规划篇：引领人力资源管理数智重塑”

集成篇：顺应数字经济发展趋势，赋能业务运营

第出海篇：支持国企“走出去”高质量发展

关键职能篇之组织人事：奠定数智基石

键职能篇之薪酬福利：打通管理枢纽

关键职能篇之人才管理：管理提升着力点

一、人力资源数字化转型之路，数据治理先行

国有企业信息化建设之路践行多年，仅就人力资源系统本身，已经存在众多纷繁各异的系统。据我们的不完全统计，部分大型集团化国有企业、集团及下属企业各类人力资源系统多达几百上千个，建设水平与周期各异，数据标准各异。集团领导层寄希望于通过数据支持决策的目的，往往因为数据标准缺乏一致性，下属企业需要各自加工、逐层汇总，最终导致数据的时效性和可信度产生偏差。

不少企业的管理层已经认识到问题的紧迫性，但往往在执行过程中，多从一个或几个数字化建设项目的角度对数据标准进行梳理和对齐，势必缺乏有效的组织，难以调动各方力量，对数据进行横纵向拉通。

面对挑战，我们认为，数字化转型的核心是对数据价值的充分挖掘和运用，在此基础上，数字化建设的方向与目标才能够与企业战略进行捆绑和匹配。要实现对数据价值的充分挖掘与运用，数据治理是根本，而人力资源数据治理作为全面数据治理的切入点，具备下面三个天然的优势。

首先，人力资源系统的组织与人员数据，是企业数字化生态的核心。几乎所有的应用系统都会与人力资源建立钩稽关系，或者通过企业数据总线，或者是1对1的接口进行集成。

其次，根据《中央企业做强做优、培育具有国际竞争力的世界一流企业要素指引》，对高层领导人才、科技领军人才、复合型管理人才、职业化专员人才和高素质技能人才选用育留的全生命周期管理有更明显的诉求。无论是通过大数据甚至Al辅助人力资源管理决策，都需要一个高质量的数据支持。

最后，通过数据治理，厘清人力资源数据域各方职责，以流程驱动数据，为最终的“数据驱动增长”提供坚实基础。

二、人力资源数据治理，管理提升筑基

人力资源数据治理除了满足标准的数据治理体系要求，企业自身业务的专业性、成熟度及业务之间的关联关系，往往也会影响数据治理的结果。这需要数据治理团队具备相对全面的业务理解能力与协调能力，与不同的业务方、系统供应商甚至包括与内部运维团队，进行有效的拉通，确保数据的标准和维度与业务需求能够达成动态平衡。

我们认为，在人力资源数据治理角度，以下五个方面的挑战具有一定的普遍性：

1. 组织架构体系挑战

·  人力资源管理范畴及系统中的组织架构与财务等系统存在不匹配。

·  集团对下属企业组织架构层级管控的颗粒度不一致。

·  业务团队存在虚拟型组织。

2. 岗位职级体系挑战

·  集团与下属企业岗位职级体系没有规范的映射关系。

·  下属企业之间的业态差异没有拉通职级体系的动力。

·下属企业规模与发展阶段不同，难以形成标准、可复制的职级体系。

3. 薪酬体系挑战

· 集团管控的薪资项目标准定义缺失。

·下属企业之间缺少个性化新资项目对应关系。
4. 绩效体系挑战

· 从集团到下属企业，绩效体系甚至考核周期不一致。

· 绩效结果没有统一的标准，且无法在集团及下属企业间形成对应标准。· 存在大量基于项目的考核，其结果应用无法被其他模块共享. 

5. 人才管理挑战

·  从集团到下属企业，人才评价维度和判定标准不统一。

· 从集团到下属企业，人才的分类标准、技能标签不一致。

· 从集团到下属企业，存在多套任职资格体系和领导力模型。

三、麦可睿的解决方案：人力资源数据治理诊断框架

应用MKR治理诊断框架，从以下五个关键原则出发，对数据现状进行评估，有助于理解企业自身的瓶颈及改进点。

MKR数据治理诊断框架

通过数据治理诊断的结果，配置权责匹配的组织与角色，建立标准化的流程、应用企业级数据治理工具，通过这三个关键杠杆（见右图），达到有效管理数据，从而驱动企业增长的能力。

在大型集团化国有企业人力资源信息化向数字化转型的过程中，普华永道认为，数据治理扮演着“布道者”的角色，通过某一个系统或多个系统无法解决的问题，需要从数据的角度，从数据治理的角度，去寻找答案。

企业数字化转型的过程，不仅是基础技术的转型，更是管理机制、管理模式、运营流程的转型。而这其中，又以人才和组织相关的议题首当其冲。如何组织团队、配置人才、激励牵引、考核约束，成为首先需要解决的问题。

蓝图规划篇：引领人力资源管理数智重塑

在大型集团化国有企业人力资源信息化向数字化转型的过程中，我们认为，数据治理扮演着“布道者”的角色，通过某一个系统或多个系统无法解决的问题，需要从数据的角度，从数据治理的角度，去寻找答案。

企业数字化转型的过程，不仅是基础技术的转型，更是管理机制、管理模式、运营流程的转型。而这其中，又以人才和组织相关的议题首当其冲。如何组织团队、配置人才、激励牵引、考核约束，成为首先需要解决的问题。

一、人力资源数字化建设的三个新特点

1. 管理先行，技术支持

企业对人力资源管理有明确的新要求，过往以"套装软件倒逼管理升级"的时代已经结束。建立符合企业特色、有针对性的人力资源管理系统，被企业提到非常重要的位置。由于新技术的快速发展，运用Al、大数据等技术方式成为实现管理需求的有力支持。

2. 夯实基础，全面数智

建立底层夯实、前端敏捷的人力资源数字化建设是关键需求。底层的夯实包括建设基础数据及实现基础功能的高效自动化；前端的敏捷主要集中在通过厘清一系列关键场景，用数字、智能的方式，便捷地让人力资源管理以产品化服务的形式走近各层级企业管理者和员工，实现全面数智化。

3. 立足现状，着眼未来

企业现有人力资源管理发展现状仍或多或少存在一定待完善或者转型的需求，如：从传统的模块管理向三支柱的转变、从传统组织运营向敏捷小组运营转变、关键职能从分散运维向集中运维的转变等。这些潜在的改变，要求人力资源数字化建设除了要着眼于现状的需求，更重要的是也应能适应未来的转变，实现可持续发展和建设。

二、抓重点、找难点、建体系、明路径，系统性开展蓝图规划

当下大多数企业都存在不同程度的人力资源信息化建设基础，各类企业级的业务数字化建设也在不断完善中，因此还存在如下难点：

• 如何解决与现有人力资源信息化系统的过渡问题？
• 如何保证人力资源数字化建设未来一段时间可以与企业其他系统数字化建设发展匹配？

     为解决这些难点，结合上述人力资源数字化管理的特点，我们认为，新时代下人力资源数字化建设需要进行系统性的蓝图规划，明确建立适合企业发展的架构图、任务书、路线图和时间表。

在实际的蓝图规划过程中，企业往往因为抓不住重点、找不准难点、建不成体系、绘不出路径，导致人力资源数字化规划回到“原点”，最终，仅依据要建设或升级的EHR（人力资源管理数字化解决方案）系统，进行自下而上的操作类调整和优化。这样的“蓝图规划”势必无法满足企业实际需要，只能称之为对现有信息化的迭代升级，无法实现企业对人力资源数字化建设的真正需要。

我们建议从以下三方面着手，进行体系化的人力资源数字化规划，确保真正实现技术对于业务的有效支持，并保证未来实施落地和后续可持续发展。

1.  覆盖全面的蓝图规划

基于市场实践建立了规范、标准的人力资源数字化蓝图规划建设框架、标准与模板、可以帮助企业在复杂的人力资源数字化建设中事半功倍，涵盖的内容参见下图人力资源数字化建设规划。

2. 聚焦重点的蓝图规划

根据我们的实践经验，建议从业务支撑关键点、现有业务痛难点、业务高频发生点、关键用户关注点四个方面重点发力，进一步优化蓝图，提出场景化解决方案，保证人力资源数字化建设蓝图规划在覆盖全面的基础上，实现更多建设亮点。

3. 整合提升的蓝图规划

除此以外，我们建议，在人力资源数字化蓝图规划中，通过整合更多数据和场景，建立更多复合型人力资源数字地图，为各级管理者提供数智化管理工具。

我们通过帮助企业在人力资源数字化建设方面实现“一张蓝图绘到底”，为企业的数字化转型赋能，在坚持业务导向、需求导向，注重自主研发、自主设计、自主管理能力的同时，助力人力资源管理更加高效、智能，帮助企业实现更多人力资源管理可能，为公司转型发展提供强大支撑与引领。

企业数字化转型的过程，不仅是基础技术的转型，更是管理机制、管理模式、运营流程的转型。而这其中，又以人才和组织相关的议题首当其冲。如何组织团队、配置人才、激励牵引、考核约束，成为首先需要解决的问题。