夯实数据基础，实现数据支持决策

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AI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薪资项目对应关系。

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。

数据治理诊断框架