作者：王勇 谢晨颖
单位：清华经管学院中国企业发展与并购重组研究中心
导读 ●●
数字经济时代，数字化不断赋能组织，在人力资源管理领域催生出大量创新的实践，数据在企业人力资源管理中也越来越扮演着重要作用。大数据、人工智能、区块链等数字技术对传统人力资源管理究竟带来了哪些冲击和影响，有哪些颠覆性的变革？本文将从组织与员工关系、人才招聘、绩效管理、薪酬管理、员工培训、离职管理六个方面，论述数字化时代的人力资源管理相对于传统人力资源管理发生的具体变化。
1. 组织与员工关系：从传统正式契约关系到泛契约关系，从纯粹雇佣到互利共生
数字经济时代，智能终端、视频软件、办公自动化系统等技术极大地提高了沟通效率，远程办公、零工经济、业务外包、平台型工作团队等新型工作模式兴起。尤其是疫情期间，大量企业推行远程居家办公，依托数字化技术，在防范疫情扩散的同时也有效保障企业正常运转。数字技术打破了时间和空间的局限，使得个体劳动者不再受到某个固定区域、或单个组织的限制，而是可以跨地域、跨组织提供技能和服务。例如网红、外卖员、网约司机等，不再受雇于一个组织，而是可以同时为多家企业提供服务。阿里研究院在《数字经济2.0》报告中预测，到2036年，工业革命带来的8小时上班制度将会逐渐消失，未来20年里，中国将有约50%的劳动力将通过网络自由就业、自我雇佣。个体通过与组织合作实现个人价值的最大化，这种形式将成为数字经济时代劳动群体就业的主要方式。
从企业角度看，组织目标的实现、工作任务的完成不再仅仅依靠内部正式员工来实现，也可以根据实际需要向外部劳动力市场（如人才云平台）购买劳动力，由零工、众包工、自由职业者等完成，还可以灵活调整各类员工的比例，以实现用工成本最小化。例如，在字节跳动，正式员工与外包员工的比例约为5：1，华为正式员工与外包员工的比例更是接近1：1。盒马鲜生开发利用共享用工平台，与40多家企业共享超过5000名员工，打破了人力资源雇佣的边界；在滴滴、Uber等平台型企业中，传统“公司+雇员”模式转变成“供给者+共享平台+消费者”模式，平台商与供给者（司机）之间通过”三方协议“或“四方协议”与企业形成“半挂靠”、“半契约”关系……这些新的实践使得组织和员工的关系发生剧变，传统的正式契约、全职雇佣模式开始瓦解，逐渐形成了泛契约、半契约等新型劳动关系，组织和员工的关系更加的松散和自由，传统的基于长期、互惠共识的组织-员工关系受到了极大地挑战。
同时，随着数字化技术在企业中加速应用，知识型、高智力员工成为企业重要且稀缺的资本，而这些员工不同于传统劳动者，他们要求更多权利，如剩余价值索取权、企业经营管理参与权，共治共决权等。（彭剑锋，2021）个体价值崛起，企业与员工不再是纯粹的雇佣和被雇佣关系，而是合作、联盟、相互投资、共同受益的互利共生关系，传统严格意义上的上下级观念愈发淡薄。现在很多企业推行事业合伙人机制、人力资本合伙人机制、利益分享机制等，正是组织与员工关系发生变革的体现。
2. 人才招聘：从基于招聘信息的被动搜寻到基于大数据的智能筛选，从依赖管理者经验到数据驱动的人岗精准适配、科学招聘
传统人才招聘的方式是从海量的简历库里寻找符合岗位要求的人才，在招聘决策上很大程度上依赖面试官的直觉和过去积累的经验。如何在众多应聘者中挑选最佳人选是招聘人员的最大挑战。数字经济时代，大数据重构了人才招聘的运作方式，人才获取的场景也从静态、冰冷的“简历仓库”转变为强互动、高效流动的的人才招聘平台、社交平台。
大数据算法可以根据岗位需求自动筛选和匹配合适的求职者，极大地提高招聘效率和准确性。通过收集到的应聘者的数据（如基本情况、过往工作经验、求职意向、工作能力等），建立起胜任力模型分析应聘者的特质，以及与岗位的匹配度，自动筛选、甄别出合适的求职者，极大提高了简历筛选的精准度及招聘效率。这种基于数据进行的招聘决策，更加的客观、公平，减少了招聘过程中可能存在的各种有意识、无意识的偏见。
很多公司都在利用数字化技术进行招聘管理的创新。例如，正大集团联合北森、百度三方合作，共建智能人才管理系统，打造智能化“人才推荐功能”；阿里巴巴在招聘时，采用熟人模型连接12万员工与优秀候选人，形成自发的内推机制；谷歌在寻找“谷歌范儿”的产品经理时，构建了产品经理的双H能力模型，基于数据不断验证其价值，以提高招聘的精准性。
腾讯在2014年就成立了HR大数据团队。在人才招聘环节，先在公司内部挑选三个以上的优秀员工作为样本，针对他们进行数据采集、清洗、建模和分析，找出这些员工优于一般员工的原因，倒推出优秀员工应该具备的品质和行为，把这些作为制定面试问题的依据，从而在众多应聘者中快速筛选出符合要求的候选人，做到人岗的精准匹配。同时，腾讯通过历史员工数据挖掘找到员工稳定的典型特征，建立相应的数学模型，在招聘时，根据候选人特征与模型的匹配程度，自动判断其稳定性，为负责招聘的人力资源管理者及业务负责人提供决策建议。
3. 绩效管理：从周期性、滞后考核到实时追踪、持续反馈，从依赖人的主观评价到数据驱动的客观评价
传统绩效考核数据搜集成本高、费时费力，所以一般是按照半年或一年为周期实施评价考核，是一种定期的、滞后的考核模式。大数据、区块链技术等可以完整记录员工工作过程，利用办公软件、电脑、智能手机上的大数据痕迹，建立一个个“员工数据点”，深度挖掘和还原员工的实际工作状态，对员工实现高效监督。因此，不同于以往在考核期结束后进行绩效打分，企业从周期性绩效考核转向实时的绩效跟踪，并为员工提供及时、持续的绩效反馈。管理者通过数字工具持续给予员工绩效反馈、不断的纠偏、激励，实时进行绩效辅导，促进敏捷的绩效管理。
通用电气在20世纪80年代开始采用严格的年度绩效管理方法并以此而闻名。2016年，GE在企业数字化转型的过程中，为了应对外部市场的急剧变化，顺应数字化时代下员工的特点，GE放弃了使用了三十多年的、引以为豪的绩效考核“活力曲线”，彻底重塑了绩效考核方式。GE推出了一套以一个APP为载体的全新绩效管理系统PD@GE，新系统由一个移动应用驱动，员工和经理可以定期使用该应用，讨论近期和长期目标以及更新优先任务，回顾目标完成情况是否符合预期，实现了员工与管理者之间持续的绩效对话、实时的绩效反馈。德勤重构了绩效管理系统，实行绩效的智能化管理。其中，最重要的工具是“绩效快照”。绩效快照又分为季度绩效快照和项目绩效快照，它可以快速地捕捉到员工每时每刻的表现。决策者可以点击绩效快照中的每个点，查阅到对应员工的细节信息，为管理者决定员工的薪酬、晋升提供了依据。
此外，相比于传统绩效考核方式，基于大数据的考核方法更加客观、公平。传统绩效考核方式包括360度绩效考核、民主评议法、关键事件法、比较法、平衡记分卡、关键绩效指标法、目标管理法等，大多都是定性方式，主要通过管理者对员工打分或同事互评、自评的形式，带有很强的主观性，会因为打分者的个人偏见、思维习惯、宽严度不同导致评分误差，造成不客观、不公平。大数据提供了丰富的定量绩效数据，也包含了很多过去难以量化的因素，使得评价方式更加的科学、公平和透明，降低了绩效评估中的主观因素。绩效考核以数据说话，如顾客满意度、及时率、废品率等。谷歌、沃尔玛、亚马逊通过聚合KPI、海量财务数据和运营数据，深入分析员工工作表现，进行绩效考核。利用AI还可以设计各种线上场景，考核员工的能力，使得考核方法更准确和客观。同时，基于云计算技术的绩效管理系统可实现员工特性与绩效考评工具的自动匹配，根据被考核者的职位特点，对考核工具进行灵活选择，帮助管理者灵活的选择考核工具，也实现了对员工的个性化考核。
4. 薪酬管理：实现更加公平性、个性化、动态化管理
传统的薪酬是基于员工的资历、角色、绩效，每年标准化的增长，同一层级的员工薪资水平差异不大。薪酬是管理者决定的，带有一定的主观性。
借助数字化技术，可以促进薪酬政策的公平性和个性化。一方面，大数据技术可以分析外部市场的海量数据，了解外部市场的薪资信息，帮助企业制定出具有一定竞争力的薪酬标准，使得员工薪资与劳动力市场价格相匹配，促进外部公平。另一方面，在组织内部，AI可以识别和消除种族、性别、年龄和其他薪酬偏见，并在薪酬模型中纳入更多薪酬决定因素，比如绩效、技能的市场价格、技能的需求程度等，根据贡献而非工龄决定工资水平，制定与其贡献、技能相匹配的薪资，更精确的支付员工报酬，实现员工个性化薪酬设计，促进内部公平，改变了旧有的“论资排辈”的薪酬模式。
例如，IBM利用AI改善薪酬决策。2016年，IBM将AI植入薪酬系统，力求实现基于技能的透明薪酬决策。基于AI的薪酬系统整合多方面的外部信息（如美国劳工统计局），以及与薪酬设计有关的内部数据（如人员替换成本），分析了包括任职时间、绩效、技能的市场价格、学习倾向等数十个数据点，帮助经理制定薪酬计划，避免薪酬过高或过低。AI系统在薪酬周期中还能提供大幅加薪、平均加薪或不加薪的建议，确保薪酬决策更准确地反映市场需求的起伏变化。
此外，大数据算法还可以帮助企业实现动态灵活的薪酬设计。例如，谷歌开发了自己的薪酬预测算法，通过及时、灵活地调整员工的薪资水平来避免人才流失。英国的一些大型银行建立多水平计算模型来捕捉薪资水平的跨区域变异，从而在不同的地区吸引和保留员工。
5. 员工培训：从统一化、标准化到个性化、精准化
过去企业对员工的培训较多依赖线下培训，或统一使用安装版学习系统，追求拥有大量内置课程，将学习形式的改变和课程满意度作为主要目标，按授课的数量衡量培训的成功，属于“一刀切”的培训模式。数字化技术使得人才的培养从“标准化训练”转变为“因材施教”，从普适的“最佳实践”到精细的“私人订制”，实现大规模个性化培训学习，重构了人才培训的场景。
亚信公司通过“360度个人评价报告”、“述职分析报告”和“访谈记录”,全方位搜集员工的信息，形成个人综合评估报告，包括员工核心特质、关键优势和不足等，建立了员工的人才画像，使得组织对员工有了多面的、细致的了解，并基于这些数据分析、识别出员工的培训需求、配置员工的培训项目，使得培训更有针对性，提高培训效率，助力员工成长。
在授课形式方面，在线学习平台模式快速兴起，基于云的学习系统成为主流，直播、录播模式屡见不鲜。除了算法定制培训方案，实现千人前面的学习，还能够针对培训后员工行为的数据分析，评估培训效果。
许多知名企业在员工的培训中搭建在线学习平台，积极应用各种先进的数字化技术，如大数据、VR/AR、AI等。例如，华为通过大数据分析，根据员工的学习偏好和能力差距，匹配艾宾浩斯遗忘曲线，形成下一阶段的学习推荐；采用elab（在线虚拟实验室）和VR/AR两种方式对运维人员进行技术培训，将教学内容与实际业务场景结合，在标准、安全的环境下反复动手演练；华为还搭建了学习云平台，利用AI为员工提供个性化学习，实现精准培训。波音公司则开发了一种AI引擎，为个人实时定制教学计划，用于评估个体在培训期间的认知负荷，对体验做出调整，实现个体的学习计划。
6. 离职管理：从被动得知到主动预测，掌握员工离职倾向、提前进行留任干预
在过去，只有当员工表现出明显的离职意向或提出离职申请时，才开始进行留任干预，属于被动性离职管理。通过对员工进行持续监测，收集员工相关信息，并分析历史上的离职行为和对应的大数据特征,建立离任预测模型，可以提前识别具有潜在离职倾向的员工,为人力资源管理者提供了主动干预的时间。通过大数据挖掘还能寻找出离职背后的原因、影响因子及影响程度，在员工离职前及时采取行动，比如调薪、调岗等，或提前招聘新员工，最大可能降低离职给企业带来的损失。
例如，猎聘通过对员工日常工作行为数据进行收集、分析和挖掘，获得员工满意度方面的数据；通过基于大数据的行业人才趋势报告和薪酬报告获得外部人才竞争情况。综合这些数据，结合历史，猎聘建立了一个员工的流失风险模型，用这个模型发现高流失风险的员工和可能导致流失的因素，然后针对性的采取合适的行动挽留优秀员工，降低员工的流失率。
再如，百度充分发挥大数据和人工智能的优势，在2015年创建了面向智能化人才管理的团队——“百度人才智库”（简称TIC）。在离职预测方面，通过收集公司内外部的数据，包括来自社交媒体和互联网的舆情信息和文本，TIC建立了包含经济、职业发展和个人家庭原因等数百个动态特征的90天离职预测模型，预测准确率达到了90%以上。在2015年进行的一项离职预测中，TIC分析出了离职指数最高的前30名百度员工，结果3个月内有29人向人力部门提出了离职申请。同时，TIC还能计算出员工的离职影响力，并分析出离职的原因。如果离职指数高的员工对企业来说非常重要、不可或缺，且离职原因在公司可控范围内，百度就能够及时进行干预，采取适当的激励手段挽留核心员工。
【小结】
数字经济时代，大数据、人工智能、区块链等数字技术给人力资源管理实践带来了诸多变革，也由此带来一系列新的挑战，如人工智能对现有岗位的冲击、大数据带来的员工隐私保护与人权问题、数字技术与人性化之间的平衡、数据决策和经验直觉的权衡等等。企业在数字化转型的浪潮下，可以利用大数据等新技术赋能人力资源管理，积极应对数字化带来的挑战，提升人力资源管理水平。
以上文章转载自【洞见学堂】公众号，本文内容仅供学习交流，观点仅代表作者本人立场，版权归原作者所有，如有疑问请联系编辑。润识教育转发各行业资讯和观点，旨在与学员或行业内人士分享交流。对于这篇文章的观点，你有什么想法？欢迎评论区留言。
润识教育是集国际性、专业性、实用性于一体的高端教育培训解决方案平台，致力于通过国际教育和培训产品，解决企业及企业家的教育和发展问题，协助中国企业精准高效地提升企业竞争力，助力企业家解决高品质的终身教育问题。
数字经济是经济学、数据科学、工学、管理学等学科门类的结合体。IPAG巴黎高商-数字经济管理博士依托IPAG高商法国前五的研究室力量和学术实力，旨在通过提供系统的理论学习和思维训练，启发学员对数字经济领域的管理进行更深层次的思考，并通过实际案例探讨数字经济领域的问题解决方法。通过三年的博士培养，学生不仅拥有较高的学术研究水平，提升自己在行业领域的知名度，还能引领企业成为数字经济时代的先行者。返回搜狐，查看更多
责任编辑：
声明：该文观点仅代表作者本人，搜狐号系信息发布平台，搜狐仅提供信息存储空间服务。 发布于：上海市