时代在变化，我深刻感受到，民企、国企、央企都在“弯道超车”，数字化转型速度逐步超越外企，尤其是HR数字化转型。

不过，每家公司情况都不一样。今天我的分享主要基于我的个人思考，包括我从IT转行HR的经验、HR数字化转型的挑战和各企业的实践相融合。

基于此，去年12月我出版了《人力资源数字化转型行动指南》一书，希望能以此架起HR、IT、供应商之间的桥梁。

借今天的机会，与大家分享其中的一些心得。

01/

HR与IT之间的鸿沟

从人才特征的角度来看，HR和IT两类人才存在的一个明显区别就是，HR通常是文科专业，IT通常是理科专业。

如图，红色代表文科生，蓝色代表理科生，无论是大脑分工、男女比例，还是其他一些行为，文理科生存在着天壤之别。

两者的差异也成为数字化转型过程中不得不面对的一项挑战，从我之前的调查来看，IT和HR难免互相抱怨。

HR说：

IT说的非人话，就是机器语言，无法在一个频道上对话。

IT开发的HR系统很难用，用户界面很差。

一天到晚让我画viso流程图, 永远说要变更要核定工作量。

IT讲逻辑思路，问他A回答A不行，想到给B建议的IT比较少。

HR很多时候需要自己绕路，想到B再去和IT确认是否可行。

IT不灵活，对业务了解不足。

HR:这个需求很简单。IT: 这个需求做不了。

HR：我要什么你知道吗？IT ：知道知道，过几天做出来了。HR：我要的不是这个。

IT说：

HR需求老是在变，怎么出蓝图。

HR预算有限，需求不清晰，提出无理需求。

HR不懂技术，觉得一个功能很容易实现，但是对于IT团队是需要攻克技术难题。

HR要求多，审批流又复杂，他们内部政治哲学多了，我们忙死了。

HR逻辑思维需要再提升一下，希望未来能找一个技术出身的hr。

经过和人力资源管理人员合作，我们觉得还是让她们继续做“表哥”、“表姐“比较好。

HR没有既懂业务又懂系统的Business Analyst, 能把业务需求翻译成系统需求。

作为HR，在数字化转型时代如何更好地往前走？我个人的想法是：要让IT学HR，让HR更有想法，HR和IT合一则无敌。

IT从业人员和供应商应该从HR角度思考，了解HR的需求——他们想解决什么问题，如何做才能帮助他们。HR则要跨出自己的领域，提出更多HR的想法，这样才能更好地与IT做合作。

02/

HR要有想法，而不是懂算法

HR如何才能更有想法？HR要不要学算法、学Python？这是我在与HR交流过程中经常面对的问题。

我认为HR最主要的任务不是学会算法，而是了解人性需求。所有HR工作内容都可与马斯洛需求层次相连接，HR需要掌握这一核心，并成为优势。

各种活动和分享，让HR有更多机会了解大数据和人工智能的发展趋势，知道很多在技术上能够实现的工作，然后HR需要思考的便是：基于人性的需求，如何将需求或痛点和技术联系。

例如，员工培训时的痛点有很多，企业认为培训和实际内容、业务关系不大；员工没什么兴趣；虽然有很好的企业大学，但员工也很难主动学习，利用率很低。

HR需要从人性角度思考如何解决这个问题，例如我们可能会了解到新生代员工比较注重他人的推荐和选择，当知道某门课程老板也在学，那就更会激发大家学习的意愿。因此，HR可以利用技术通过数字化系统，共享所有员工的学习记录，来提升员工培训参与率。

逐步将人性需求和技术相联系，这是HR需要思考的关键部分，HR不需要懂技术，但要知道员工的目标和需求是什么，这样才能想到如何利用技术更好地赋能员工，剩下的工作可交由技术人员实现。

当HR有想法之后，进一步需要思考的方向是什么呢？

我认为两个方面，一是由外而内，从业务目标和员工体验出发思考HR数字化转型的目标和方向；二是思考如何利用数据来驱动决策。

（1）从业务角度思考

人力资源数字化转型最终需要赋能业务，因此我们需要从业务角度出发，观察业务出现的问题，再分析问题解决过程中涉及哪些关键岗位、关键流程，以及关键岗位需要什么人才、关键人才需具备什么特质、个性和能力，最后通过人才标签更好地帮助HR识别人才。

这当中会涉及很多数据收集和数据整合工作，如果不与业务需求连接，很难有人愿意支持HR的工作。HR工作的出发点要基于反向思考——为了解决什么业务问题，由此形成闭环。

（2）员工体验

职场上“四世同堂”已是常态，会发现不同代际的员工需求不一样，新生代员工最重视的不一定是薪资。

同时，由于目前互联网信息传播速度非常之迅速，如果公司内部员工体验差，爆出黑天鹅事件，一夜之间就可能传遍互联网，严重影响公司的雇主品牌。

因此，员工体验也成为HR数字化转型的重要发力点，而HR恰恰最了解员工需要什么。

（3）数据驱动决策

虽然不是每家公司都有很多数据积累，但是方向上，我们是否已经在实践，通过HR数据赋能业务和人力战略决策。

例如，HR平时是否向业务提供报表？业务有没有看？看后有无反馈？反馈后有无行动？行动后是否根据下个月报表反馈行动结果如何？形成闭环后才知道业务真正想看的是什么，而这些都并不需要高大上的算法介入。

我们要利用数据来推导业务发生了什么？为什么发生？将来会发生什么？

数据分析工作也存在不同层次，从大数据分析角度，有不少算法是现成的，但大数据分析的问题反而在于数据收集和数据质量，很多公司的数据没有打通，即使打通，数据质量也参差不齐，数据治理因此成为一项重头戏。

虽然不少HR数字化系统声称可生成上万个报表，但如果不知道业务需要什么，这对HR而言没有意义。从这个角度，HR的主要工作仍是和业务沟通，了解业务需求，然后倒推转型工作，这样更容易获得业务支持，促进结果达成。

市场上有很多预测分析的模型，只有10%甚至更少的企业能真正通过数据预测触发实际行动，投资回报率比较低。因为只有足够的报表互动后，才可开展以大数据为基础的预测分析。

那么，HR数字化转型或人力数据分析的工作应该由谁带头？

我认为没有标准答案，谁有能力整合企业各部门的数字化需求，有大局思考，知道如何通过数字化和数据分析赋能业务真正发挥作用，那么谁就能带这个头。

HR也需要成为咨询信赖伙伴。

很多公司会花很多钱请外部咨询顾问，但外部顾问对公司并不是很了解，这时候我们需要思考为什么花那么多钱请外部顾问，关键在于什么。反过来再思考HR的工作重点是什么？

很多HR，包括HRBP的工作都集中于事务性工作，处于解决问题层面。事务性工作出了小错误有可能就会被老板批，老板会说：你为什么把工资发错了，你平时在忙什么？

这些正是HR遇到的很大挑战。虽然人力资源部门叫“人力资源部门”，但在有些公司可能是既没有人力，又没有资源的部门。导致很多工作没办法推进，得不到相关支持。

如果能高于解决问题层面，思考业务需要什么，通过数据分析洞察到他们不知道的部分，并与业务人才发展连接，为他们的工作增加价值，长此以往才能成为真正可信赖的伙伴。

从流程角度，HR需要走到前端，有大局思维，而不总是处于被动执行的后端位置。多观察组织层面所诊断问题，通过市场调研了解其他公司如何解决？有无成功案例，基于此和业务共创解决方案。

如果HR能有更多的想法，就能有条件、基础、可能站到业务更前端的位置。

03/

数字化场景之下，HR如何更有想法？

简单列举几个我经历过的案例，在具体的数字化场景中，与大家进一步探讨HR为什么要更有想法，而不是一味追求算法。

示例一：离职预测

之前一家公司销售人员离职率比较高，HR为此也开展了很多项目，但业务认为没产生作用，但业务特别重视这个问题。

这也是提出“离职预测”方案的契机。

首先，在数据输入方面，HR收集了各个部门很多的数据。为什么能收集这么多数据？是因为总经理的支持。我想表达的是，顾问要更好地影响关键业务领导，只有一把手支持数字化转型项目才能成功。

收集基础数据后，数据分析通过机器学习和分析得出结论，HR然后验证结论是否准确。然后发现，三个月内报销金额下降的员工离职风险较高，因为出差和预付的住宿费用报销麻烦，如果员工想离职，便会尽量减少出差。

机器通过学习发现行为数据和原来的静态数据（薪资）结合产生我们难以想到的结论。

只要数据自动积累，加上相应的算法，便可以通过机器学习做分析。收集数据过程中，HR可以提很多建议和想法，然后了解公司是否有条件和基础获得数据。

机器算法迭代可以让准确率越来越准确，拿到数据分析结果后，HR的作用非常关键。

例如，普通IT程序员可能直接把数据公开给相关经理，但HR会要考虑数据是否要告诉相关经理。因为面对高离职风险的员工，经理的状态很难不受影响，由此可能会导致不必要的问题。当时我们非常谨慎地思考，是否只让大区层面了解离职风险的数据结果。

因此，针对某些项目，HR要从侧面角度做访谈，与业务提前讨论想法，得到业务认同后再往下走。有人员分析结果后告诉业务，如果他们不用，机器也不会得到反哺，预测准确率也不会提升。

案例二：利用流程自动化实现数据核查通知和流程改进

最初，我们通过Excel的方式自动核查数据，后续则通过RPA的方式自动核查，这带来的好处是：更及时地通过规则找到数据中存在的问题，反过来改进流程。

通过这种方式，形成闭环，在HR运营工作中，便可以不断通过数据挖掘流程、管理中存在的问题。

类似绿城的数字化实践（杨路：多重用工模式下，绿城的数字化实践），数据分析便是为了分析劳动者实际的工作效率，以及工作效率是高低水平如何？有什么建议和议价机制？只有通过数据分析才能反向看流程、系统如何进一步改进，进而更好地利用数据驱动相应决策和行动。

案例三：以招聘为例，结合人和数字化系统的优势，HR数字化转型才能更好地发挥作用

如果认为数字化招聘只需要有系统，那么只要外部供应商就可以。但实际上，HR在其中扮演着非常重要的角色，HR需要从战略角度、员工体验、候选人体验思考，观察需要哪些人？哪些是关键岗位？有什么特质？

很多企业都在谈能力模型，但最好的模型实际来源于公司内优秀的领导层和优秀员工的品质和行为。促使公司成功的重要原因便是萃取公司内优秀经验和行为，以及让优秀员工分享经验，成为内训师。

HR具备这些思考后，才能收集相关数据，产生各种不同的人才画像，积累相关测评数据、项目数据。

这些数据一方面可以用在内部选拔，例如识别CEO和关键人才特性，通过内部培训，让员工往那些方向发展。另一方面，也可以运用于招聘，在面试时设置关键的面试题目、面试流程，识别员工展现的关键行为，更好地筛选人员。

据我了解，目前市场上人工智能面试主要针对一线岗位的人员招聘，比如实习生、销售，而且大多数仅仅用于一轮面试，没有任何一家公司通过AI决定录用。招聘仍存在很多HR和机器协同的工作。

所有AI都需要训练，基本都需要通过几百人面试，需要半年至一年时间。

在训练的过程中，招聘专家和AI一起面试，看录像观察机器与人的判断差异，如果不同，听机器还是听招聘专家的？一定听招聘专家的。

现阶段，人工智能要向人学习，需要训练。

04/

数字时代，HR需具备什么胜任力

在数字时代，HR需要学会人机共舞，不是去学习技术和算法细节，而是利用技术来为业务和员工增添价值，深度洞察。

HR到底需要具备什么能力，应对数字化时代呢？

我在《HR胜任力的进一步化繁为简》一文中提到，尤里奇2016年和2021年的HR胜任力模型，从中可以看出胜任力的数量和描述都完全发生了改变。

这意味着什么呢？那就是即使五年前按照当时HR胜任力模型进行很多学习和尝试，但是现在可能会发觉之前学的内容都不是最需要的了。在变化迅速的时代，HR最主要是具备应变力，能够结合周围情况做灵活判断和应对。

针对应变力，我在《人力资源数字化转型行动指南》一书中提到四个维度：

（1）新思维：数字化转型最关键的是思维的改变，传统HR不太愿意转变，一旦对将来潜在利益产生影响，就会有很多人阻碍变革，所以思维改变是公司中推进数字化转型非常重要的一步。

（2）新能力：HR需要掌握连接人性与技术的能力，有数据分析思路，同时也能为业务提供更多的咨询方案，出谋划策。

（3）新管理：数字化转型也需要团队协作，因此我们要学会项目管理、敏捷管理、以及运营管理中的持续改进方法。

（4）新视野：数字化时代变化迅速，我们也要学会向外部学习，扩大自己的视野，拓展业绩人脉，取长补短，相互帮助，才能共同进步。