在笔者构建的人力资源经营的世界观里，人力资源战略（HRS）、人力资源战略地图（HRSM）和人力资源效能仪表盘（HED）是三个依次递进的应用模型（见图1），通过这三个环节将业务战略的要求精确转化为HR 的日常工作，确保人力资源职能能够推动经营。
图1：让人力资源实践承接业务战略的三级模型
资料来源：穆胜企业管理咨询事务所
这一过程最后的成果当然是企业的人力资源效能仪表盘，但要得到这一成果，HR 还需要三大支点。在笔者的观察中，这三大支点刚好对应了HR 职业生涯里的三个高光时刻（moment of truth，MOT）。换句话说，至少在这三个场景里，企业经营者认为HR 是足够专业、能创造价值的。其实，HR 在让本职工作支撑战略、推动经营的同时，也在拯救自己的专业。
01
指标—变量
第一个高光时刻是HR 谈论指标的时候。人力资源专业一直被认为是“文科”，定性多于定量，但如果我们将这个专业变成“理科”，其自然而然地就有了一定程度的专业门槛。至少，这门专业不可能被他人用常识来掌握，HR 也不可能被他人随意替代。
这里纠正一个误区，曾经不止一个业内人士提出，人力资源专业本来就是难以数据化的。这一点笔者绝不认同， 21 世纪本来就是一本数据大辞典，任何一个专业都可以数据化。关键在于，有没有数据思想（data mind），能不能设计出一个有穿透力的指标算法。
举例来说，NBA 的统计里，得分、助攻、篮板、盖帽、抢断五大数据是很容易统计的，从这些数据上可以甄别大多数球员的实力。但是，偏偏有一类球员，这五项数据得分都不高，但他们在场的时候球队就是更容易获胜。你不能仅仅把这归因于他们是“福娃”，一两场比赛获胜有可能是靠运气，那几十场、上百场比赛还有这个规律，是不是就可能是因为他们在实力上有过人之处？比如，他的协防让队友完成了抢断或盖帽，这个时候数据不统计在他身上，但他是有贡献的。于是，服务NBA 的数据公司设计了一个指标—球员效率值，是指这名球员在场时球队净胜多少分。这样一个优雅的设计，一下子就洞穿了现象，这就是人力资源专业应该追求的。
正是基于这种理念，笔者带领穆胜事务所的团队研究了若干指标算法，想让这个相对“文科”的专业变得更“理科”。从2010 年开始往这个方向发力，至今为止，我们已经设计了近50 种人力资源指标算法，不少算法还经过了多轮迭代。一这里从三个维度分别列举若
干典型指标。
1. 人力资源效能指标
人效指标分两类：一类是人效结果指标，即投产比类指标，由穆胜人力资源效能矩阵给出。这个方面的指标相对没有争议，HR 只需要向企业经营者和业务部门推荐这个指标，解释这个指标的重要性即可。另一类是人效驱动指标，主要体现人力资源投入（编制和人工成本）的结构分布和人群分布，前者如薪酬整体固浮比、人力资源资本化率等，后者如管理类员工薪资占比。显然，不同的投入方式对于人效结果将产生巨大影响，但这种影响并不是没有争议的，HR 向企业经营者推荐这个指标时，需要格外耐心。
下面就人效结果指标和驱动指标分别举例。
人效结果指标举例：人工成本报酬率
人工成本报酬率= 利润/ 人工成本
这是典型的人效结果指标，即投入每元的人工成本能产生多少利润，它的重要性无须多言。
人效驱动指标举例：人力资源资本化率
人力资源资本化率= 资本化人工成本/ 总人工成本
这是典型的人效驱动指标。在大多数企业中，人工成本是纯刚性的，即只要向员工给出了薪酬的承诺，企业就会按照预算发放。原本，员工的薪酬中也有绩效工资和奖金部分，这些部分与个人、团队、部门和公司绩效应该是高度关联的，但由于绩效评估系统孱弱，这些部分也退化为刚性发放。
所以，笔者设计了“人力资源资本化率” 一指标，即不确定薪酬在总薪酬中的占比。什么是不确定薪酬呢，是员工以对价投入，有可能“拿不到”的薪酬，即本金+ 投入回报两个部分，具体包括跟投投入、奖金、分红等。这显然可以驱动人效结果指标，道理也很简单，员工“可能沉没的薪酬”与他们的意愿成正比，决定了企业的人效。
2. 人力资源队伍指标
队伍层面的指标构建方式主要是基于组织和人员的属性，将两者编码，并刻画出人员在组织内的分布状态。下面也就两类型指标分别举例。
偏组织型人力资源队伍指标举例：扁平化指数
扁平化指数= 全司平均管理幅度/ 公司层级数
这是偏组织的指标。大量企业做组织结构调整都比较随意，似乎往哪个方向上走都有道理，但运作一段时间却发现组织结构里有大量冗余。笔者用管理幅宽和管理层级创造了一个“扁平化指数”，这个指标非常好理解，其与全司平均管理幅度成正比，与公司层级数成反比。
偏人员型人力资源队伍指标举例：员工稳定性指数
这是偏人员的指标。大量企业都很关心自己核心员工的稳定性问题，但它们往往在这类员工提出离职时才发现一切已经无可挽回。马云说，员工离职通常有两个原因，要么是钱没给够，要么是心里委屈了。但如果用这两个方面去探测员工，你一定得不到真相。多少员工信誓旦旦之后却无情离开？
所以，笔者建议观测两个方面的数据。一是员工离职可能带来的损益。例如，员工如果在短期内有可能晋级、提薪、获得股权激励、获得绩效认可等，原则上，他们是不太可能离职的，他们正在得到组织的认可，离开有沉没成本。二是员工实际的离职预警行为。例如，不参加集体活动、频繁请假、加班量骤减等，都可能是对企业“不再上心”的表现。
我们用这两类数据形成一个员工稳定性指数，可以排查出离职可能性较高的人员。在此基础上，定向进行沟通，相信一定会有挽留的效果。说白了，人家提离职之前还可以沟通，真要提了，挽留的可能性就大大降低了。另外，我们还可以基于两类数据建立一个二维矩阵，从而制定对应的人员保留策略（见图2）。
图2：员工稳定性分析矩阵
资料来源：穆胜企业管理咨询事务所
3. 人力资源职能指标
职能层面的指标主要是针对三大支持系统，确定人力资源政策这种外力的方向及效果。下面也简单进行举例。
人力资源职能指标举例1：激励真实指数
激励真实指数= 绩效平均差/ 个体绩效总分
绩效平均差= Average（A 绩效得分- 平均绩效得分，B 绩效得分- 平均绩效得分…）
这个指标解决了公司有没有真刀真枪做考核的问题。很多企业的管理者在绩效考核打分时不愿意“扮黑脸”，而是秉承着“你好我好大家好”的原则去“和稀泥”，导致员工的绩效考核得分体现不出明显差距。由此，考核变成了走形式，不能对员工起到激励或警示的作用。所以，笔者提出了“激励真实指数”，呈现出企业绩 效得分的变动部分占总得分的比例，用数据刺破考核假象。
人力资源职能指标举例2：能岗适配率
能岗适配率= 能岗匹配人数/ 总人数
这个指标解决能人有没有被配置到合理职级的问题。大量企业能人升不上去，只能负气出走，这不仅浪费了人才的雇用成本和才华，也浪费了公司的发展机会，还造成了腐朽的组织文化，显然是企业不应该容忍的。但企业在这个方面做得究竟如何，没人说得清楚。于是，笔者将员工的能力水平和获得的激励水平都转化为数据，并放入一个二维矩阵中，再建立两条能岗匹配的线，中间的部分就是“能岗适配区”（示例见图3）。
图3：某企业员工在能岗二维矩阵上的分布
资料来源：穆胜企业管理咨询事务所
02
基线—校标
即使通过指标量化了人力资源经营的一些关键点，HR 也不太可能实现完全的有效决策和监控。其原因在于，大量指标缺乏校标，很难判断其数据的优劣，因此很难被应用。
一小部分指标本身就能够呈现管理意义。
例如，当HR 告知老板企业的人才储备率是0.8，也就意味着1个空岗仅有0.8 个储备，人才供应链失控；又如，当HR 告知老板企业的激励真实指数是3%，也就意味着100 分的绩效总分里，实际浮动部分只有3 分，绩效考核沦为摆设；再如，当HR 告知老板企业的人才沉积率是50% 以上，意味着有一半以上的人没有按照企业常规职业生涯规划进入预期的发展里程碑……这些指标数据都是血淋淋的，每个指标极具穿透力地反映了企业的问题。
另一大部分指标的结果要被应用，还需要配合基线。这类信息企业经营者是不掌握的，所以，HR 的第二个高光时刻是他们谈论基线的时候。
指标是新的，自然没有其他机构关于基线的研究成果作为参考。于是，笔者和穆胜事务所的团队从0 到1 开始沉淀数据，并持续进行了大量分析。多年之后，我们总算为那50 多种算法累积了一些基线。虽然这些基线是针对泛行业，未必精准，但总算迈出了“第一步”。
下面，就前面几个指标举几个例子。
基线举例1：扁平化指数
穆胜事务所在为某企业提供咨询服务时，被其高管告知企业在构架里没有充分配置管理人员，导致现有管理人员负荷过重。对方特别肯定，并举出了各种管理人员殚精竭虑的例子。但我们和人力资源部门的同事用一个指标就洞穿了真相—扁平化指数。我们发现这个企业的扁平化指数只有0.47。我们的基线是，一般企业只要扁平化指数低于1，基本就有比较严重的大企业病问题。事实上，根据《2020 中国企业人力资源效能研究报告》，仅有19.67% 的样本企业扁平化指数低于1。进一步看，其综合管理幅宽为2.82，即1 个领导管理不到3个直接下级。所以，这显然不是管理人员配置不足的问题，而是组织协同不足形成的内耗问题。
基线举例2：激励真实指数
一个经营企业强调内部的竞争氛围，提倡“赛马不相马”“扶强凌弱”。按照这样的管理逻辑设定，我们推测其考核系统应该非常强大、刚性。但当用激励真实指数进行测算后，我们却发现无论是各个层级，还是各个职能，其激励真实指数均为2% 左右，最高不超过4%。我们的基线是，如果某公司激励真实指数为5% 以下，那么其绩效考核就只是个让人看的牌匾。在这个企业里，如果说中后台部门的绩效在一般的考核技术下难以评价，尚且可以理解，但前台部门的绩效则是可以用市场结果说话的，激励真实指数依然低于4% 就很不可思议了。
基线举例3：能岗适配率
另一个民营企业宣称自己提倡“不讲辈分，能者居之”。但HR用我们的能岗匹配率指标进行了测算，发现这个数据仅为55%。我们的基线是，80% 以上是优秀，80% 到60% 之间是一般，60% 以下是危险。这不是一般的差，这是差到没下限了。
03
规律—参数
有了指标，人力资源经营就能被量化；有了基线，我们就能判断指标的合理性。但是，当发现某个指标不够合理时，我们如何设计人力资源实践或政策来对其进行调整呢？
显然，这需要我们了解不同指标之间的关系，例如，考核强度与组织公平感之间的关系。这里说明一下，笔者将这类关系分为两种：粗略、感性的关系叫“常识”，精准、数据化的关系叫“规律”。如果我们无法量化考核强度和组织公平感，那么HR 只能粗略地给出两者正相关的判断，这是作为HR 甚至一般职场人的常识，并不会让人觉得有多“专业”。但在有了激励真实指数和组织公平感指数两个指标后，我们就可以获得数据，并将这种正相关的关系进行精确量化，这就成了“规律”。
所以，HR 的第三个高光时刻是他们谈论规律的时候。
如果假设代表考核强度的激励真实指数对组织公平感有正向作用，设激励真实指数为自变量X，组织公平感为因变量Y，则有：
Y=aX+b
在这个方程里，a 是参数，这就是规律。掌握了这个参数，HR就能明确，如果通过真刀真枪考核来强化激励真实指数，究竟可以在多大程度上促进组织公平感。
如果再假设组织公平感可以降低员工离职率，设组织公平感为自变量Y，员工离职率为因变量Z，则有：
Z=cY+d
在这个方程里，c 是参数，同样也是规律。掌握了这个参数，HR就能明确，如果促进组织公平感，究竟可以在多大程度上降低员工离职率。
当然，上面的两个方程只是一种示意，现实中，因变量必然受到多个自变量的影响，例如，激励真实指数和能岗适配率都会影响组织公平感。设激励真实指数为自变量X1，能岗适配率为自变量X2，组织公平感仍然为因变量Y，我们可以建立多元方程：
Y=aX1+bX2+c
此时，我们需要基于大量样本数据来判断两个自变量前面参数的大小，找出因变量的主要驱动因素。如果激励真实指数前的参数绝对值较大，而能岗适配率前的参数绝对值可以忽略不计，则前者为组织公平感的主要驱动因素。如果通过相似的方法分析出组织公平感是员工离职率的主要驱动因素，那么我们就可以结合两个规律得出更简单的结论—激励真实指数对员工离职率有主要的负向影响，说简单点儿，通过真刀真枪的考核来稳住员工队伍应该是最有效的方法（最短路径）。
回到现实中的应用场景，当老板发现企业的员工离职率过高时，一些HR 会用自己感性的经验来争辩这个数据很正常，另一些HR 可能会承认数据不正常，接着也会用感性经验告知老板有几种可能性，例如文化不兼容、部门领导不尽责、组织结构变动频繁……但这都是基于感性“常识”的猜想，HR 当然可以拿出个案来证明自己的这
些判断，但这不是科学，不够专业，更无法回答老板“应该如何改变”的拷问。而一旦我们拥有数据、基线和规律，我们不仅可以判断“对与错”，还可以决定“怎么做”，这才是HR 真正应该拥有的专业。
04
数据—样本沉淀
说到底，人力资源效能仪表盘是一组（若干个）模型，只有将大量过往的数据代入，才能修正变量，形成基线，摸清规律。应该理解的是，模型是用数据“喂养”出来的，数据越多，各个模型会越精准，决策也会更高效，人力资源战略地图在制定后也会有更好的输出。
显然，我们需要在采集大量样本的基础上，进行大量的统计分析。这个工作看似容易，却是我们遭遇的最大问题。设计指标算法，有数据思想就行，而获得有效的样本，却需要行业的诚信。一于是，我们只能换一条路—只收集自己有把握的数据，也就是我们直接服务的企业数据。虽然这样很慢，但是很准。
在有限样本数据的基础上，我们得出了指标、基线、规律的若干成果，也在一定程度上对行业有所启迪，甚至让不少企业经营者和HR 为之惊喜。但请注意，这还只是基于泛行业数据得出的结果。试想，如果能够定期进行更大范围内的调研，给出行业、区域、企业不同发展阶段的基线和规律……HR 的工作将得到多大的赋能！
这是一个教育行业的事，必然是一场持久战，但总得有人来做。从2014 年开始，穆胜事务所团队不断宣讲人力资源效能仪表盘这个工具以及相关的算法。从2020 年开始，我们计划基于大样本调研，每年发布年度中国企业人力资源效能研究报告一。在这一过程中，我们一边研究和实践指标，一边摸索各类指标的基线和模型的规律。随着数据仓的逐渐壮大，模型已经越来越精准。后续，这项工作还会持续推进，相信会惠及更多的HR。
从这个意义上讲，各个企业在人力资源专业领域最终比拼的应该是“数据厚度”和“模型精度”。建立人力资源效能仪表盘只是HR工作的起点，后续还有大量精细化运营的工作。
这些道理很简单，但当前的企业普遍在这一领域缺乏投入。且不说能够实施数据化人力资源专业的企业本来就不多，在这些优秀的企业里，能够按照人力资源战略思路去刻意建立数据仓的就更少了。华为在这方面是个典范，它不仅基于自己的超级OA 系统W3 沉淀了大量人力资源相关数据，还每年立项若干个DP（developing project）项目，研发模型，摸索基线。
来源：本文节选自穆胜博士最新力作《人力资源效能》，经机械工业出版社授权原创发布。
联系客服
