让量化人力资源管理美梦成真

申刚正

在跟老板汇报工作时，在与直线经理就资源分配争论不休时。在对自身的人力资源管理工作进行评价时。你是否感觉到因为缺乏有力的数据支撑而倍感尴尬和无奈?

是什么在困扰着HR

外部经济衰退和内部战略需求让人力资源管理不得不面对战略转型的机遇与挑战，然而实践表明，很多企业的HR似乎都面临着以下同样的困惑：

·作为CEO的战略伙伴，缺乏战略沟通“语言”

虽然更多的CHO(首席人才官)在企业战略与经营决策会议上获得了一个席位，但相较于财务或销售等部门用数字或图表说话，被决策层充满期待的CHO多少有些尴尬除了讨论人事安排、汇报事务性工作或一些毫无悬念的数字(如：员工数量、人事费用等)之外，几乎很难提出更多跟企业战略规划与战略执行相关的、能引起决策层兴趣的人力资源决策信息。更由于缺乏规划预测的能力，长期以来HR都无法摆脱事后“救火”而非事前“防火”的尴尬局面。仅仅依靠经验与直觉进行决策，也势必导致CHO的话语权逐渐受到挑战。

·作为直线经理的业务伙伴，却因资源配置问题变成博弈对手

由于国内企业普遍缺乏精细化预算管理机制，业务部门为完成业绩往往不会主动考虑成本问题，而是尽量争取更多的人员编制与人事费用。特别是外部经济不景气的处境中，“僧多粥少”的局面也要求HR与业务部门能有效沟通，更合理地分配资源。然而，由于缺乏量化人事管理的技术，使合作性的沟通变成妥协与折衷的谈判，而缺乏科学指标数据指导的主观博弈结果，不仅让合作变了味，而且还会导致总体预算超标，或导致HR部门因不能满足业务部门的要求而成为众矢之的。

·作为专业的HR管理者，却无法对自身的工作绩效进行评价

近年来，国内企业人力资源管理水平虽有所提升，但如招聘、绩效、薪酬、培训等人力资源职能运作相对独立，人力资源管理作为一种体系的协同效应被大大削弱，进而导致HR管理手段与管理目标的错位，使得管理导向出现偏差(比如很多企业的培训工作不能从员工队伍能力提升角度进行系统规划，而往往以用足培训预算、达到培训总时数为目标)。由于缺乏系统思维，HR们经常埋头苦干却不能感知问题所在，或者即便知道存在问题，却不能精确定位问题的所在，更无法找到解决问题的方法，进而让作为员工绩效主管部门的人力资源部陷入对自身工作绩效无法进行客观评价的尴尬境地。

管理大师彼得·德鲁克说过只有可测量的才能够被有效管理(You cart manage what you dontmeasure)。而HR目前所遇到的困惑，只有通过量化人力资源管理才能根本解决：

1，作为CEO的战略伙伴，CHO应从过去依靠观点与感觉的决策方式向“用数据说话，基于事实”的决策方式转变，以获得战略对话的主动权；

2，作为直线经理的业务伙伴，HR需要建立科学的人力资源规划模型，以避免因资源配置问题而与直线经理争论不休；

3，作为HR管理专家，需要建立一套系统的、可量化的HR绩效评价体系，以引导正确的管理行为，并用数据来充分展现HR管理的价值。

三层架构搭建HR量化分析模型

要实现量化的人力资源管理，首先需要根据不同层面管理者的需求，来建立人力资源量化分析模型，根据人力资源管理咨询式的战略作用，可将人力资源量化分析模型分为HR决策分析主题、HR运营指标和HR业务指标三个层面(如图1所示)：厘清HR决策分析主题

CHO要实现与CEO的战略对话，就必须分析企业领导关注的人力资源(量化)议题是什么，并为这些议题的回答提供准确而全面的信息支持。一般而言，高层更关注综合、定性的战略问题，单个指标往往不能反映问题的全貌，而是需要通过一组相互关联的指标来提供决策支持，而从确定要解决的问题(定性)，到提取主要分析指标及相关联的指标(定量)进行分析的过程，即建立“分析主题”的过程。

那么，企业领导关注的人力资源议题是什么呢?我们不妨回顾一下平衡计分卡的概念。平衡计分卡本质上是帮助企业领导进行战略决策的工具，它包含了企业领导最为关心的、反映企业是否健康运行的关键指标。这些指标被划分为四个维度：财务、客户、流程以及学习与成长，其中，“学习与成长”维度实际上可以理解为“员工队伍”维度，因为一流的员工队伍是驱动业务成功的关键因素。从这个意义上来讲，HR决策分析主题首先应该围绕对“员工队伍”的评价来确立。对员工队伍的评价，可以从这样三个方面进行：一是看队伍，即数量是否充沛，能岗是否匹配，结构是否合理等；二是看士气，即员工满意度与敬业度是否足够高三是看效率，即人力资源的投入产出比是否令人满意。

需要指出的是，一流员工队伍的创建离不开一流的HR管理水平，因此，作为企业领导来讲，也应该重视HR管理体系的建设。为此，可建立一系列反映HR体系能力的指标，以便于领导掌握人力资源管理状况。事实上，可以说由队伍、士气、效率以及HR体系能力四个维度组成的“员工计分卡”就是作为决策层领导关注的人力资源议题(如表1所示)。而要寻找这些议题的答案，就要首先掌握每个议题的内涵，并在此基础上通过提取一些相关的指标来进行分析并提供决策支持。

如表1所示，“人工成本的增长对劳动生产率的增长能否产生积极影响”就是企业在进行工资增长幅度决策时领导比较关注的一个议题。为了弄清这个问题，我们可以将“人工成本”作为输入，“劳动生产率”作为输出，利用过去3～5年的数据，分析二者之间是否具有正相关性(即积极影响)。需要特别注意的是，具体分析中，不同性质的企业对“劳动生产率”的理解往往是有区别的，但“人均利润”与“人均营业收入”指标都是一致的；由于输出项是人均概念，“人工成本”作为输入项也应相应地采用“人均人工成本”指标。而为更直观准确地反映二者之间的相关性，还应引入增长率指标进行比较分析。具体解决方案如表2所示。

需要指出的是，分析主题作为一种决策支持工具，并不能直接得出决策结论，而只能为决策者提供信息支持。例如，在上述示例中，我们通过因子分析法可计算得出人工成本与劳动生产率之间的相关系数。相关系数越小，越能说明二者之间没有正相关性，人工成本的投入只是保健性因素。可以说，如果HR们拿出这个结论，必定会成为影响企业确定薪酬增长的重要因素，但最终的增长幅度还需要决策者综合考虑其它各种因素(如外部环境以及企业内部承受力等)来确定。

找准HR运营指标

HR运营指标是与人力资源战略规划与实施直接相关的指标，最终用户是人力资源部领导及HR规划团队，而他们主要关注的是人力资源运作系统是否能有力地支持企业战略，以及人力资源各职能的效率与质量是否能有力地支持人力资源运作系统的高效运转等问题。

事实上，HR运营指标要重点反映HR体系能力，因而应从人力资源管理的全局出发，从人力资源的获取、使用、开发、保留等维度选取对人力资源部领导及HR规划有价值的指标，业界将此种指标分类方式称为人力资源计分卡。我们注意到，人力资源规划作为人力资源管理的一项重要职能没有列入人力资源计分卡，是因为人力资源计分卡关注的是已经发生或正在发生的事务，其指标数据反映的是事实，而人力资源规划处理的是未来的事情，无法通过指标来进行监测，但可以利用其它维度的指标分析结果来进行预测。

由于HR运营指标将起到承上(HR决策分析主题)启下(HR业务指标)的作用，因此HR运营指标集往往既包含部分决策分析主题，也包含部分单个的HR指标，如下页表3所示。

HR运营指标既要能反映人力资源管理的结果(如人才流失率等状态类指标)，还要重点能反映人力资源管理体系的能力。例如，评价培训管理能力的一个重要方面就是“培训工作是否体现了对员工绩效的影响”。这事实上是一个分析主题，我们可以通过分析不同绩效人群的平均培训时数、平均培训费用等指标之间的相关性，来从一个侧面反映培训工作的有效性。

明确HR业务指标

HR业务指标是与人力资源各项具体职能直接相关的分析指标，用以分析HR各职能的运作效能，最终用户是HR专业管理人员。HR业务指标的确定，一般是在梳理HR各个管理职能业务流程的基础上，结合人力资源量化分析领域比较通行的五因素分析法来完成的。所谓五因素分析法，就是对于HR管理的每一项职能，都可以从成本、时间、数量、质量、满意度等五个角度选取指标来进行分析。

·成本因素是管理者优先关注的因素。它比较直接，易于理解、展现与描述。

·时间因素正变得越来越重要。如果能更快地达成业务目标，就会获得更有利的竞争优势。

·数量因素比较容易处理。虽然数量因素本身并不具备太大的决策意义，但往往是对一些重要问题进行分析的起始点。

·质量因素反映的是HR管理的直接成效。

·满意度因素反映的是内部客户(员工、直线经理等)对HR职能的评价。

事实上，五因素分析法提供了一种系统思维方法，它帮助人们在分析问题时更为全面、客观。表4以招聘管理职能为例，列出了与之相关的关键业务指标。HR业务指标往往既包含对某项HR职能进行绩效分析的关键结果性指标(如招聘完成率)，也包含HR管理者日常所用的一些过程性指标(如各招聘渠道简历分布数量)。

从HR统计到HR对标分析

明确对标的参照系——基准

虽然人力资源量化分析模型建立起来后，相关的指标要获得计算结果只是简单的数学统计问题，但需要指出的是，统计不等于分析，统计结果反映的是一种事实，但事实本身的好坏、导致某种事实出现的原因，并不能通过统计结果直接反映出来，这显然无助于发现问题并寻找解决问题的方法。以流失率指标为例，假如统计得出某企业2008年的员工流失率为5％，那么，这个数字是低还是高了?反映的是什么问题呢?事实上，要实现指标的分析价值，指标分析的结果至少应该能回答这样三个层面的问题：我们现在做得怎么样?与其它企业相比或与本企业之前相比，情况有何不同?我们怎样才能做得更好?第一个问题是了解现状；第二个问题是通过比较来获得现状所代表的含义；第三个问题是针对现状与比较的结果来寻找解决办法。

可见，针对统计数据，分析的关键是明确对基准的定义。而所谓的基准就是对指标结果进行评价的相对参照系，它由基准值与基准域两个概念组成。

认识对标的标杆值——基准值

根据惯例，人力资源管理量化模型的基准值一般可分为25分位值、50分位值以及75分位值三个档次，不同的值代表指标处在警戒、关注或良好等不同管理状态，不同分位值具体代表的何种状态将针对具体的指标分别设置(基准值也可以分更多档次，以提高分析比较的精度，但这样的话，基准值的管理也将变得十分困难)。

一般约定：基准值越大，对应的分位值越高。但对不同指标而言，并非分位值越高就代表指标表现越好。一般将三个基准值中反映指标表现相对最佳的值设定为标杆值。图2所示为三种不同情形下的标杆示意值。

在此，仍以员工流失率指标为例，如果员工流失率过低，说明员工队伍过于稳定，从长远来看则会导致员工失去危机感与上进心，会对企业竞争力培育造成较大的负面影响；而员工流失率大，尤其是关键员工流失过快，势必影响企业的日常经营工作。因此，员工流失率指标应该保持一个适中的值才比较合理，该指标应以50分位值作为标杆值。

需要特别指出的是，并不是每个指标都能设定基准值，比如：总人数、人工成本总额等指标，反映的是企业在特定环境与条件下的某种状态，其本身无论是与外部企业比较或是与企业自身的历史情况比较，都没有太大可比性，因而无需设定基准值。其次，对可设定基准值的指标又存在内部层面和外部层面两种情形(如图3所示)。对于第一种情形来说，与外部标杆比较没有意义，但与企业自身的历史情况或企业内部分支机构之间比较是有意义的，因此，可将企业内部经验值设定为指标基准值，如净增员率等。对于第二种情形来说，与外部标杆比较更有意义，如人力资源投资回报率。但并非所有的外部标杆尤其是行业标杆都可顺利获取，对无法获取的外部标杆，可转而寻求企业内部经验值解决，如非自愿离职率。

从大的经营环境来看，指标的基准值也不是一成不变的，而应该随着企业内外部环境的变化而不断动态调整，一般情况下，基准值应该每年系统地调整一次。此外，基准值并非客观值，而是在合理的置信区间内的一个主观判断值，因此，基准值必须在管理实践过程中不断予以调整完善，使其更趋合理。

定义对标的区域内涵——基准域

深入分析不难发现，基准值只能反映指标表现的好坏，但还不能反映导致指标结果的原因，而要找到指标潜在的因果关系，还需要进行基准域的定义。所谓基准域，是由基准值划分出的若干个区域。从图2我们不难看出，指标的3个基准值定义出了4个基准域：25分位以下区域、25～50分位区域、50～75分位区域、75分位以上区域。指标值落在不同基准域则代表不同的含义。

定义指标的基准域关键在于通过指标的不同表现反映隐藏的本质问题。以“内部招聘平均到位周期”指标为例。显然，该指标通常应以25分位值作为标杆(即：内部招聘平均到位周期越短，也就越能满足企业管理的需要)。当该指标的统计值落在25分位以下区域时，说明了该指标表现出色。但是什么原因使得该指标具有如此良好的表现呢?这就需要从人力资源管理的实践出发来分析潜在的因果关系了：可能是因为企业的人力资源规划比较科学合理，使得内部人才的储备比较充足；也

有可能是人力资源招聘团队的执行力很强。依此类推，可以对其它基准域进行定义(如表5所示)。类似于专家系统或人工智能系统，基准域的定义也需要在实践过程中不断完善，使其对人力资源管理提供更为准确的因果分析与决策支持。

系统思维与对标分析下的人力资源规划

分析到此我们发现，人力资源量化分析模型不仅提供了一系列人力资源指标，还提供了系统思维和对标分析这两种十分有用的方法；而且，这两种方法同样可以运用在人力资源规划工作中，对制定人员编制与人工成本预算尤其有效。

对大型集团企业而言，人员编制计划与人工成本预算是集团人力资源部的两项非常重要的工作。在实际管理过程中，这两项工作往往是两个不同团队分别负责、独立开展的。管理者经常发现：无论是制定人员编制计划，还是进行人工成本预算，似乎都缺乏科学的预算模型，往往只能凭经验与感觉进行管理，从而导致管理结果的主观性过大。究其原因，首先在于企业没有将人员规划与人工成本预算这两项工作比较科学地联系起来考虑，缺乏系统性；其次，在规划过程中没有合理地利用对标工具，缺乏客观性。

事实上，人员编制计划与人工成本预算应该是相辅相成的，因为人员总量影响到人工成本总额，而人工成本总额又对人员总量提出了要求。然而，新的问题在于，企业是应该先确定人员编制从而来预算人工成本总额，还是应先确定人工成本总额从而来推算人员编制呢?这似乎陷入了“先有鸡还是先有蛋”的问题中。实际上，正如前文所述，人力资源规划并不是反映已经发生或正在发生的事务，而是对未来事务的预测，预测的结果并非反映某种事实，而是反映某种可能性或趋势，这也使得预测性的结果可以具有一定的弹性空间，可以在合理的置信度范围内，这个弹性空间赋予了人力资源规划可以在反复调整中不断完善的余地，而不必计较是否一定要由某个因素确定另一个因素的问题。

对集团企业而言，人力资源计划往往是自下而上汇总的，最后由总部统一进行核定。在这个过程中，总部需要提供两组对标数据HR结构指标标杆与劳动效率指标标杆，标杆值既可以是外部对标企业的参考值，也可以是内部某优秀成员企业的指标值。在进行人力资源计划时，成员企业应首先进行人员结构的对标，并根据对标结果不断调整编制计划，直到结构相对合理为止；接下来，结合企业的经营目标进行劳动效率对标，并根据对标结果不断调整编制数，直到劳动生产率达到对标要求为止。

当HR结构对标与HR效率对标完成后，该成员企业新的编制计划便形成了，但这并不是最终的计划，因为这个编制还需要受到总部为该成员企业核定的人工成本总额的约束。集团企业在核定成员企业的人工成本总额时，往往是自上往下分解的。在分解之前，应从整个集团的人工成本总额中预留一块作为调节额度备用。人工成本的分解，一般是在各成员企业上年度实际发生的人工成本基础上，综合考虑企业上年度绩效、本年度发展目标等因素来进行，分解过程中可适量动用调节额度，但仍必须预留足够额度以备后续环节使用。

实际上，当成员企业的人员编制计划完成后，基于该编制计划，不难测算出相应的人工成本总额，这个人工成本预测值(以下称“A值”)需要与总部分解的人工成本预算(以下称“B值”)进行比较，如果B值满足A值的要求，则可以认为该成员企业的编制计划与人工成本预算被确认：而当B值不能满足A值要求时，可以适度对B值进行调整，其调节因子可以根据HR效率指标以及其它相关因素确定，如B值调整后能满足A值要求，则可以认为该成员企业的编制计划与调节后的人工成本预算被确认，而如果B值调节后仍不能满足A值要求，则需要该成员企业重新调整其人力资源计划，直到基于调整后的编制计划得出的A值符合调整后的B值的要求为止。笔者在此将上述过程归纳为如图4所示的集团型企业的人力资源规划模型。

HR-BI，让量化人力资源管理落地

在人力资源量化管理过程中，还需借助IT的手段。事实上，无论是建立人力资源量化分析模型、进行对标分析，还是基于对标分析进行人力资源规划，本质上都只是提供了一种量化分析方法，对海量数据进行收集、加工、建模及分析等过程若能借助信息化管理技术往往可以事半功倍。

HR-BI系统(即人力资源商业智能分析系统)，就是这样一个能让人力资源量化分析模型与对标分析的方法落地的综合决策分析系统。HR-BI并非e-HR系统，它区别于e-HR系统中面向业务过程的一般性报表，HR-BIT具的价值在于通过其多维数据仓库／数据集市功能，进行数据建模，提高大数据量情况下的人力资源数据分析效率；并通过其强化报表制作及基于图形立方体的指标建模能力，以图形或报表等形式实现对人力资源业务的深度分析与灵活展示。

e-HR系统的数据是HR-BI系统的主要来源，但并非全部来源，从长远来看，财务系统、生产系统乃至客户关系管理系统的数据都会被涉及到，甚至，HR-BI系统会成为企业综合决策系统的一个组成部分。数据从不同系统导入到数据仓库，经过优化后可以用作HR指标分析。分析的展现形式既可以是复杂的报表格式，也可以是统计分析图形式。因此，HR-BI系统不应直接架构在e-HR系统的数据库基础之上，而应该单独构建数据仓库，并利用BI工具在数据仓库之上以报表、统计分析图形的形式来对HR关键指标进行分析。

人力资源管理工作要想量化确实不易，但也并非无法实现，参考本文提出的思想和工具，脚踏实地，从易到难地逐个突破，相信量化人力资源管理定会美梦成真。