构建HR进化素质模型

2019-10-12穆胜

商界评论 2019年5期

穆胜

什么样的HR才是企业需要的？

从过去HR的成长路径来看，大概分为两条：一种是科班出身，接受过人力资源管理系统教育，而后走向HR岗位；另一种就是半路出家，这一类并没有扎实的人力资源管理专业知识，但却有过业务部门工作的经验，因为某种原因转型为HR。

两种路径各有优劣，前者缺乏对业务的理解，后者缺乏对专业的理解。即使懂点业务，也有一些专业能力，HR的发展还有一层天花板—对于生意的理解。这源自于一个业界陋习—故步自封。太多的HR喜欢标识自己的身份，说着自己的一套专业逻辑，想象着老板和业务部门的需求，然后提供传统选用育留的方案。

现实中大部分的HR都是把自己困在专业里，上不承战略，下不接业务，在自己营建的王国里怡然自得，成为了互联网时代企业转型升级的最大堵点之一。

在这个时代里，我们究竟需要什么素质的HR呢？下面这个模型可能是个答案。

理解生意逻辑

什么叫懂生意？就是能够与经营者们（老板和其他高管）就生意进行对话，理解财务的基本逻辑，并且对于研发、采购、生产、市场等业务领域（生意的子系统）如何形成财务贡献也有一定理解。

这个素质维度一定不是HR能力素质中的“必要条件”，但却决定了一个HR的发展上限。老板们关注的是生意，而要与各个业务线的负责人们进行对话，甚至深入到基层影响直线经理，都必须掌握财务逻辑的语言。

在我们接触诸多HR高层时，发现他们与普通HR的视野明显不同。一般HR都将选用育留作为目的，而HR高层的眼中“生意”才是目的，选用育留只是过程。

为什么会有这样的差别呢？道理很简单。当HR进入高层，能够参与经营的讨论时，他们接触的信息量和在人力资源专业领域接触的根本不同。说得再实际一点，选用育留有点像功夫的招式，练得再熟，也必须在实战中调整才能发挥作用。而HR日常运行的选用育留就像在校场练武，舞动得再虎虎生威，也实现不了任何价值。但只要他们开始思考如何推动经营，就进入了实战，每一个招式都必须最具实战价值。这时候，他们就会反向审视“招式”在“实战”中的价值，让人力资源管理的标准套路变成企业经营场景中的解决方案。

影响人力效能

当HR具备了对生意的理解，他们就应该思考如何驱动生意，而他们手上的武器就是人力资源的各类投入。所以，“理解生意逻辑”的素质维度相当于是打开了视野，而“影响人力效能”的素质维度则是实战的行动。

理解人力资源效能的输出逻辑，就是能够搭建人力资源管理体系，使人力资源上的任何投入（编制、人工成本、时间等）都能产出最大化的财务或业务结果；基于这种投入产出的逻辑，为企业规划最佳的“投产方案”，使得效能输出整体最大化，且符合企业的阶段性要求。

如果我们把人力资源管理体系看成是一辆汽车，具备这种素质的HR就是最好的技师。他们不仅能把这辆车调校到极致，还能基于这辆车的设计，为从起点到终点的每一段旅途设计加油和行车的方案，使这辆车能够最快到达终点，且使用最合理的油耗。

但这类人力资源实践一定要在深度理解生意的基础上产生，并且会对选用育留的传统招式有大量调整。普通HR既不能理解生意，也不能突破教条，就谈不上影响人效了。所以，当“HR应该以影响人效来推动经营为己任”的观点被抛出时，大量的HR是紧张的。

然而，由于目前普通HR的活动存在“禁区”，这个素质维度还无法突破。组织构型有4个维度—商业模式、业务流程、组织结构、岗位系统，但HR多半只能在岗位系统上有所影响。因为其他几个维度都是老板的地盘，通常都是老板自己牵头做商业模式设计、业务流程再造、组织结构调整……而这些恰恰都是最能影响人力资源效能的武器。

熟练运用数据

“用数据”就是能够收集到业务、财务、人力资源的基本数据，并建立几类数据之间的逻辑关系，呈现公司整体的人力资源系统运作状态（投产状态）。基于对人力资源数据的深耕，呈现出队伍（组织结构和人员）和职能运作状态，并且能够基于这些反馈进行人力资源决策。

HR应该清楚，在互联网时代，面临不确定的经营环境，企业的运作会更加复杂。而引领这种不确定性的关键就在于将运作变成数据，基于数据寻找规律、设置规则、监控效能。

舉例来说，以前要激励一个因为工作压力而士气低落的部门，HR可能需要去听取一线员工和管理者的声音，再导入EAP项目（员工援助计划）。但当组织变得更大而有多个部门，每个部门的需求又各有不同时，HR的脚步根本无法覆盖基层。这时候，我们可能更需要依赖于数据分析来解读细分需求。

当前，绝大多数的HR都过于执着于自己的专业，对周围的数据无感，更谈不上将若干数据联动起来进行分析。这也是为什么这个素质维度实现不起来的原因之一。另一方面还在于普通HR自己的“心魔”。

普通HR对于数据的恐惧达到了让人惊讶的地步。在我的《数据驱动人力资源效能提升》的课堂上，每当涉及到计算的练习时，有一半左右的HR不愿提笔。大家似乎都默认这个专业与数据是绝缘的，久而久之，本来还有的一些数据感觉也退化殆尽了。更严重的是，越是不碰数据，这个专业就越不被看作是一门专业，也就越来越得不到业务部门和老板的尊重。