传统企业数字化的战略转型

唐娅

人力资源管理数字化战略转型，目的是实现人力资源管理与公司战略的协同共振，以助力公司适应数字时代的变革，持续获得竞争优势。而在这之中，人才是重中之重。培养数字化人才的实现方式是以战略为核心的人力资源管理人机交互模式，建立适合自身的模型，随时随地完成各项任务。

数字化转型人力资源构建的价值

“数字化转型”是对企业（过程、场景、关系、工作人员）的重新定义，从上到下完全在线，外部适应各种变化，自动化和自我适应，不需要人工干预，最终创造价值。数据化转型被定义为是建立在数字化转换、数字化升级基础上，进一步触及公司核心业务，新建一种商业模式。因此，数字化转型的目标是重新定义业务，而不仅仅是提供信息的线下业务；数字化的目标不仅是降低成本和提高效率，而且是专注于自动化和合理化，并根据环境和基础设施的变化重新评估公司业务。

公司治理的核心是人力资源管理，德鲁克认为，人力资源在企业中占据大量的资源，但实际资源只是人才，管理是充分利用它们来完成工作。所有企业能长期存在的共同点在于人，即人力资源的优先分配。人力资源管理理念、原则方法总是在进化，理论与实践结合，无论是早期泰勒科学管理思想的引入，还是随后的战略人力资源管理理论的引入，都展示了人力资源管理联系时间和具体情况，提出和解决相应的关键问题，这是公司总部的竞争优势的重要来源。

传统企业数字化转型新挑战

数据化转型给整个社会带来了非常大的变化，有机遇也有挑战。数据化为企业创造了许多新机会，但也为人力资源管理带来挑战。这些挑战主要包括以下几类：

●隐私保护与法律问题

在线办公、远程协作以及其他基于数字信息平台的工作模式，如为提高人力资源管理部门数据决策的准确性，必须收集有关人力资源的数据，这必然会涉及员工工作以外的生活信息，种种行为导致“工作——生活”边界被打破。工作与生活在时间与空间上的交叠，意味着员工的生活信息也将被存储为员工数据，这就加剧了算法过度侵入的风险。例如，一些公司将员工信息随意加工与传播，使人才信息成为商业买卖过程中的商品，不仅违背了伦理道德，也对员工造成困扰。这就需要相关部门出台法律进行监管，保护员工的隐私。

●员工知识结构与大数据的不匹配

传统人力资源管理部门在公司主要是起到服务功能，但大数据应用的增加，使得技术分析人才更加被部门需要。但是由于人力资源管理部门的特殊性，其业务很难在短期内掌握，因此，现有人员所具备的知识结构与数据化时代的要求不匹配，是数据化时代人力资源管理的重要挑战。

●算法驱动的差别对待

人力资源管理实践当中，通过算法或大数据限制招聘条件和任职资格等，在无形当中造成了不公正、不合理的差别对待。表面上看来，大数据是公平的代言人，然而人力资源管理的核心是以人为本，人性是无法用大数据衡量的。一些冰冷的数据，只能对一些表面的条件进行筛选，但更深层次的人文关怀，还需人工执行。此外，由于大数据的结果也是有偏差的，基于“幸存者偏差”形成的结果可能也是有误差的。这将强化和放大人才管理过程中的偏见。例如，在大数据算法的引导下，员工陷入“信息茧房”中，基于这些数据产生的新的分析预测又将加剧管理偏差。

构建数字化转型中人力资源管理能力模型

●明确数据权属问题

数字化时代，人力资源行业的从业门槛抬高，这就要求我们的人力资源从业者具备一定的学习与创新能力，转型为决策分析型人才，而非仅仅从事人事档案的筛选工作。我们已经对企业数字化转型中人力资源管理面对的挑战进行了分析，便可以对已经确定的挑战有针对性地得出在数字化挑战下员工所应该具备的能力。

隐私保护与法律问题可分为两个挑战：个人隐私与公司过度获取数据，与之对应的能力为员工注意隐私防护和了解相关法律，拒绝公司过度收集数据的行为。数字经济时代的鲜明特征是所有权和使用权的分离。在数据治理的过程中，可依据国家已制定的《数据安全法》等法律法规，明确工作场所产生的员工绩效数据、培训数据、职业生涯数据等权属问题。通过正当程序，厘清哪些数据归属员工个人，哪些数据归属于公司，哪些数据归员工和公司共有。另外，基于数据归属规范，建立员工自主数据授权机制，明确相关数据协议，防范算法对员工的过度监控。

●加强算法干预并纠正偏差

如果将数据比作网络时代的石油，那么，算法就是将原油提炼出来的渠道，就是将成品油最终使用于汽车等工业产品的技术。2021年国家网信办发布了《互联网信息服务算法推荐管理规定（意见稿）》，公开向社会征求意见。与之前的相关立法集中在特殊行业、主体、行为或责任等方面不同，新规主要针对的是算法技术，重点在于界定算法主体责任范畴。这部新法成为配合《个人信息保护法》《电子商务法》等其他法律在算法判定方面的解释与指南。算法新规，就是要确保加油过程的安全，确保这些易燃易爆油品不被坏人用作放火工具，确保每个加油站都应以安全优先，确保消费者获取油品价格、机会和渠道的公平性。从这个角度看，大数据时代实际是“算法为王，数据次之”。算法治理的难点，在于如何平衡自动化与人工干预之间的关系。作为雇佣关系的主体，公司应建立算法评估机制，持续监测算法在人才“选育用留”过程中的可靠性与公正性。一旦发现结果出现偏差，应及时进行纠正和弥补，通过人机结合的方式保证算法正义。

●构建人力资源管理雷达图

在识别、汇总和分类了所有必需的能力之后，我们可以构建一个核心能力模型，也就是能力雷达图，可视化与直观的图形可以更加方便地理解在人工智能的挑战下，人力资源能力构建的结构与核心能力的分类，也可以通过增加透明度的方法来帮助读者明显地发现能力差距。

为此，笔者为核心能力创建了一个雷达图，这种可视化风格能直观地识别能力类别的差距，并可以进一步与自己所具备的能力进行比较分析，看出自己的能力欠缺之处。

当然，开發模型不是最重要的一步，如何去使用才是最重要的，而本文开发的能力模型在实践中有两个作用，一是分析员工状态，二是根据模型提升员工能力。

一般来说，所开发的模型使公司能够对数字化转型中所需的能力进行有差别地分析。该工具旨在评估个人雇员，因为给定的能力过于具体，无法将其推广到整个员工队伍中。此外，需要考虑对雇员的评估由一个有经验的人进行，以尽量减少偏见，并获得一致的结果。

首先，模型的能力需要相应地加权到要评估的员工的部门或工作项目。如前所述，该模型显示了数字化转型时代最重要的能力，然而，每个工作配置对每个人能力要求略有不同。因此，需要调整每个个人能力所需的比额。其次，可以发起对员工的考核。因此，专家应利用标准化能力评估，例如通过调查或监测活动，其结果需要进一步编制并转入能力模型。

在定义了所有要求并对员工的能力进行评估后，该模型将揭示所有现有的能力差距。这表明，当一名雇员准备好在数字化环境工作前，需要重点关注哪些能力。

分析好员工的状态后，就要开始对员工进行培训。首先应该把重点放在最大的能力差距上，因为这些差距决定了员工应对人工智能挑战的最大弱点。通常，能力培养战略包括不同的方法和技术，如培训和教育，以建立具体的能力为主要方向。因此，公司必须在使用此模型之前定义操作，一旦员工达不到胜任能力所需的规模水平，该模型将被触发。根据这一设定，能力模型可以立即为员工提供适当的培训。

数字经济时代下，传统企业人力资源管理数字化转型，应当以战略为核心，以实现与企业数字化战略同频和为组织绩效带来数字变革增量为目标，适应更加灵活的雇佣关系，以及人机互动与协作的新局面。

作者单位 四川省疾病预防控制中心