线上咨询
电话咨询
4008-200-397
日前，由中智咨询研究院倾力打造的《企业人力资源数字化建设水平和转型能力调研报告》（以下简称报告）正式发布。
本文为报告的第三篇解读，将分析企业人力资源数字化转型过程中面临的数据管理方面问题，并整理了领先企业的实践案例进行分享，为企业提供参考。
若谈及企业人力资源数字化转型中的“眼高手低”，企业“对于大数据分析应用的热切期待”vs“相对应缺乏的数据管理办法”可算是其中最典型的一类。
通过我们线上和访谈调研发现，当HR谈到“期待通过数字化手段解决或改善的业务痛点”时，最常提到的就是“数据”。
有八成的企业进行人力资源数字化转型旨在提供业务的决策、分析及预警能力。
然而，其中超过六成和五成的企业在人力资源数据统计分析及管理报告和数据管理中遇到了挑战和困难。
为此，中智咨询针对企业可能面临的数据管理方面问题，梳理了以下领先企业的实践案例进行分享，为企业提供参考。
注：以下全部案例均基于公开资料的整理分析
腾讯
打造全新HRSDC部门，组织上实现全域HR数据汇总
为了实现跨业务、跨领域、跨系统的数据集成，为管理分析和业务决策提供统一的数据支持，把运营数据转化为高价值的可获取信息，腾讯的打通了HR全域数据，主要来自各个HR系统，涉及福利、基础人事、绩效管理、培训发展、薪酬、员工关系、招聘等，同时还会涉及一些非HR数据，如行政等。
专职部门承担数据汇总职责：腾讯HRSDC部门聚合了数据治理能力、数据管道能力、数据应用能力、业务规则管理能力，牵头共建HR数据资产及配套的管理机制，为HR数字化转型提供基础支撑。从组织上实现全域的数据汇总，不但能对数据资产进行集中的清洗和治理，还可以通过组件化、模块化、标准化、解耦等方式来拆分系统和业务，再基于数据化服务的方式快速支撑前台业务的迭代更新，从而不断沉淀能力，做到服务和体验的提升。
数据资产的管理：将数据规范、数据处理有机结合，实现对具体元数据的描述，利用标准化的数据接口以及丰富的图表展示工具，可快速定制各类数据资产的应用，配合数据资产的全面评估，实现数据资产的“三全”管理，包括全生命周期管理、全流程管理和全景式管理。
绿城
“建标准、搭平台、落执行三步走”策略落地数据治理
数据治理思路：绿城制定了“三步走”的策略应对：
第一步，建标准，制定项目数据规范、标准、定义，形成数据字典，统一数据口径；
第二步，搭建主数据平台，实现数据和系统互通互联；
第三步，落执行，实施数据治理，组织人事、营销、成本、财务、运营、本体等多条线开展各业务系统的数据治理工作，让系统得以最大化发挥价值。
统一数据标准和规范：在排查、清理和更新数据前，首先完整盘点了各人事相关数据字段的应用场景，经过系统化梳理后，从定义、使用场景、数据来源等维度共对300余个字段进行规范化，形成了一本专门的人事业务数据字典。数据字典编制后，彻底消除了以往对个别数据存在多种解释的混乱现象，实现了标准化的数据管理。
数据质量监控与校验：通过系统平台存储数据口径与校验规则，根据不同数据的来源，对新录入的数据进行规则校验，保证数据录入的准确性。
例如新员工入职将直接通过员工扫描二维码完成线上登记并录入系统，并且同步到其他相关系统，员工端不同用工类型也将在员工合同信息签订协议时录入系统，并在不同阶段进行自动校验与提醒，避免相关人员错误操作或输入导致的“脏数据”，从而提升数据质量。
海航集团
全面清洗底层数据，百日筑基
数据治理思路：首先完成个人、组织机构、薪资等基本信息治理，再次完成培训、领导力、绩效考核信息治理，最后完成业务发展相关的董监事、党群、人才测评等信息治理。
境内员工数据：通过各单位员工数据完整率、准确率、及时率持续完善员工相关共20个类别人力资源数据。
打通跨部门数据：支撑集团运营大数据平台、财务大数据平台、合规管控数据平台的建设，打造以人之本的全球统一服务平台。
境外员工数据：通过国际云服务在美国、德国部署境外eHR平台、有效推广策略将境外数据回传至境内，并提升境外HR服务。
人力发展大数据：建设集团鲲鹏人才库、岗位竞争力平台，通过大数据平台指导人力发展管理，后续将建设绩效薪酬、全球招聘、全球培训大数据服务平台。
设立相关制度督促：对于无法根据标准完成数据治理的部门，海航会在较高的层级进行通报批评，用于监督、促进各部门对存量数据修订的进程。
提供技术支持：海航设立专门的工具组提供技术上的支持，帮助各部门能够更快处理数据。
同程艺龙
搭建HR数据仓库，打破数据壁垒
统一数据标准和规范：针对业务部门与研发团队建立了统一规范的“数据字典”，通过字典对各个字段的定义与规范，在输入端保证数据的标准一致，也确保同一个字段在不同的部门和不同的系统中，以及同一个系统的不同页面中，都能够有一致的属性、名称与定义。
搭建HR数据仓库：将前端多个相关系统的数据抽取到数据仓库，并搭建了专门的HR数据仓库用户存储HR系统相关维度数据，用于实时性要求并不是特别高的分析，只有对于小部分实时性要求较强的数据分析才会直接查询业务系统的数据库并调用，从而在进行数据分析时不影响业务系统的效率，保障数据计算的速度。
数据质量检查与管理：在流程迭代和优化中不断优化数据规范与标准，通过业务逻辑的不断补充和调整，保证数据使用时的标准化，并通过数据治理的平台，从系统机制上做检查，探寻可能存在的逻辑漏洞与Bug，并定期对数据库中录入的数据进行检查，探寻其中可能存在的异常。
美团酒旅
从“组织、标准规范、技术、衡量指标”方面覆盖数据生命周期全链路
数据治理策略：数据治理方案需要覆盖数据生命周期的全链路，把数据治理的内容划分为几大部分：组织、标准规范、技术、衡量指标。整体数据治理的实现路径是以标准化的规范和组织保障为前提，通过做技术体系整体保证数据治理策略的实现。同时，搭建数据治理的衡量体系，随时观测和监控数据治理的效果，保障数据治理长期向好的方向发展。
标准化和组织保障：制定了一个全链路的数据标准，从数据采集、数仓开发、指标管理到数据生命周期管理，全链路建立标准，在标准化建立过程中联合组建了业务部门的数据管理委员会。
技术系统：数据治理涉及的范围非常广，需要协作的团队也很多，除了需要通过组织和流程来保障治理行动正常开展，也考虑通过技术系统化和自动化的方式进一步提效，让系统代替人工。
衡量指标：业务部门在业务发展初级就会建立指标体系，并使用数据指标对各个业务过程做精细化的分析，衡量业务目标的达成情况和行动的执行程度。数据治理也需要一套成熟稳定的衡量指标体系，对数据体系做到长期、稳定和可量化的衡量。通过制定体系化的数据衡量指标体系，来及时监测数据治理过程中哪些部分做得好，哪些部分还有问题。
亚马逊AWS数据湖
“建湖、聚数、治数、用数”
数据治理思路：亚马逊AWS数据湖通过“建湖、聚数、治数、用数”四个步骤实现海量数据的治理，将海量的、不同类型的数据进行统一存储，并提供数据目录和查询服务。
建湖：闲庭信步筑数湖，对数据进行入湖规则核验，并进行初始化存储；
聚数：百条大川终归海，通过不同工具实现不同数据类型数据的数据采集、处理、迁移数据；
治数：疏川导滞按需流，通过在数据湖的设计、加载和维护过程中加入强大的数据处理、元数据管理、数据质量检核和数据安全的相关组件，并引入所有这些领域的经验丰富的专业人员参与治理，从而提高数据湖的价值；
用数：水到渠成价值增，对数据进行大数据处理、实时分析和机器学习等操作的统一数据管理平台，为企业提供数据“采集、存储、治理、分析、挖掘、服务”的完整解决方案，从而实现“水到渠成”的数据价值洞察。
中智咨询总结
通过以上领先企业的实践案例及中智相关咨询经验积累，建议企业遵循人力资源数字化转型的要求，识别和打造人力资源核心体系和技术支撑，系统化、体系化地建立人力资源数据分析体系、人力资源数据治理体系和应用集成平台等三个过程联动方法，并建立上述方法之间的相互作用关系。
企业人力资源数据治理是一项需要在组织范围内进行全面变革的工作：
- 基于组织特点，识别治理的核心诉求，建设组织文化
- 明确治理目标领域、对象、活动的内容
- 建设数据治理组织与人才
- 建立数据政策与制度
- 制定数据治理的标准与管理流程
- 提供持续的数据质量改进机制与方式
- 设计数据模型与关系映射
- 通过技术手段建立数据管理平台
想要了解我们的咨询服务将如何帮到您
和我们一起智领中国
沪ICP备09043635号-15 |
沪公网安备 31010402008655号
隐私政策
线上商城中智集团
Copyright All Rights Reserved. www.ciicmc.com