究竟什么是数智化人才管理？（篇章一）

作者：益才发布时间：2022-08-15

“HR数字化转型、EHR、DHR、DTM------”这些词汇已成为近年来各大HR行业活动、论坛、人才峰会的标配，紧随着企业组织数字化转型的集结号，不冠以这些热门标签似乎显得活动价值不高，市场活动的吸睛标语无非是昙花一现，就怕当局者迷离了心智，混淆了视听，不仅没厘清概念，反而收获了一种混沌的占有感：都见过，不新鲜，我了解。益才将通过3个篇章分享对于“数智化人才管理”的研究与应用，本章为开篇。

HR从业者对于EHR的概念并不陌生，许多企业都有自己的人力资源管理系统，DTM（Digital Talent Management）的概念相对新颖，免不了就有类似的困惑：DTM经常提到“人才大数据分析决策”，到底是什么样的人才大数据？怎么进行分析和决策？已经有了EHR平台，还需不需要DTM系统？是不是在原有EHR系统上加入人才盘点、360度测评等等人才管理的应用内容，进行功能完善就升级为DTM了?

我们一起来梳理下这EHR和DTM二者的关系，缕完后，关于做法上的困惑也就明朗了。从几个真实的人才管理场景说起：

比如你公司今天的战略中计划开拓东北大区，要找一个区域总统管东北这个市场，这个人需要有成熟的市场开发的经验，要有跨区域管理的经历，还得有调动的意愿，作为HR，你通过这几个关键指标和标签进行搜索，能够胜任这个东北大区老总的候选人立马被选出来，然后在这几个候选人里再去做比较分析选出一个合适的人，这种场景在DTM里面可以做到，在EHR里就很难实现。
又比如说，我们去分析几个群体的人才状况：分公司的人才结构，业务事业部的高管队伍能力，集团公司的后备人才情况，那么你的分析报告中至少得包括：这些群体的共性短板，关键差异，针对性的培养和发展方案等。这样的一个目标在DTM里面可以实现，但是在EHR里同样难以实现。
再比如说，分析公司的关键人才和核心人群的保留因素，进而制定公司的人才保留策略。DTM同样可以实现。

由此可见，DTM的出发点是“人”和“人才”，关注人才的吸引、聘用、安置和保留，借助了数智化技术，在人才的数据、标签和组织里面不同的群体的关联交叉分析，精准不同群体的不同要求，并且在功能上紧密链接，围绕人才紧密耦合，完成持续人才供应的目标，宏观上形成组织层面人才管理的观点及洞见，进而实现人才决策和组织决策。相对较EHR，一个特别明显的差异在于：大数据分析决策在DTM里面能够极大的强化。从这个角度出发，我们就可以知道EHR和DTM的关系了，它们并不是一个相互替代，而是互为补充，并不冲突。

举例，DTM强调人才全息数据的处理，特别强调“预测性数据”的搜集，但原有的EHR系统内已应储备了很多总结性或者说现实性的数据，我们只需要通过不同的人才标签，就可以将这些数据进行处理，在这个基础上进而实现类似“人才管理看板”等很多EHR系统实现不了的功能。

DTM：HR自身大数据基因的持续进化

建立人才大数据治理体系，是DTM极其基础、关键、核心的前提，具体而言包括四项工作：一是建立人才数据业务模型，确定人才数据类型和数据指标；二是明确人才数据来源，建立或重构基于数据管控的人才管理体系；三是建立人才数据管理模型，明确人才数据应用方向和模式；四是建立人才数据应用模型，构建基于数据分析的应用场景，基于管理预测的智慧解读。乍一看是个繁杂漫长的变革过程，但可别忘了HR领域天然带有大数据基因，数智化人才管理不是创造，而是传承和迭代。回溯早期的人事管理，我们会发现人力资源领域一贯注重人事类各种档案、信息、数字的管理，例如：考勤、工龄、司龄、薪酬奖金、绩效、360度评估，以及荣誉表彰次数等等，同时也可以将学历、职位序列、岗位价值等信息转化为等级数字用于计算。数智化人才管理（DTM）与HR们并非刚刚结缘，就像人工智能并非21世纪的产物一样，大数据和AI新技术为人力资源的各类档案、信息、资料库的管理唤起了新的生机。构建系统化、智能化的HR大数据平台帮助HR部门为组织带来增量价值，其实质是因时因地做出智能的人才管理决策，为企业战略、业务和经营持续提供人才梯队支撑，获取、发展以及留存所需的人才。

所以面对数智化转型，HR部门大可不必认为这是一项全新的任务，而应是对现有人力资源管理体系的一次技术性升级迭代。HR们完全可以保有充足的信心，来完成这项时代要求下必须的任务。

本章为“什么是数智化人才管理？”开篇，后续篇章将分享数智化人才管理的逻辑及价值应用，敬请期待！