我们来看下这个领域的标杆实践，百度SDC在六年左右的发展历程中，经历了几次极为关键的迭代更新，其中尤为瞩目的正是“才报”系统。

在才报系统中，对人员发展和组织运行至关重要的分析数据（如人才齐备率、离职率等）都设有“警戒线”，系统会通过红灯（警告）、黄灯（提醒）等直观形式，告诉用户当前组织和个人存在的问题。用户点击这些数据，就可以看到对未来可能发生情况的预测、对问题产生原因的分析、相应的决策建议等丰富的内容。相比有形资产，人的行为更加复杂和难以预测。如何通过人力资源数据分析，监控企业状态，辨别需要重点关注的部门，发现影响企业的关键因素，预测劳动力水平，分析关键员工为什么离开，如何使员工高绩效产出等。基于对以上价值场景的人才数据应用，百度的才报系统实现了两个至关重要的功能：问题预警和驱动决策。一方面实现了在不同企业之间、企业不同阶段之间的人才数据比较，为管理者提供问题预警，提示在何时何地采取纠正措施；另一方面，才报提供了多视角的人才数据，通过不同群体、重点人群效能类指标的趋势分析，为人力资源管理决策、业务决策、组织管理决策提供了有力支撑。借由百度的标杆实践，我们来详细阐述下智慧才报的两大核心价值。

价值一：问题预警

三张人才报表主导的才报智慧系统，构建了人才管理工作的度量体系，它们就像财务借由三张财务报表建立了可以“放之四海而皆准”的度量标准一样，通用于不同性质、不同规模、不同类型的组织。当然，人才管理的度量体系构建并非一蹴而就，三张才报从“人才资产、组织效能、管理运营” 的维度搭建了度量体系的一级指标，为后续的度量、评估、诊断打下了基础，让度量体系有章可循，让人才管理工作有据可依。从流程管理的角度来说，我们可以度量的维度有数量、质量、速度、成本价值等，结合人力资源工作职能模块，度量指标设计如下。

有了度量体系，也就有了量化的基础，就可以像管理有形资产那样管理无形资产，通过衡量分析来增加管理透明度。彼得·德鲁克“没有度量，就没有管理”的警言就是说的这个道理。

仍以百度为例，他们的才报系统就依托自建的指标体系，拥有人才管理、运营管理、组织效能等两百多个关键指标，涵盖了人和组织的分析维度以及所有HR职能的衡量维度，从而更好地进行场景分析、模型分析、自定义分析。

●人才配置指数：A1， A2

●人才质量指数：A3， A4

●运营效率指数：B1～B5

●人才敬业指数：D4， D5

●人才回报指数：A5， C1～C4

●组织气氛指数：A6， B6， C5， D1～D3， D6， E1～E4

如果没有以量化结果为导向，进行管理提升和优化，那么所有的管理都将是低效的。基于度量体系，平台就可以通过人力资源数据分析，动态监控企业人才管理的健康状态，辨别需要重点关注的部门。

我们可以大胆地说，未来的企业一定会有两张报表：财报和才报，而且才报的战略意义更甚，两者最大的区别就是事先和事后。财报的结果往往是在事情发生之后告知收入多少、利润多少、经营结果如何，而才报则可以提前基于组织和人才的战斗力状况预警可能出现的经营风险。在企业里，事在人为，如果组织效率明显降低、战斗力明显不足，在过去只有等财报出来后才会发现，才能去干预，这个时候已经不可避免地给企业造成损失，但如果有才报就不一样了，可以用数据非常明确清晰地预警管理健康状况，促使管理者行为改变、引导管理完善方向。

以大家都关注的关键人才流失率来举例：一旦关键人才流失率这项指标超过预警值，管理者登录时就会看到非常醒目的红灯预警状态，点击后可以看到流失率和自己的同比、环比，和其他部门的对比，显示出今年2月该群体的实时离职率出现异常，相比往年提前出现波动。并可以查看流失人员、流失原因、流失去向等各项详细信息及相关分析，即可立即进行专题分析，包括：企业内部因素，竞争对手情况，劳动力市场趋势等维度分析。在业务端发现问题前提供出现该现象的原因以及离职员工的流动方向等信息，还可以查看系统提供的“管理锦囊”，这就使得HR和业务部门能够更快速响应，做出调整。这样的才报除了预警之外还会促动管理者行为并提供指标优化解决方案，这样HR无须多说话，但对管理者的影响、对组织和人才发展的影响却是非常即时和前置于财务结果的。

HR部门可以通过整体规划确保数据分析具备一定的预警性，设置关键指标的监测系统，方便各部门“各取所需”，依据高管、业务负责人、HR部门、员工不同对象的决策场景可设置为：人才画像分析、流动分析、离职预测、继任规划、人才库、人力资本及效率分析等。

价值二：驱动决策

智慧才报系统可以科学地支撑管理层的决策。以往的决策更多依赖于有限的、孤立的数据，而智慧才报系统充分利用AI技术，捕获企业经营管理和人力资源管理中的行为数据，形成人力分析的管理实践、员工能力、关键绩效驱动等多个维度；同时利用大数据技术，实现企业之间、行业之间的外部对标分析，例如：编制、人员增长率、招聘效率、离职率、绩效与劳产率等对标分析，有效帮助企业透过现象看到本质，实现因果分析和动态变化趋势的推演；同时，函数、建模等方式可以有效地分析组织健康度的现状并预测未来存在问题，防患于未然，在组织人员布局、组织核心人才任用及发展、梯队人才建设等场景中提供决策支持，实现从决策困难到智能决策的改变。

简而言之，人才管理的洞察分析主要是利用数智技术捕获历史数据，行为数据，前瞻性预测未来的动态变化问题，进而洞察出相应的企业人才管理变化，并制定相应的人才策略。

智慧才报系统的重要功能在于穿透数据，借助联动、下钻、挖掘、预警等方法，挖掘事物潜在的关联性，在多种数据技术的探索过程中发现企业、组织、员工未曾意识到的新问题，为绩效改进提供机会或原因，据此设计人才管理综合解决方案、产品和服务，帮助企业做好宏观行为层面的战略决策，并与公司盈利挂钩。

智慧才报的三张报表针对的是“人才资产、组织效能、管理运营”主题，此外企业还可以基于自身战略和业务需求，设计诸如“战略人力配置、人力资源运行、人才厚度”等核心维度的人才数据分析报表，在数据中发现问题，生成关键人才议题专题分析报告。

组织是一个系统，每一个节点都有相关性或因果关系，穿透数据其实就是透过现象看本质，不断找到根本问题的过程，也只有找到现象背后的问题及原因，才能真正解决问题。这也正是智慧才报的关键价值——找到问题，界定问题，解决问题。

基于大量的数据及过往经验参照，我们可以进一步利用数据知识和电脑编程来建立数学模型，对数据走势进行预测。不少公司已经在尝试利用大数据通过数据建模进行员工离职的预测分析。乍一看就像魔法，预测从何而来？通常的做法是基于业务的需求，与算法工程师进行配合将数据进行更进一步的机器学习处理，由于预测本身存在不确定性，因此如何来验证和利用预测结果也是需要业务专家和算法工程师紧密配合和合作讨论。

预测分析需要有更多的数据分析专业知识，在数据建模这项工作上，普通HR很难实现，因而可以成立专业的人力数据分析团队，或者和拥有专业数据分析能力的IT部门、外部供应商合作。HR提出人力资源运营过程中的痛点、需求和想法，让专业的数据专家帮助企业进行预测分析，并依据以往的经验来共同验证准确性。

要实现有效预测，除了专业的数据分析能力外，还需要引入业务数据，将各事业部业务指标结合财务、人力等指标进行综合分析，并回归到人力资源工作典型场景（如招聘、培训、绩效、薪酬、离职、人工成本、收入、人才队伍建设、人员结构等），了解人力资源在其中的助力点，清晰需要配备的人员资源、人员需要具备的资质、需要的预算和投入等，当所发生的变化反映到人员数据上，对应的流程、离职率等多个方面也会发生变化，最终实现多个维度综合分析后的预测，并给予业务参考。