文跃然：人力资源数据化的前世今生和未来

大山里的黄桷树 2018-01-19

展开全文

本文作者：

文跃然，中国人民大学劳动人事学院副教授、北京幸福时代网络科技股份有限公司董事长。

文章来源：

本文原载自华夏基石e洞察（ID：chnstonewx），原文根据文跃然教授在中国人民大学劳动人事学院2018中国人力资源管理新年报告会上的演讲整理，经授权转载。

多谢大家！时间过得很快，我记得我们组织第一届新年报告会是14年前。感谢对我的邀请，有机会向这么多领导、同学、朋友做一个汇报。刚才刘松博老师说AI大家听得都要吐了，很不幸，我接下来也要讲这个事儿。

为了准备这个20分钟的演讲，我花了20天时间准备。因为有一些不是我很熟悉的东西，可能也不是业界能讲得很清楚的东西，我希望把大家疑惑的地方在20分钟之内汇报清楚，所以就很认真地去准备了。但是今天早上，我写了一个微信：尽管做了很认真的准备，结局可能也像很多的演讲一样，或者像我以往的演讲一样，就像一阵风过去，其实并不会留下什么。

我主要讲4个部分的内容：一是人力资源数据化HR Measures，也可以叫数量化的人力资源，说明为什么测量变得很重要。二是人力资源数据化这件事从头到尾是怎么走过来的。三是数据化人力资源管理范式到底是什么，也就是它的模式到底应该怎么去建立或怎么去思考。四是大家比较关心的问题，就是AI时代HR会受到怎样的挑战。

一、引言：测量之谜和中国长城

问题的来源是两个概念：第一个叫测量之谜，第二个叫中国长城。其实都不是中国人发明的概念，尽管有中国长城的说法。在座的有一些朋友知道我原来是在劳动经济系工作的，后来到了人力资源管理系，所以对经济学有一些认识。在研究经济学的时候，我对分配理论很感兴趣，后来慢慢钻研边界生产力分配理论方向。

这里跟大家提两个人，他们其实都是想解决测量之谜的：第一个是约翰·贝茨·卡拉克，他写过一本书叫《财富的分配》，他当时想探讨的问题就是劳动和资本共同生产的产出怎么样去划定各自的贡献份额，从而决定谁得多少。如果这个问题能解决，其实就解决了人类的一个大的关系，就像刚才刘松博教授说的股权和打工者之间的关系，或者是股权的利益和打工的利益之间的关系。但是克拉克先生说“劳动和资本共同生产一个产品，谁的贡献更大？”这个问题非常难，有多难呢？好比父母共同生了孩子，谁的贡献更大？1899年，克拉克先生出版著作时，那个时候他想象不出科学能发展到今天这个状态，所以他当时觉得这个问题很难。当然，父母谁的贡献大这个问题只是在当时的时代很难，现在大家都知道“基因组图谱”“神经元”等，这一些技术已经能够比较清楚地知道父亲和母亲谁的贡献大。

第二个是道格拉斯，他是克拉克先生的学生，做过美国参议院的院长，他写了一本书叫《工资理论》，想把老师的观点数量化。在座很多人知道柯布—道格拉斯生产函数，算出劳动对生产的贡献是51%，资本对于生产的贡献是49%，然后看美国100年的国民收入分配份额能不能对得上，最后发现，劳动的份额差不多是51%，资本的份额差不多是49%，进而他认为他解决了这个难题。但实际上，到底哪一个因素有多大的贡献，应该得多少收入，大家现在还在为这个事吵架。

1954年，德鲁克提出：“人事管理的工作既不跟人有关又不跟管理有关。”他进而说到一个观点：之所以说不清的原因就是因为不能用数字来证明HR的贡献。而且，还说了另一个观点：薪酬是一个公司的单向的最大成本，但是HR们从来说不清楚他有多高的ROI（投资回报率）。这是很大的事，分配给人的时候，拿的钱是真金白银，但是产生的收益是不知道的，所以是个完全不对等的状态。

图1 中国长城

在备课的时候，我发现这么一个说法，叫中国长城。图1中，红色的长方形就是一堵防火墙，这之前是人力资源慢慢演化过来的做法，翻过这一堵墙就是未来的做法。现在的做法就是人力资源指标、报告、标杆、数据系统、出入口、计分卡和深入分析等，这些我们都知道，但是走到这个地方似乎走到测量的最高高度了。再往前就要穿过墙，其实还有更好的风景：HR实践、人对一个公司的战略影响是什么；对一个组织的效率的影响是什么；特别是它的机理，能不能说得清楚；说它有影响，但是不是很有效，是不是很精准；刚刚特别提到，一个人力资源制度和产生的收获，这两者之间的因果关联，是不是能说清楚，说不清楚说明我们都是闷着打、瞄着打。很多考核是往过去看的，而不是基于未来的状态的管理，因此缺乏领先的指标、缺乏预测性人力资源管理或预见性人力资源管理（把人力资源管理重点放在未来而不是过去）。我看了以后觉得这说法真的很好，作者就把这个墙叫“China Great Wall”，问题出在数据化不科学这个地方。

这之前还有一个挑战叫“绩效黑箱”，我也关注了很久。David P. Lepak提出：管理实践是Input，会产生一些绩效Output，但是Input和Output之间有怎样的因果关系？怎样起作用？可否以它为基础来进行预测？其实到现在也不太清楚。所以，绩效管理面临的一个很大挑战就是，管理活动和管理绩效之间的关系就像一个黑箱一样。我不太主张绩效考核的一个很重要的理由是：既然是黑箱，掏出来的东西只是随机性的，并没有科学依据。大家十几年考核出来的东西其实是白考的，甚至考错了方向，就是因为没有在因果的关联上考虑问题。

在此，我提出9条测量之谜，是人力资源管理中说不清楚、难以测量的，但是非常重要。包括：（1）人力资源管理体系对绩效是否做出了贡献？现在有学者证明是有贡献的，但是不知道怎么做出的贡献、做了多大的贡献、可不可以进行预测。（2）谁对绩效做出了贡献？这是最苦恼的一件事。（3）什么人对绩效可能有贡献？（4）他是人才吗？（5）绩效中的因果分析；（6）趋势；（7）态度，人的态度其实很难测量；（8）人心，更难测量。谁都不会否定态度和人心对绩效一定有关系、有影响，但不知道是怎么产生作用的，这又让我们困惑。（9）最小单元绩效。彭剑锋教授讲量子力学的一篇文章，我在朋友圈转发时，专门加了一个概念——点的绩效。其实每一秒钟都是连续的，不能说“上一秒有意识，这一秒钟没有意识，只要这一秒没有意识，下一秒就过不去”。时间是连续的，这是本质，所以绩效能否像量子科学那样精确到秒，其实泰勒就想干这件事，以秒来测度人的绩效。

上述这些都是不能测度的。最后人力资源管理就变成了说不清、测不准、神秘主义、怀疑论、经验主义、靠直觉吃饭、靠差不多吃饭，甚至去问卦或向古人学习，最后说人力资源就是艺术为多、科学为少。

二、艰难探索：

人力资源数据化的前世今生和未来

事实上，科学发展到现在，人力资源管理更多的是基于数据的决策科学。有了上述这些难题，学者们肯定就要去探讨怎么解决。

最早的开创者是泰勒，泰勒更多的是关注物，后来跟了很多心理学家，做测量更多的是关注人。所以，我现在有一个看法：人力资源的测量其实是顺着两条路走的，第一条是物的测量，第二条是人的测量。物的测量更容易取得结果，人的测量更难取得结果。

2000年，我买了Jac Fitz-enz的一本书叫《How to Measure Human Resource Management》（怎样测度人力资源管理的效率），这是现代人力资源体系测量（不是心理测量）的开山之作，我买的时候并不知道有这么高的历史地位。书里列了30多个指标的一个测量体系。

再往下进行的测量探索，是大家都知道的平衡计分卡。但是可能很多人不知道另外一个具有同样重要性的著作叫《HR score-card》（人力资源计分卡）。人力资源计分卡想测量几件事：第一是系统是不是高效；第二是人力资源管理是不是有效率；第三是人才到底怎么样；第四是人力资源系统和企业战略是否匹配。其实更多的是指向测量角度。

再过来就是AI与测量。很多人听过IBM的“数字化人力资源解决方案”，谷歌用大数据进行管理，这都已经不是一天两天了，有很多经验可以学习。

在国内，杨伟国教授著的《战略人力资源审计》是中国人力资源测量的开山之作。他说：人力资源测量有好几个角度，一个是关于事、关于绩效的，一个是关于人的。我自己也做过这样的一些探讨，但是没有人知道我探讨的是什么东西。GREP计分卡是我于2001年在一个企业做顾问的时候提出来的，左边是战略，右边是HR的每一个板块，中间是每一个HR板块所需要的支撑，最右边是能力。其实以2001年的水平来看，基本上把人力资源战略和测量的要点都把握住了。

还有从心理学角度去研究测量的国内的大师们。我听彭剑锋老师说他在1985年就写了第一本心理测量的书，但是他是天才，现在大家可以看到。孙健敏教授带领的一个团队，劳人院都知道的。同时，还有好多教授在做测量的研究。

三、数据驱动的人力资源管理范式

这是我最想表达的事。大家都在说AI、数据、人力资源，它们到底是什么？这要从两部分来说：第一，什么叫范式。第二，什么是AI人力资源范式。

范式这个词，最先提出来或者最受到重视，是托马斯·库恩的《科学革命的结构》这本书。书中指出，范式其实是两件事：第一，提出一个框架，有很多人跟随，也就是说有很多人靠这个东西吃饭。第二，范式一定能解决某些问题，就是基于它去解决某一些问题。其实就是研究框架有很多人支撑并能作出一些解释。这本书在哈佛和耶鲁的图书排行榜上是前三位的，而且这么多年经久不衰，这个就叫范式。

那么，基于数据的人力资源范式到底是什么？大家可以从两个地方看到：第一，有一个研究框架，很多人跟随。第二，能解释某些事。

图2 AI人力资源管理范式

图2是我提出来的AI范式：第一，要解决问题。第二，用AI做手段来解决问题，加起来之后等于更高的绩效。而AI就是三样东西——数据、算法、算力。

我用这一句话做小结：100个人心中有100个哈姆雷特，100个人心中就有100个AI人力资源范式。

四、新的曙光：AI时代HR的光明未来

AI时代，人力资源会被淘汰吗？这是大家关心的一个问题。我想从图2这个范式的角度来解读一下这个问题：如果在AI时代，整个人力资源管理的研究范式或者说管理范式，就是基于商业问题，用AI做手段，产生高绩效的话，我们在很多方面不会被淘汰，只会通过AI级的手段，提高生产力。

好比关于商业问题，过去就在做，AI会帮我们更好地认识到什么是问题，在手段这一块，像算法、算力可以强化能量，最终这一些东西加起来会产生更高的绩效。

大家都知道阿尔法狗。我的解读是：在AI时代，我们会看到真问题，阿尔法狗横轴是一步棋的价值，纵轴是一步棋胜算的可能性，两个东西合到一起有一个交点，这个交点就是下棋的指导，剩下的东西它都不管，它没有情感，只有可能性和价值。如果在某些事情上，需要对人进行很客观的评价，也用这样的方式来思考问题的话，可能会提高生产力。