HR，是该做一个人力资源效能仪表盘了！
超级会员年卡
人力资源效能仪表盘（HED）这一工具的意义在于，将人力资源管理从动作到结果的传导机制变成指标和数据，使人力资源战略地图极度可量化。基于这一工具，HR 可以进行精准决策，并监控人力资源战略地图的落地情况，以及对于局部失控的地方进行定向干预，确保产出。其实，HED 也应该是HR 的HEAD（头脑）。
这有点儿像打高尔夫球。我们可以把最后的出球比喻为人力资源专业的效能输出或战略性贡献，但这只是一个结果。真正驱动因素不是手上最后的动作，而是全身各个部位的协同。职业高尔夫球手应该做的，是打通这条发力的逻辑；高级HR 应该做的，是找到如何通过职能改变队伍，通过队伍输出效能的精确逻辑。下面呈现的是制定人力资源效能仪表盘的“四步法”。
01
绘制人力资源战略地图
第一步，画出一幅人力资源战略地图，在职能、队伍、效能三个维度上定义人力资源专业的关键表现。人力资源专业不同于财务专业，它的各种操作之间的影响机制并不明确。所以，人力资源战略地图一定是基于企业具体情况定制的，每个企业在不同的时期都应该有不同的“打法”（示例见下图）。
这一步非常关键，如果人力资源战略地图足够准确，后续每一个纳入人力资源效能仪表盘的数据都会意义重大，而基于这些数据来辅助决策、监督执行、定向干预也会事半功倍。反之，如果人力资源战略地图不够准确，后续的数据化操作就变成了花架子。
图：某公司人力资源战略地图（局部）
资料来源：穆胜企业管理咨询事务所。
相较之下，一般的人力资源数据化流派更强调一种通用的人力资源数据体系，这些流派希望通过一个类似财务报表的复杂指标体系来建立专业壁垒。坦白说，这些流派和追随他们的HR 在建立专业性上有点“矫枉过正”了，没有老板会有耐心去审视一个专业领域的复杂逻辑。换个角度说，也没有那么多的人力资源指标需要老板去关注。
笔者已经见过太多传统流派风风火火尝试之后的不了了之。曾经有一位大型企业的CHO 向笔者抱怨：“我不想看到我们的HR 去做那些没有意义的数据化工作，这些数据根本不能辅佐我决策。”所以，笔者才不厌其烦地提醒HR，先花大力气确定人力资源战略地图，再去思考如何把这幅地图量化。而对于那些无比热情、希望直接学习人
力资源指标算法的人，笔者几乎可以从他们的眼睛里看到不久之后的挫败和失望。
笔者所倡导的做法与传统流派可谓南辕北辙。人力资源效能仪表盘并不复杂，一共就10 个左右的指标，干干净净、清清楚楚地呈现了一定时期里从人力资源实践到人效结果的全过程。无论是对于企业经营者还是业务部门，这个界面都非常友好。
02
选择人力资源指标
第二步，选择合适的指标，将战略地图上的关键表现数据化，形成人力资源效能仪表盘。这些指标中，人力资源效能维度是结果指标，人力资源队伍和职能维度是过程指标。前面说过，人力资源专业并非一个足够量化的专业，HR 急需补充一个强大的指标库。但人力资源专业在这个方向上的累积相对薄弱，这让向往数据化的HR 颇为尴尬。翻开任何一本人力资源教程都可以发现，定性的部分占绝大多数，而定量的部分则相对较少。这是人力资源这个专业的命门，也是需要学术界、咨询界、实践界联合推动去改变的。
如何建立这个强大的指标库，下文将进行阐述。在我们拥有了这个强大的指标库后，为了呈现战略地图中的关键表现，还需要选择合适的指标。笔者认为，指标的选择应该遵循“be a ki d”（回归初心） 的原则，具体如下。
⊙ 老板视窗（boss view）—一定要是企业经营者关心的指标，或者是要和企业经营者关心的指标产生联系，如人工成本投产比这类与财报高度相关的数据。
⊙ 小白适用（easy to understand）—如果不能和企业经营者关心的指标产生联系，就一定要直观易懂，如人才储备率。
⊙ 敏捷思路（agile mind）—在每个维度，一定要找到最能够反映战略路径的关键表现，即人力资源战略地图里的“圈”。
⊙ 锚定关键（key）—在每个关键表现上，一定要找到最能说明其状态的关键指标。
⊙ 禁止污染（no interference）—一旦有污染，果断放弃，一定要选择最没有争议的指标。
⊙ 数据支撑（data）—指标一定要可以被量化为数据，最好是客观数据而非主观数据。（笔者一个比较执着的观点是，在人力资源专业领域尽量不要采用主观指标，因为这会导致数据不准确。）
03
设置人力资源目标值
第三步，针对指标设置这一时期的目标值。例如，人才储备率应该达到什么程度。由于指标库是新的，HR 需要摸清这些指标的规律，其中最重要的规律需要形成基线清单（baseline list）。所谓基线（baseline），就是这个指标应该达到的最低标准，或者说，低于这个标准，人力资源专业体系就会出现某种问题。有了基线，我们才能判断某个指标当下究竟是高了还是低了，应该设置什么样的目标值。
基线是一个参考，还需要用一些方法来设定具体的目标值。这类目标值的设定与绩效管理原理相同，即在一个考核周期里，既要能够支撑总体目标，又要“跳起来够得着”。具体的做法有以下几种。
⊙ 标杆基准法—企业选取一个竞争对手进行对标（bench marking）。其假设是，如果对手的人力资源类指标表现能够支持其经营表现，那么本企业也可以将这些视为规律。
⊙ 目标逆推法—企业根据需要达成的战略目标，反推在人力资源领域各类指标需要达成的目标值。由于两类目标之间有必然关系，因此如果公司的战略目标是不容商议的，人力资源领域的目标也不容商议。
⊙ 趋势外推法—企业根据过去该指标的历史表现，推导出下一个周期的目标值。如果是持续上升的指标，可以计算一个复合增长率并在此基础上做调整，也可以使用回归预测。如果是波动的指标表现，即没有明显的趋势，可以计算一个上限与下限，取某个分位数据（如P80）。
⊙ 内部博弈法—如果缺乏标杆数据、战略目标、历史数据，HR 就只能在与业务部门打交道时，凭借感觉进行目标设置，并在收获业务部门的反馈后进行调整。严格意义上说，这种方法有点不严谨，说白了就是“菜市场议价模式”，但对于一些初步应用人力资源效能仪表盘的企业，总得有个第一期的数据，这种方法还是有其必要性的。另外，上述其他方法都是用“大的约束条件”推导一个“刚性的数值”，可能没有考虑业务里“具体的约束条件”，这种方法搭建的交流场景就能弥补这种缺憾。
现实的操作中，企业往往不是运用某一种方法，而是综合使用各种方法确定指标的目标值。标杆基准法和目标逆推法采用外部视角，体现的是市场需要企业的人力资源实践达到什么水平；趋势外推法和内部博弈法采用内部视角，体现的是使内部的人力资源实践能够达到什么水平。
两类视角推导出的结果必然存在差距，有时这种差距还特别大，需要用理性的决策思维来平衡。例如，穆胜事务所的团队在为某扩张期的企业提供辅导时，发现基于其制定的业务战略，企业的人才队伍明显跟不上需求，如果要填补现状和目标之间的差距，其人才招聘的效率要提升3 倍以上，人才培养的效率要提升5 倍以上。以他们在人力资源专业领域的经验来判断，这显然是不可能达成的目标，所以企业就必须倒回来调整业务战略目标。否则，业务战略目标无法达成，只会损伤管理层的权威和员工的士气。（笔者发现，当下很多中国企业的企业经营者特别喜欢在业务战略上设置高目标，而当我们用人力资源专业的约束（如人才队伍薄弱）来进行提醒时，多半不会被重视。企业经营者通常会说：“虽然有这些限制，该冲还得冲呀。”他们内心的声音是“取其上得其中，取其中得其下”，这个可以理解，但他们忽略了缺少人力资源的底气后目标是否能够达成，以及这种方式可能造成的负面影响。事实上，如果一家企业在设置高业务战略目标之后在人力资源专业上却没有任何对应的战略级行动，那么我们基本可以认为这种战略目标仅仅是一种“口号”。）
04
验证指标间因果关系
第四步，产生了实际的数据后，还应该对因果关系进行验证。关键表现之间已经建立了因果联系并经过了验证，但指标之间的因果联系也要经过验证。有些指标看起来具有因果关系，但当我们用变量建立方程，再把历史数据放进去，就会发现因果关系根本不存在，这就需要回过头去质疑假设。
例如，有企业的HR 提出要在队伍层面“提升员工敬业度”，而根据敬业度调查的结果，认为薪酬支付水平是制约大家敬业度提升的症结。于是，职能层面的驱动因素变成了“薪酬水平提升”。笔者把过去员工的样本一代入，就发现，这个因果关系根本不成立。大量离职员工的薪酬水平并不低，他们离职是因为缺乏组织公平感，说直白点儿，“不是自己拿少了，是不该拿的拿多了”。如果按照HR 本来的想法，进行薪酬普调，必然是一场灾难。（其实，敬业度调查里对于薪酬不满是常态，所有企业的调查几乎都会出现这样的结果。这更像是员工喊出的一种“口号”，换句话说，谁都希望加薪。这显然是一个无效问题。）
即使某种因果关系成立，我们依然要量化这种程度，摸清其中的“规律”，便于以后建立更精准的人力资源效能仪表盘。例如，何种指标会导致公平感的变化？是正向影响还是负向影响？这种影响的程度究竟有多大？后面会谈到，这里所谓的“规律”，就是模型里的参数。
来源：本文节选自穆胜博士最新力作《人力资源效能》，经机械工业出版社授权原创发布。