《第五届人力资源技术研究报告》

REPORT 第五TH届E5THH人RTEC力HRESE资ARCH源REPOR技T 术 Efficiency——Impr数ove字m化ent助an力dD效ec率isi提on-升Ma，kin赋gE能na业ble务me决nt策Supported 研究报告 调研主办方 联合主办方 ©版权声明本调研报告属智享会&北森所有。未经双方书面许可，任何其他个人或组织均不得以任何形式将本调研报告的全部或部分内容转载、复制、编辑或发布使用于其他任何场合。 ©CopyrightownershipbelongstoHRExcellenceCenter&Beisen.ReproductioninwholeorpartwithoutpriorwrittenpermissionfromHRExcellenceCenter&Beisenisprohibited. 顾问团ADVISORYGROUP 丁京阳HRIS经理蒂升电梯 许灵 HRIS 同程旅行 赵永亮 北森产品专家北森 作者AUTHOR 人提力出资的源宝智贵享建会议感。谢（以顾下问调排研名顾不问分团先成后）员在本次调研及案例采访过程中 王崇良 副总经理、人力资源CIO三一重工 王维中 人力资源副总监周大福珠宝 首席顾问CHIEFADVISOR 朱云乐 解决方案专家 北森 沈沈佳佳怩怩现任J人e力n资n源y.智S享h会en（@HREhCr）e高cc级h调i研na顾.问o一rg职，曾负责完成《移动学习场景化应用研究报告》、《企业 OKR落地研究报告》、《企业员工福利体验研究报告》。在研究《内部人才流动与人才市场研究报告》项目中负责市场诊断、案例采访、数据分析与报告撰写等工作。 沈佳怩毕业于英国萨塞克斯大学，获得管理学硕士学位。本科毕业于英国雷丁大学，取得了食品工艺与生物加工学士学位。 目录CONTENTS 前言 报告精粹 研究思路与框架 PartI：数字化赋能效率提升—技术使用与自助服务方向 ▶各类技术与自助服务实现情况 ▶各类技术与自助服务的应用场景 PartII：数据分析赋能业务决策，企业所遇到的挑战 ▶PartIII：需求诊断 ▶PartIV系统打通：拓宽数据维度 ▷系统部署：系统若采用云端部署，则可避免系统打通问题。但是企业是否能够在云端进行部署，还是要视企业自身在数据安全性方面的考虑而定。 ▷系统集成：建立信息化全景图助力系统集成。 ▷一体化系统建设：一体化系统的建立并不意味着后续无需再次打通，但是可以为后续的潜在打通需求打下较好基础。 ▶PartV数据运营与管理：提升数据质量，为数据分析奠定基础 ▷数据运营概况 ▷数据集成：多样化数据交互模式助力数据集成。 ▷数据治理：设立专有团队、建立数据字典、规范数据录入、数据动态监测多维度助力数据质量提升。 一个彩蛋：系统与数据不可分割，互为“因果”参调企业 标杆数据 企业案例&专家洞见 3 第五届人力资源技术研究报告THE5THHRDIGITALIZATIONRESEARCHREPORT 前言PREFACE 2022不可谓不是一个多事之秋。据IMF（世界货币基金组织）预测，全球经济增长率将从2021年的6.0%下降至 2022年的3.2%和2023年的2.7%，全球约三分之一的经济体将于今年或明年出现经济萎缩。1伴随着不佳的世界经济环境，新冠疫情的反复，人员流动的放缓，这些不稳定因素无不在影响着企业的经营活动。 着眼于企业运营管理自身，开源节流，平稳度过当下，静待来日春暖花开是很多企业共同的诉求和策略。而为实现这一目标，降低整体运营成本，敏捷呼应业务需求，提升组织与个人效能便是落在企业管理中的实践课题。 这一课题不止是业务经验者需要完成的答卷，也是企业人力资源必须要思考的主题。如何以终为始地为业务赋能，帮助业务发现问题，助力业务进行决策便是解题的关键之处。而在此过程中，在企业降本增效的实践开展过程中，处处可见数字化的身影。 本届报告，智享会将会携手北森，从数字化如何助力效率提升与业务决策的角度出发，通过技术应用与数据分析两大维度，结合市场数据与企业案例归纳其中所涉各个环节的现状与挑战。 报告阅读指南： ▶研究思路与框架 我们将结合大环境因素、人力资源信息化整体情况、历届人力资源信息化研究报告以及企业目前对于系统与数据的思考梳理本届人力资源数字化报告的研究思路与框架。 ▶PartI：数字化赋能效率提升（技术使用与自助服务方向） 本章首先会点明，为何会从技术使用与自助服务角度切入人效提升。（疫情的反复与多发，远端、远程、无接触。） 其次，技术使用与员工自助的整体使用情况与相关应用场景。 ▶PartII：数据分析赋能业务决策，企业所遇到的挑战。 本章会通过市场数据向您展示，在HR部门开展数据分析赋能业务决策过程中所遇到的问题，并引入这些问题背后的原因，以及企业为数据分析产品“增值”的三个环节：需求诊断、系统打通以及数据运营。 ▷PartIII：需求诊断 本章的重点是解析数据分析时的一大难题：不了解业务需求。我们会通过市场数据向您展示企业目前常用的一些方式，如：打造沟通反馈机制来实现和业务的对话，并通过案例归纳具体的沟通内容、重点和节奏。 ▷PartIV：系统打通：扩宽数据维度 本章会从系统部署、系统集成与一体化系统打造，三个进阶环节展开。归纳如何避免打通，如何实现打通，以及对于一体化以及打通之间的思考。 ▷PartV：数据运营与管理：提升数据质量，为数据分析奠定基础。 该章会从数据运营概况开篇，结合数据管理中，数据集成、数据治理以及数据分析三个环节，通过划分成熟度确定三个环节中各自对应的问题，并给出相应的解决方案。 1《2022世界经济展望》 报告精粹 数字化赋能效率提升与业务决策 PARTI：数字化赋能效率提升—技术使用与员工自助方向 技术实现帮助流程自动化：引入电子签与云大厅通过云端、远程、无接触模式运行日常事务。技术实现度：▶电子签章或电子合同是目前应用最为广泛使用的数字化工具。（58.89%）▶聊天机器人受到了较高的关注度。23.68%的企业已经引入；26.87%的企业在近一年会▶引入聊天机器人。▶一站式服务是企业最希望引进的功能。，主要实现了个人信息的自助 员工自助服务：46%的企业目前已经开展了员工自助服务 ▶查询。但目前，整体使用体验感仍待提升。、12.22%。这主要是因为RPA与OCR技 RPA与OCR实现程度较低，分别为18.89%术对于企业自身数字化程度有一定的要求。 PARTII：数据分析赋能业务决策 现状与挑战▶56%的企业认为，目前HR部门的现有数据分析产品无法满足业务的数据分析需求。▶从业务的视角出发，超半数的企业中的业务部门对于数据价值缺乏认同或认为数据分析结果，并不到位。具体原因与后续研究重点▶较难挖掘数据背后呈现的问题业务需求诊断、系统打通、数据运营与管理▶数据难以实现整合▶数据质量不高 研究核心重点：如何更好地实现业务需求诊断 PARTIII：需求诊断 ▶6成以上企业都建立了问题反馈和定期数据监测机制，仅有25%的企▶业设立了焦点小组，将所隐射出的问题和业务方再一次对齐。 针对需求开展数据分析前，建立正式的与业务沟通的流程，营造机会让双方的沟通有效，让双方就所需要分析的数据指标和维度达成一致。 PARTIV系统打通：拓宽数据维度 研究核心重点：围绕系统打通，从系统部署、系统集成以及一体化建设三个维度帮助企业规避或者实现系统打通。系统部署：系统若采用云端部署，则可避免系统打通问题。但是企业是否能够在云端进行部署，还是要视企业自身在数据安全性方面的制度而定。▶混合部署是目前最为主流的系统部署方式；而系统安全性依旧是企业▶不考虑云端部署的首要顾虑。另有约三之一的企在参调企业中，一半企业选择采用混合部署的模式， 业选择采用全部本地部署的模式，只有约12%的企业选用了全SaaS ▶部署的形式。，企业表示“数据安全性难以保证”“难 而问及为何不选择采用云端部署以定制化”以及“本地部署理念”是最为主要的问题。 系统集成：建立信息化全景图助力系统集成。▶超过8成的企业，存在系统打通的需求。▶但与此同时，超过9成的企业在系统上线的过程中，会预留接口。但即便如此，企业整体系统打通情况依旧不佳。 一体化系统建设：一体化系统的建立并不意味着后续无需再次打通，但是可以为后续的潜在打通需求打下较好基础。▶9成以上企业，在考虑系统更换时，会将组件化系统更换成为一体化系▶统。，我们也需要对于系统的整合和一体化保持客观认知。无论是“系 但同时统壁垒”还是“数据壁垒”，都是客观存在的。即使系统实现了一体化，也只是阶段性的一体化，随着业务的发展和变化，企业和系统在将来依旧可能有着打补丁的需求。 系统建设上线、打补丁连通系统、构建一体化系统、通过打补丁实现一体化系统和新系统的打通是一个循环往复，不断迭代的过程。 PARTV数据运营与管理：提升数据质量，为数据分析奠定基础 核心研究重点：如何通过数据运营（数据集成和数据治理）提升数据质量。从数据运营的整体成熟度出发，再以数据集成、数据治理中的挑战问题为脉络展开。数据运营整体成熟度：大部分企业仍处于数据质量较低，需要持续开展数据治理的阶段。▶四成企业处于数据治理，提高数据质量的阶段;28%的参调企业目前数▶据质量较好，能够基于各类数据进行深度分析。，对于随着人力资源信息化成熟度的提高，企业数据运营成熟度越高 数据质量以及数据应用的需求也会相应提升。 数据集成：多样化数据交互模式助力数据集成。▶数据集成的挑战：系统预留接口不足，各模块间的数据标准和口径不▶统一以及部门墙是企业在数据集中所遇到的主要问题和挑战。，实现数据集成：多样化，多维度的数据交互（如何不通过数据接口 数据交互。）▷借助人力资源主数据实现集成。▷通过数据总线构建数据底层。▷利用RPA技术实现数据对接。▷将数据拉出来，建立数据平台（数仓、数据湖） 数据治理：设立专有团队、建立数据字典、规范数据录入、数据动态监测多维度助力数据质量提升。▶数据治理挑战：数据完整性不佳(字段或信息缺失)、数据准确性不佳▶以及所规定的数据以及字段标准无法满足业务需求。数据治理思路： ▷为数据治理设立专有团队▷确立数据标准，建立数据字典▷规范录入，从源头抓起数据质量▷数据检验，动态监测数据质量 研究思路与框架 伴随着不佳的经济大环境，企业需要降本增效，人力资源部门也需要敏捷调整，快速响应业务需求，赋能业务达成。而进一步聚焦数字化本身时，人力资源可以从两个维度入手实现赋能业务的目的。 1）如何通过数字化手段，提升效率，降低综合运营成本。 这会体现在两个维度： i数字化系统如何助力日常事务更有效率展开。这部分内容在智享会过往报告上，已有了大量展开，此处我们就不再赘述。您可根据往届研究重点列表，翻看相关研究报告。 往届人力资源信息化研究报告研究重点 研究重点 第一届人力资源信息化管理调研报告 系统上线：如何实现业务流程上线，引入系统，完善系统模块。 第二届人力资源信息化管理调研报告 系统上线：筛选采购系统，如何帮助多系统上线的企业进行系统打通，提升运转效能。员工自助：员工自助概念和市场实现情况。 第三届人力资源信息化管理调研报告 流程重构：系统上线前对于业务流程进行重构；多系统企业如何打通以及流程如何进行优化提升流转效率。 第四届人力资源信息化管理调研报告 员工自助服务在各模块的实践开展情况 ii技术如何助力日常事务的自动化开展以及人力释放。 结合疫情反复的大背景与企业释放人力提升效率的诉求，我们将从云端、远程、自助实现的角度，看看技术应该如何助力，以及具体实现情况与实现场景。 2）数据赋能业务，帮助业务尽早发现识别问题所在。 通过市场数据，我们可以发现人力资源数字化程度与企业人力资源管理成熟度基本呈现正相关。而待人力资源发展到了一定阶段之后，企业会因为自己对于数字化的定位，而注重不同的发展维度。 但是随着人力资源管理的成熟、