排兵布阵：组织在线化时代人才分析的新实践

谢小云 魏俊杰 何家慧 左玉涵

近年来，一批以大数据、云计算、人工智能等新兴数字化技术为基础的集成式数字平台（例如，钉钉、企业微信、飞书、WELINK等）开始在各行各业加速普及。它们将线下组织的业务流程、组织资源、员工行为、组织关系和人际互动等关键要素与过程以数字化形式映射到线上虚拟空间中，并与线下组织运行相互促进与协同，最终形成了“组织在线化运行”的新兴组织管理实践。通过对组织线下活动产生的全量数据进行线上集成，全链路大数据驱动的组织运行模式成为可能。这一数字化转型的前沿实践中，企业人力资源管理的方式也发生了翻天覆地的变化。人才分析（people analytics）实践——循证（evidence based）、定量化（quantitative）、数据驱动（data driven）的人力资源管理——展现出“从片面到整体、从分散到系统”进一步升级的可能，于组织在线化时代涌现出新的实践机遇。

具体来说，首先，传统人才分析实践涉及的模块较为单一、分散，多聚焦于离职风险预测、人均效能分析等热门场景，且与业务运营之间存在难以忽视的鸿沟，部分企业的人才分析仍然只能基于员工静态特征信息等传统人力资源管理系统中的数据。组织在线化时代的人才分析则可以利用贯通业务流程与人才特征的数据来精准识别真正的“关键人才”。其次，当前企业的人才分析主要聚焦于组织层面的人力资本分析和个体层面的人才管理，较少关注对动态团队运行模式的构建与发展。而在组织线化时代的人才分析可以利用全链路的社会网络数据预测团队最佳组建模式，从而更好地适应组织由传统层级结构向网络化、团队化模式转型的大趋势。最后，当前相当一部分企业的人才分析仍然处于现状描述与诊断阶段，难以在趋势预测（predictive）和干预方案制定（prescriptive）方面充分发挥人才分析的作用。组织在线化时代的人才分析则可以帮助管理者透视组织人才储备的全貌，精准测算人才缺口，从而实时预测和指导组织未来的人才需求。

由此可见，组织在线化时代人才分析实践帮助管理者集成了全链路、网络化的实时数据，从而打破了人力资源管理系统与市场分析、顾客服务、生产管理等不同信息系统间分隔与孤立的局面，克服了传统人才分析过程数据滞后、失准甚至缺失的困难，并进一步基于对人际互动过程的捕捉弥补了过往人才分析对团队运行模式预测与干预的不足。接下来，我们首先将阐述组织在线化时代新型人才分析的关键特征（即全链路、全网络和实时性）；在此基础之上，我们将进一步介绍新型人才分析在个体、团队和组织三个层面上的典型实践；最后，我们将针对数据隐私与伦理、人力资源管理的麦当劳化趋势与人才分析理论不足等关键挑战展开反思与讨论。

组织在线化时代人才分析的关键特征

正如前文所述，对于当前大多数践行人才分析的企业来说，人力资源部门开展人才分析所应用的数据更多基于招聘、绩效管理、培训等模块中相对零散的数据。一方面这些人力资源管理模块间的系统化程度不足，另一方面则缺少对业务端关键过程和结果节点数据的整合。组织在线化提升了数字化技术与业务模式变革的整体性和系统性。企业借助数字化技术对各个关键业务流程开展集成化管理和底层数据共享，有效突破传统仅聚焦单一业务流程、信息孤岛遍布的缺陷。组织在线化时代，人才分析实践的数据基础和分析范围体现出全链路、全网络和实时性三大方面重要特征（如图1所示）。

特征一：全链路

全链路指的是借助大数据、云计算、AI等技术，对组织内个体的工作行为、过程、结果等全量数据进行实时记录、有机整合并投射到在线空间中，从而在虚拟空间内还原个体的业务流程、人员关系与互动以及相关资源要素等多维度的特征属性及其演化发展。不同于过往人才分析对“人”和“业务”割裂的分析，组织在线化时代的人才分析综合了以“业务”和以“人”为中心的重要特征。具体地，传统人力资源部门的人才分析之所以存在与业务运营脱节的弊端，是因为精準的数据传递与匹配通常需要消耗双方尤其是业务方大量的时间与精力。组织在线化时代，“沟通即业务”，人才分析解决了人力部门和业务部门之间跨部门数据整合问题，并进一步提升了数据的准确度。

特征二：全网络

全网络指的是对组织内个体嵌入的所有人际、群际互动网络的全方位捕捉、分析与可视化。过往人才分析通常较为孤立地看待组织成员，忽略了人际关系网络对于人才识别与管理的重要性。组织在线化时代，任一组织成员可以随时随地与组织内部成员（包括上级领导）甚至跨组织的客户与合作伙伴直接展开互动与协作，如基于文字、语音或视频的线上沟通，文档的分享与共创等，为人才分析提供丰富的全网络数据。实际上，全组织的非正式社会网络不仅仅包括成员节点和节点间的强弱联结关系，还蕴含组织内各类业务的多维度信息。这些信息能够更为精准地反映不同成员对于业务落地进程的重要性和影响力，从而将帮助组织更为有效地开展人才分析工作。

特征三：实时性

实时性指的是人才分析所依据的数据基础及其得出的解决方案随着个体行为与组织活动的展开而实时更新、迭代。组织在线化时代，一方面，集成式数字平台会借助大数据、云计算等数字技术实时捕捉全链路的组织运行数据，通过智能分析与动态建模指导线下有针对性地开展组织管理活动；另一方面，线下组织活动所产生的新要素数据也将借助AI技术（如语音图像识别、自然语言处理等）和设备上云互联等举措实时沉淀到线上空间中，反哺和更新线上的全链路数据。相应地，这也有效突破传统人才分析过程中面临的数据更新滞后和失准的困境。实践中，这一问题为当下企业人才分析所面临的重要挑战之一。德勤2020年全球人力资本趋势报告显示，虽然83%的受访者表示其所在组织已经能够收集和生成员工的各类状态信息，但仅有11%的受访者表示这些状态信息是实时的。

组织在线化时代人才分析实践体现出的全链路、全网络、实时性三个关键特征，贯通了人与业务，使得真正“数据驱动”的人才分析成为可能。具体来说，对员工工作活动全链路的记录以及工作网络全面的刻画使得管理者能科学、高效地识别出关键人才，并进行合理的任用和发展（激活个体）；对员工在工作流中体现的知识专长实时的标记与更新使得组织能够最快速地组建在线团队（盘活团队）；而对组织人才图谱的实时、精准刻画有助于管理者更有效地预测和制定组织人才需求计划（赋能组织）。

组织在线化时代人才分析的新实践

激活个体：关键人才的识别和配置

北森发布的《2022中国人力资源管理年度观察报告》指出，关键人才缺失是当前受访企业所面临的最严峻的人力资源管理挑战。新冠疫情的爆发一方面导致外部商业环境的不确定性大幅提升，另一方面也促使企业间的人才竞争不断加剧。对于企业而言，具备关键技能、适配组织发展的人才更为稀缺。因此，在后疫情时代，相较于在广袤的人才市场当中精准挖掘并且吸引相关人才，专注于盘点、把握当前组织内部已有的员工队伍并从中识别、发展和留存“关键人才”是更为有效和切实可行的方式。要精准识别和发展真正的关键人才，仅依托员工工龄、教育水平、专业技能等静态特征数据是远远不够的。已有学者指出，对于员工人际网络数据的关注将有助于评估员工的真实贡献与影响力。组织在线化能够借助大数据、云计算与AI等数字化技术对组织内甚至跨组织的非正式社会网络进行实时的分析与可视化，将有助于组织更为精准地识别和配置关键人才。

社会网络相关的理论研究发现，关键人才通常位于组织活动的中心位置，组织成员大多围绕这些关键人才开展工作。组织在线化时代，员工全链路的工作活动轨迹，以及他/她在工作活动中与其他成员所构成的关系网络都变得外显化、可分析。此时，以个体网络特征中的过程中心性、结构洞等指标为基础，综合员工个体网络中的节点特征、节点间联结特征以及节点间联结的内容（content）等，组织能精准、高效地识别关键人才（见图2）。其中，个体网络特征主要包括过程中心性、中介中心性、特征向量中心性以及结构洞等多个指标，能较好地刻画出个体在组织非正式社会网络中的位置和重要程度。而网络中的节点特征则能进一步丰富员工本身及其主要互动对象的关键特征，这些特征不仅包括教育经历、工龄、正式职位等基本信息，还包括过往绩效评价、全过程的晋升经历、关键业务项目经历以及更为重要的，基于上述关键过程与结果数据所形成的动态化能力或专长标签。而节点间连接特征主要包括互动频率（联结关系的强弱）、互動方向（主要发起方）等，也能够协助进一步精准刻画员工所处网络位置，及其在工作流中的重要性与影响力。

在基于上述多重网络指标识别出关键节点上的员工以后，我们还能够借助自然语言处理（Natural Language Processing， NLP）技术对脱敏后的节点间联结内容进行基于核心业务的主题词识别与关联度分析。在日常管理中，部分员工虽然与组织内其他成员存在着密集频繁的沟通，然而其日常互动的内容与组织中关键业务的相关程度并不高。如部分支持岗位成员常常需要对接、协调多个其他部门或项目的成员，但其日常工作与具体的项目进程并不相关。此时，虽然从个体网络特征的角度来看，这部分成员占据着较为重要的位置，但他在一定程度上并不属于关键人才的范畴。在进行非正式网络数据分析的过程中，我们还能借助NLP技术进一步处理脱敏后的沟通关键词、分享链接或文档的主题词，分析这些节点间联结内容与组织战略目标和关键业务间的关联度，以此辅助判断这部分处于中心位置的人员是否属于组织致力于识别的关键人才，并有针对性地对该员工打上特定的动态化专长标签。

由此，组织在线化时代，员工工作活动的全链路内容及其与其他成员的关系网络得以外显化。管理者可以综合全方位的非正式社会网络分析和对关键战略或业务相关知识背景、能力专长等要求的识别，进一步适切地配置员工在组织中的角色与位置。实际上，当前钉钉推出的人才盘点功能已经致力于借助大数据智能算法实时分析非正式的沟通网络数据以洞悉组织现状，精准发现优秀人才，全面提升组织效能。

盘活团队：在线团队的智能组建与有效运行

德勤2019年面向全球人力资源管理领导者和商业领袖的调查显示，65%的组织发现从职能和层级制向团队化、网络化的组织模式转变是重要或非常重要的。那些开始将团队作为基本运营单元的组织也已经感受到其带来的益处。74%的受访者表示，他们向团队化和网络化组织的转型带来了业绩表现的改善。组织在线化时代，这一趋势愈发明显。为了有效满足业务需求，人力资源管理者需要借助员工专长标签系统等人才分析工具快速组建相应的工作团队。依据2021年钉钉未来组织大会的统计数据，每天有超过10万个各种类型的在线工作群在钉钉上创建。这使得组织内并行运转着无数围绕特定业务需求快速建立而后又快速解散的团队，而这些团队恰恰是组织在线运行与发展的重要基石。如何在这一新兴的人员配置与管理场景下有效组建面向业务需求且高效运行的在线团队成为组织数字化人力资源管理亟需关注的重要问题。

实际上，对于需要快速形成战斗力并完成复杂任务的在线团队而言，初始团队成员的构成情况对于其团队化（teaming）过程与整体表现的重要性尤为凸显。而团队组建策略将直接影响在线团队的初始人员构成。组织在线化实践深度整合了全链路业务节点数据，能帮助管理者构建一套动态、实时、面向员工知识专长的标签系统。由此，团队组建者能够依托在线化的组织架构和员工标签系统等，采取多样化的组队策略，例如基于知识专长互补的组队策略和基于过往共事经历的组队策略等。更为重要的是，借助新一代数字化技术的实时支撑，当一线管理者接到特定业务需求而需要快速组建在线团队时，AI将依托实时、动态的员工专长标签系统，以及当前不同员工的实时项目进程情况，智慧推荐恰当的组队成员列表供管理者挑选（见图3）。

对应不同类型的在线团队（以行动团队与创新团队为代表），团队组建策略也可能不同。具體地，行动导向的团队通常面向具有一定复杂性但时间限制明确的特定任务。此外，区别于其他包含探索与创造过程的工作团队，这类团队的工作目标较为清晰，工作思路与方法也相对明确，团队内的工作过程较为收敛，更多聚焦于任务的分工、协调与具体实施。因此，这类行动团队内成员通常需要通过高效而紧密的协同完成特定的集体任务与目标。在高度虚拟和动态的在线团队当中，过往共事经历一般是促进团队成员快速建立信任和协作模式的重要前因。因此，基于过往共事经历的在线组队策略对于行动导向的团队而言或许格外重要。

另一类具有代表性的业务需求及其团队类型为创新导向的团队，如研发团队（R&D team）和科研团队等。不同于行动团队内较为收敛、明晰的工作目标与流程，这类团队主要面向组织内的创新与发明需求，工作过程更具探索性，工作流程与思路通常是在具体的互动过程中慢慢浮现。上述特征下，这类创意团队一般更需要聚集知识背景多样的成员。此外，由于创意活动天然具备的众创属性，在这类团队中个体间常常需要进行观点的相互分享、加工与碰撞，从而对团队运行机制与氛围提出了一定的要求，即是否能够保证团队成员更充分和多样化的观点表达与讨论，以促成最终的团队创新绩效。因此，对这一类创新导向的团队而言，基于知识互补的组队策略或许格外重要。而任何有在线组队需求的一线管理者甚至普通员工都能够借助智能组队系统依据不同任务需求有效平衡不同的组队策略，从而快速组建一支高效的在线团队。

赋能组织：大数据驱动的组织人力资源规划

以往人才分析相关实践和研究表明，以解决组织的战略与业务问题为中心实现有效的人力资源规划是提升组织整体人员配置效率，促进组织战略目标实现的重要途径。实际上，借助大数据和AI算法工具，组织一方面能够实现面向战略业务实时的人才现状盘点和需求分析，另一方面也能够监控、预测外部劳动力市场的人才发展趋势，把握关键人才的动态。综合上述两方面的举措，管理者得以有的放矢地开展数据驱动的人力资源规划（见图4）。

具体地说，围绕面向战略业务的人才需求分析，组织能够借助自然语言处理和AI算法等技术，对特定战略业务在不同阶段的关键任务目标、任务内容、所需的知识和技能等开展主题建模（topic modeling）工作，从中提取最适配的专业技能和知识专长标签并进行排序。在此基础之上，管理者能够围绕不同阶段关键业务所需的知识专长，对当前与该业务相关的人才队伍进行盘点，从中发现潜在的人才缺口或冗余，并快速调整人员安排。此外，除了基于员工专长标签系统的需求匹配分析，管理者还能基于非正式社会网络数据实时把握围绕特定业务开展的人际、群际协作的频率与质量。非正式沟通网络中节点间联结与网络整体数据都沉淀着组织内各类业务的多维度信息。例如，群名称显示着群体互动的主题，如是否围绕某一项特定业务展开；群文件或群内分享表征着知识流转的主题；同理，个体间工作相关的互动内容也刻画着重要业务或工作的流程。基于这部分信息，管理者得以更为全面、多维度、实时地监测重要项目的人际、跨团队或跨部门互动情况，结合项目进度，及时识别潜在的协作问题，并通过设计一些临时角色或替换部分人员以及时做出调整。

此外，部分关键人才的缺口需要从外部的劳动力市场引入。管理者一方面能基于业务所需的胜任力需求识别并吸引匹配的关键人才，另一方面还能够通过实时监控和预测外部人才市场的动向，提前规划未来业务发展可能需要的关键人才。实际上已经有相当一部分互联网或科技公司正借助大数据和AI技术对招聘市场百万级的文案和人才社区中的互动热点开展分析，有效把握人才发展趋势。例如，早在2015年，百度公司就曾预测人工智能相关人才将取代O2O人才成为未来高科技公司的招聘热点，同时准确预测了相关竞品公司在自动驾驶等领域的战略布局。

“数据驱动”的人才分析新挑战

如上所述，组织在线化时代“数据驱动”的人才分析在激活个体、盘活团队与赋能组织等多方面具有重要作用与潜能。然而，此情境下，在线企业的人力资源管理仍面临着诸多新的挑战与问题。

挑战一：数据隐私与伦理问题

尽管基于数字孪生的组织在线化能够借助全链路的组织运行数据使真正“数据驱动”的人力资源管理成为可能，但是对员工全量数据的采集已经促使越来越多的学者开始反思背后暗藏的隐私、伦理问题。多数人都认为基于自学习设计的AI算法是客观且中立的，实际上，用于AI训练的大数据和AI的基本训练框架仍带有一定的人类主观性。因此，即使是AI算法给出的人才分析决策也并非绝对理性与客观的。这尤其要求数字化技术的使用者（也即企业管理者）更加深刻地思考与认识数字技术的伦理问题，承担起保护员工隐私的责任。

具体来看，一方面，管理者在开展数字化人力资源管理时应更多地将伦理以及员工的隐私等因素纳入其中，在提升人才管理效率的同时促进员工的个人福祉，以实现员工—企业双方的长期共同发展。另一方面，在数字化人力资源管理的具体实施过程中，还可通过优化流程与管理模式来避免对员工隐私权益的侵占与剥夺，规避潜在的负面作用。例如，管理者可以考虑提升数字化人力资源管理的透明度，将用于员工分析的数据和结果定制化地向员工开放，让员工能够更加清晰、直观地了解自己的优势与不足，做到真正赋能员工。

挑战二：人力资源管理的麦当劳化

尽管“数据驱动”的人才分析为管理者配置人才和规划人才发展提供了重要参考，但是，这一新兴的人才培养和开发模式在实践中也存在一定弊端。它带来了人力资源管理中的“麦当劳化”趋势，使得快餐店式运营的效率导向、可计算性、可预测性和精准控制逐渐成为组织运行的重要原则。在麦当劳化的组织中，管理者高度重视定量数据。然而，一旦管理者将数据视为最客观可靠的事实，他们会不自觉地采纳定量分析的结果，并且倾向于放弃对员工真实行为的细致观察和解读。有学者进一步指出，如果组织将这种定量的、循证的人才分析工具和其结论视为“真理”，那么人才分析实践还可能会引发一些伦理争议：它使得员工的工作场所日益数据化（datafication）、不透明，这便利了管理者对员工行为的操纵性引导。员工可能因为难以理解不透明的人才分析逻辑而无法对自身进行有效的反思，其價值主张和自主性也容易面临威胁。由此可见，过度数据驱动和效率导向的人力资源管理模式将可能对员工长期的成长发展和自我价值实现造成严峻挑战。

挑战三：大数据人才分析仍需理论指引

在早期有关人力资源分析或人才分析的概念定义当中，基于有限样本的统计分析和实验方法是人力资源管理者探究“究竟哪些要素会对员工绩效表现、敬业度和工作满意度等产生重要影响”这一问题的核心手段。来自社会心理学、组织行为学、社会学以及经济学的经典理论则是支撑管理者开展上述人力分析与管理的重要基础。尽管大数据、AI算法等数字化技术的确帮助管理者有效推动了“数据驱动”的人力资源管理的发展，但这些非结构化的全景数据和算法暗含的“不可知性”反而容易让管理者失去洞察人才分析过程和理性评判分析结果的能力。不可避免地，管理者可能迷信定量化的数据分析结果，进而失去自我判断的独立性。北森2020年的人才分析发展报告指出，在受访者当中仅7%的企业能够基于智能工具和新分析方法建立有意义的预测模型并形成强有力的数据治理能力。因此，面对海量的人员活动大数据和多样化的AI分析工具，管理者反而比以往任何时候都更需要强化自身的理论积累，借助经典理论回归组织中员工心理与行为的规律本质。在理论指引下，管理者一方面能够更为科学、恰当地应用输入端的数据和算法工具，另一方面也能更好保持自身对人才管理的独立认知与思考而避免盲从定量化的大数据分析。

结束语

组织在线化时代的人才分析实践中，企业管理者需注意这样一个问题，非结构化的全量人员活动数据和天然带有黑箱属性的AI算法容易导致人们迷信算法给出的所谓“客观且中立”的分析结果。尽管这些数字化技术的确能够有效帮助组织提升人力资源管理的效率，但管理者仍需时刻注意避免“滥用”数字化技术。管理者需要不断强化自身的理论素养，理性、独立地评判而非盲从算法定量化的人效分析结果，否则将退回到古典管理理论中将人简单视作“工具和手段”的主张，这是效率至上、控制为主的管理主义的表现。相反地，企业管理者要更多站在人本主义的出发点上，在“数据驱动”的人力资源管理模式下，更加尊重人性和人的尊严，在企业的制度设计和文化建设过程中，让AI算法等数字化技术更好地帮助员工实现个人价值，增强他们的主人翁意识和被授权感，最终提升组织效率并实现企业与员工的长期可持续发展。

“本文为国家自然科学基金重大研究计划集成项目“数智化情境下人机协同中的管理决策与组织行为研究”（编号：92146003）和国家自然科学基金重点项目“在线化驱动的动态组织设计与员工行为研究”（编号：72232009）的阶段性成果。”