—

1中國人力資源管理數智化管理白皮書2023編

委主編：劉

輝

王崇良

祝恒書

王海波

劉長江

劉蔚編輯：苗

青

任

巍

嚴道軒中國人力資源開發研究會智能分會China

(HR)

Intelligent

Management

Association

—

CIMA中國人力資源開發研究會智能分會成立于

2020

年

12

月，作為中國人力資源開發研究會的分支機構，是一個全國性非贏利性社會團體，致力于成為一個研究和促進智能技術在人力資源開發與管理領域應用的生態平臺，全方位推動中國人力資源開發與管理的智能化發展。分會的任務和主要工作內容：

構建基于移動互聯網技術的人力資源開發與管理智能化的在線應用生態平臺。

在人力資源智能化領域進行科學調研和數據分析，出具相關研究報告，并基于報告出具相關行業指數。

開發和推廣人力資源智能化研究與應用等有關專業機構的相關業務，促進行業自律機制的建立，

促進各種業務技術規范和服務標準的建立。

組織評議、表彰和推廣人力資源智能化發展的學術成果。

促進人力資源智能化研究與應用相關人才的培養和職業發展。

建立人力資源智能化學術成果、專業知識、實踐案例分享平臺。

組織人力資源智能化專業交流活動，為相關機構和專業人員提供專業化交流。

推動人力資源智能化學術研究和專業化的咨詢服務。中國人力資源開發研究會智能分會數智化標準領導小組中國人力資源數智化標準領導小組的主要職責：

定期發布《中國人力資源數智化標準白皮書》；

定期發布《中國人力資源數智化建設白皮書》；

研究并探索中國人力資源管理數智化發展、前沿技術、領先企業、領先實踐、市場趨勢等；

指導中國企業利用人工智能、大數據、大模型等技術進行數字化轉型，重塑人力資源管理，引領企業的創新與數字經濟變革；

推動中國人力資源數智化的學術研究和標準研究；

推動中國人力資源數智化和專業化的咨詢服務；

賦能整個行業生態不斷良性循環迭代加速發展；

推動企業運營管理和生態圈不斷智能化發展。目錄

contents研究方法

.........................................................................

1核心目標

.........................................................................

2一、2023

年中國人力資源數智化關鍵詞

..............................................

31

技術六大關鍵詞

...............................................................

32

HR

業務六大關鍵詞

...........................................................

11二、中國企業數智化應用現狀調研

..................................................

141

調研企業的基本情況

..........................................................

142

人力資源數智化所處階段現狀

..................................................

173

各職能模塊數智化所處階段總覽

................................................

184

人力資源管理系統產品的使用現狀

..............................................

205

人力資源系統數智化應用關注度

................................................

226

系統產品的使用現狀和數智化關注的程度對比

....................................

237

數智化過程中遇到的困難

......................................................

248

數智化過程中遇到的阻力

......................................................

259

希望解決人力資源管理的哪些痛點

..............................................

2610

人力資源數智化解決方案的企業需求分布

.......................................

2811

人力資源大數據分析和智能化技術的應用情況

...................................

2912

企業在人力資源數智化運營中已開展的工作

.....................................

3413

企業人力資源數智化團隊規模

.................................................

3514

企業人力資源數智化預算

.....................................................

37三、2024

年中國人力資源數智化四大趨勢

...........................................

391

無人值守的

HR

平臺

...........................................................

392

從大屏展示到作戰指揮中心

....................................................

433

基于大模型的數字員工

........................................................

454

從流程智能到決策智能

........................................................

47四、中國人力資源管理數智化領先企業實踐案例

......................................

501

無人值守的

HR——用人工智能重塑人力資源管理實踐

..............................502

美的人力資源信息化數字化簡史

................................................

563

關于

ESG

原則在

HR

數字化過程中的指導作用

.....................................

614

信息化系統升級，從整合走向融合

..............................................

715

當

AI

技術著力于“企業微觀數智化”

...........................................

74研究方法本報告主要采用市場調查、專家訪談、案例研究等方法，并經過中國人力資源開發研究會智能分會人力資源管理數智化標準委員會撰寫并審核。

數據：以智能分會理事單位為基礎，進行廣泛市場調查和專家訪談，了解行業主要情況，獲得相應數據

分析：基于所獲取一手資料，結合統計學分析與數據可視化技術，對相關數據進行結論性洞察

趨勢：基于相關數據結論和專家研判，對人力資源數智化領域的發展趨勢進行解讀

案例：以人力資源數智化領域的代表型企業為標桿，進行專項案例的延伸研究，樹立數智化方向的全新標準本報告得到青貝克咨詢數據研究中心（KDRC）的技術支持。青貝克咨詢是專注于企業人力資源數智化轉型的專業咨詢機構。面向中國企業，提供全球頂級人力資源數智化轉型解決方案，詳情可咨詢

admin@。1核心目標

提升行業影響力：建立中國人力資源數智化行業模型、標準、指數，通過標準化組織的活動和影響力，擴大市場規模，吸引更多企業走進數智化。

推動行業發展：指導中國企業利用人工智能與大數據技術進行數字化轉型，重塑人力資源管理，引領企業的創新與數字經濟變革，賦能整個行業生態不斷良性循環迭代加速發展。

培養數智化人才：吸引一流企業數智化人才共創，沉淀行業知識，打造數智化人才認證、學習、交流、成長的平臺。2一、2023

年中國人力資源數智化關鍵詞1

技術六大關鍵詞中國人力資源管理在過去

40

多年里歷經了四個階段的發展規劃：人事管理階段、人力資源管理階段、戰略人力資源管理階段和人力資本階段；與各個階段相匹配的，技術也從

IT

到

DT，從

BI

到

DI

到

AI

的演進，流程/系統從線上化、信息化逐步地走上了數字化、智能化的迭代路徑。這其中，技術的演進是關鍵因素，不斷推動人力資源管理向前發展。1

人工智能：人工智能技術經過近

10

年的實踐探索與實際應用，持續發熱，在人力資源數字化領域中發揮著越來越重要的作用，它可以幫助企業重塑人力資源“入離升降調，選用育留管”流程，利用模型/算法對員工數據進行解析，以識別趨勢、做出預測、輔助判斷；提高管理效率和運營質量。常見的應用場景參考如下：

對話機器人在人力資源領域常見的應用就是智能客服、訪客接待機器人、培訓機器人等。

語音識別在人力資源管理領域常見的應用就是共享服務中心的客服小秘、招聘小秘、培訓助手、虛擬個人助理等。

計算機視覺在人力資源管理領域主要的應用是人臉識別，包括無感考勤、刷臉考勤、刷臉辦理入職、刷臉培訓簽到、刷臉繳納各種費用等。

自然語言處理在人力資源管理領域中常見的應用就是客服對話機器人、輿情分析、組織掃描（組織

CT、業績診斷系統）、人才掃描（人才

CT、人才識別與推薦）等。

基于人工智能的深度學習技術可以使企業的人才發展分析和輔助決策變成現實。3

用戶畫像在人力資源管理領域中的應用就是人才畫像。基于大數據分析，可以將用戶畫像的結果用于描述用戶的特征，分析用戶的喜好。同時，用戶畫像的結果還可以用于企業關鍵人才的選、用、育、留等環節，如進行精準培訓，分析外部市場的薪酬水平，進行人才刻畫分析，優化人才招募、配置、選拔、推薦等。

推薦閱讀《當

HR

遇見

AI》一書，用人工智能重新定義人力資源管理，人民郵電出版社，王崇良

黃秋鈞著。②大數據：數據、模型、算法、算力是機器學習的四大核心要素，算法通過在數據上進行運算產生模型，算力是通過對數據進行處理，實現目標結果輸出的計算能力。我們可以利用大數據技術和思維方法去解決人力資源領域“小”數據的問題與訴求。人力資源數據同企業其他經營管理數據一樣，也是寶貴的無形資產，通過建立模型與算法可以總結過去、診斷現狀、預測未來，理解員工需求、做好服務，為管理提供分析判斷、預測洞察，能夠在組織、人才、文化、運營層面進行效率的提升，有效提高人力資源精細化管理水平，支撐企業戰略目標分解和落地。常見的應用場景參考如下：

人才供需規劃預測：人才供需規劃通常可采取的方式有趨勢預測法、成本控制法等。趨勢預測法是根據歷年的招聘情況（招聘總量、地域分布、業務單元分布、層級分布、組織發展形態、晉升速度、管理幅度、離職率等）進行綜合分析給出一定比例增長幅度的線性預測，體現的是企業用工總量的平穩、還是爆發式發展。成本控制法是根據企業人工成本總預算倒推招聘數量，人工成本包含工資、五險一金、商業保險、獎金、調薪、福利費用、培訓費用等，從總預算分攤到各事業部各個部門預算，再倒推到各個部門、各個層級能招多少人，從而預估出總招聘量。當然這二種方式各有利弊，也可以結合使用，即雙控模式：既控制人頭，又控制成本。目前更精準的方式是通過大數據挖掘技術，實時分析，月度

review，季度調整，通過組織結構、人員配比、人力成本、升降調轉、績效、離職4等相關內部信息的加工處理與建模分析，同時結合外部社交數據的綜合多維度分析，模擬仿真可能發生的各種變化情景，對其合理性與風險進行評估，給出人才供需分析報告，供管理層科學決策使用，避免“拍腦袋”式決策。

人才識別和選拔：求職信息與崗位信息自動匹配、智能評估、雙向推薦，對候選人的簡歷、社交媒體數據、在線行為等合規數據進行綜合分析，可以更準確地評估候選人的能力、興趣和潛力，提高招聘匹配度和效率。通過大數據算法，對相關指標實現量化、標簽化，然后對指標進行綜合加權匹配，通過訓練、驗證、調優，實現求職信息與崗位信息的智能評估與自動匹配，向用人單位自動篩選精確的求職者簡歷，提升招聘效率與產出；也可以向求職者推薦合適的崗位信息，達到用人單位主動吸引人才的目的，實現雙贏。另外，智能匹配算法可以非監督學習功能，根據輸入信息變化、搜索歷史、地域熱度、人才貯備等變化，可以自我調整修正指標，從而自動匹配更加智能化。

招聘運營效率提升：大數據分析在招聘渠道、招聘進展（漏斗分析）、招聘來源（人才雷達地圖）等方面都可以發揮很大作用，滿足基本要求：多（招人數量多）快（進人效率高）好（人才質量優）省（花費成本低），并向組織效能轉化。通過準確的甄選評測工具、正確的操作流程、合適的面試官、適當的技術，將最優秀人才招募進來。

員工培訓和發展：通過對員工的學習需求、績效表現、能力水平、工作行為等數據進行建模與綜合分析，結合學習地圖，可以制定千人千面的課程推薦和個人發展計劃，提高員工的職業發展水平和績效。個性化推薦課程有了用戶的若干個行為偏好特征標簽，就可以對應于課程標簽進行個性化推薦了。但實際操作過程中，用戶可能不買賬，認為有些課程并不是他想要的。這就還需要根據用戶的學習風格以及學習習慣進行不斷機器學習調優，并最終達到用戶想看5到的時候我們已經推送到位。

績效預測：通過收集對員工平時積累的工作表現、能力提升、工作行為、態度、團隊協作等多方面的數據，進行模型搭建以及綜合分析，可以更智能、更準確地評估、預測員工的績效表現，為升降、調薪、調配等管理動作提供科學參考依據。

職業發展規劃：通過提取高績效、高潛力人才的顯著特征，得到不同序列的人才畫像：將候選人與之匹配，得到匹配指數，從而協助HR

快速找到最優秀的人才；也可以通過評估人的適崗性，把合適的人放在合適的位置上；結合學習地圖，匹配學習課程。這就需要平時要建立用戶標簽體系，通過當前員工崗位、職級、職責、績效、代碼產量、晉升速度、薪資漲幅程度、360

度評估、技能水平等打上標簽，與員工下一步職業規劃的崗位所需的能力標準以及技能要求進行匹配，形成崗位匹配度、能力匹配度、技能匹配度等員工發展相關標簽，同時結合市場熱點崗位分析，綜合為員工提供職業發展評估和建議。

薪酬與福利：新時代基本工資、獎金等對員工的激勵效果在逐步減弱，而股票、福利、內部創業等新形式則受員工關注。如何建立價值創造、價值評估、價值輸出的一個公平的薪酬評價體系，是努力的方向。通過對員工薪資、調薪、獎懲、福利、績效表現等細項數據的分析，對標業界市場薪酬水平，可以更準確地了解員工滿意度和流失率，及時調整管理策略，提高員工的工作積極性和忠誠度。

員工關系管理：通過對員工溝通、交流、項目協作等合規數據日志的分析，通過模型與算法，可以更準確地了解員工之間的合作情況和團隊氛圍，及時發現和解決潛在風險問題，促進員工關系的和諧發展。離職預測實現路徑主要是根據加薪時間、晉升時間、在崗時間、考勤狀況、參會記錄等

100+人力資源指標，加外部輿情分析，根據過去發生的已離職情況推導出指標的離職指數，根據離職指6數，利用回歸算法等大數據模型預測未來。數據包括了內部數據和外部數據。③虛擬現實：虛擬現實技術廣泛應用在招聘、培訓等領域，幫助企業實現更加高效、精準的人力資源管理，提高員工的參與度和滿意度。常見的應用場景參考如下：

虛擬面試：利用虛擬現實技術可以進行虛擬面試，求職候選人可以在虛擬環境中與面試官進行實時互動，更深入地詳細了解公司的文化、工作環境和崗位要求，為求職候選人提供更真實的面試體驗，提升雇主品牌。

虛擬入職：通過創建虛擬現實場景，讓候選人遠程模擬參觀公司的辦公環境、工廠環境或實驗室，提前感受與了解企業文化和工作環境。這種方式節省時間和成本，大大提高候選人加入公司的可能性。

員工培訓：虛擬現實可以帶來了更深層次的沉浸感，學習者可以沉浸在體驗中，幫助員工更有效地學習和掌握各種技能。模擬各種工作場景，對求職者的技能和適應能力進行測試，以便更準確地評估其能力。通過虛擬現實技術，可以模擬各種培訓場景，如風險處理、緊急情況處理、銷售技巧培訓等，讓員工在安全的虛擬環境中進行實戰演練，提高技能水平以及應急能力。

員工敬業度：虛擬現實能夠以動態的方式與他人互動，可以應用于項目團隊合作，改善員工敬業度。④RPA：RPA

在人力資源領域的應用場景非常廣泛，可以幫助企業實現人力資源流程的自動化和智能化，減輕

HR

的工作負擔，提高運營效率。常見的應用場景參考如：

招聘流程自動化：快速分發招聘信息，篩選應聘簡歷，通知應聘人復試，減少手動操作，提高人才招聘率。RPA

可以根據設定的規則自動篩選簡歷，將符合要求的簡歷發送給

HR，大大節省

HR

瀏覽和7篩選簡歷的時間。此外，RPA

還可以自動發送面試通知，提高招聘效率。

入職流程自動化：新員工入職涉及到許多數據處理任務，包括個人信息錄入、合同生成、工號分配、郵箱和

IT

系統賬號開通等。RPA可以自動完成這些任務，快速準確地完成新員工入職流程。

薪資和福利處理：每月的工資和福利處理是一項繁瑣且耗時的任務。RPA

可以自動收集員工的工時、出勤和其他相關數據，計算工資和福利，并生成工資單。這不僅可以減少錯誤，還可以確保員工按時收到工資。

考勤管理：RPA

可以自動收集員工的考勤數據，包括打卡時間、請假、加班等信息，并進行處理和分析。這可以大大減輕

HR

的工作負擔，并提高考勤管理的準確性。

離職流程自動化：員工離職時，需要進行一系列的數據處理任務，如結算工資、辦理離職證明、關閉相關賬號等。RPA

可以自動完成這些任務，確保離職流程順利進行。

人力資源數據分析：RPA

可以自動收集和分析人力資源數據，如員工滿意度、招聘周期、人員流動率等，為管理層提供決策支持。

員工績效管理：RPA

可以幫助

HR

自動收集員工的績效數據，進行計算和分析，生成績效報告。這可以提高績效管理的效率和準確性。⑤人才分析（People

Analytics）：人才分析可以利用大數據和人工智能技術，對人才需求和候選人特征進行深度分析，幫助企業實現更加精準、個性化的人力資源管理，提高人力資源的利用效率和管理水平。常見的應用場景參考如下：

人才盤點：通過對企業現有員工的能力、績效、職業發展需求等多方面數據進行綜合分析，人才分析技術可以幫助企業全面了解員工的現狀，識別出高潛人才，為企業制定更合理的人才規劃和配置策8略提供數據支持。

人才發展：通過對員工的學習需求、學習能力和職業發展目標等多方面數據進行綜合分析，人才分析技術可以為企業制定個性化的培訓和發展計劃提供數據支持，提高員工的職業發展水平和綜合素質。

人才激勵：通過對員工的工作滿意度、薪酬和福利需求等多方面數據進行綜合分析，人才分析技術可以幫助企業制定更加合理的薪酬和福利政策，提高員工的滿意度和忠誠度。

人才流失預測：通過對員工的工作滿意度、職業發展需求等多方面數據進行綜合分析，人才分析技術可以預測員工流失的可能性，為企業提供針對性的防范措施，減少人才流失對企業的影響。

招聘優化：通過對招聘數據、候選人特征、面試表現等多方面數據進行綜合分析，人才分析技術可以幫助企業更準確地評估候選人的能力和潛力，提高招聘的準確性和效率。⑥生成式人工智能：AIGC

是生成式人工智能的縮寫，它利用人工智能技術來生成全新的、真實的、有用的數據，例如文本、圖像、音頻和視頻等。AIGC是繼專家生產內容（PGC）、用戶生產內容（UGC）、AI

輔助生成內容（AIUGC）之后的新型內容創作方式。生成式是一個應用場景或應用形態，比如歌曲生成文本是一種應用形態。大模型是一種概念，例如人崗匹配是一個

AI

模型，離職預測是一個

AI

模型，績效預測是一個

AI

模型，每個都是單獨的模型；大模型是用所有人力資源里的這種訓練數據構建一個統一的訓練任務，各模塊都共享一個

AI

模型，其中的參數可能巨大，一般是

10

億級別以上的，可以支持多個不同的任務，可以去做離職預測、績效、選拔等等。ChatGPT

被稱為世界模型，包括人力資源數據、財務數據、經濟學數據、物理學數據等等，幾乎把全世界能夠用到的數據都涵蓋在內，此時只需要用一部分的人力資源知識去引導ChatGPT，激發

TA

的這種能力，就可以解決人力資源的相關問題。世界模型或大模型，需要給他輸入人力資源的智慧，首先他擁有全部的歷史訓練數據，輸9入人力資源智慧只是為了讓他更具有人力資源知識，就是預訓練一個神經網絡模型，具備

SFT（Supervised

Fine-Tuning）技術，即強化學習。例如從小學到高中都是通識教育，而上大學就分科了，其實大學的知識，小時候都有接觸，但現在分科是為了強化這部分知識，通過專門的學科去再學習。因此，通過強化學習人力資源知識，讓人工智能達到專家的水平。AIGC

在人力資源領域的應用場景可能會帶來許多顛覆性的變革，具體包括以下幾個方面：

招聘和篩選：利用

AIGC

技術，可以進行崗位描述，任何崗位只要簡單描述下崗位名稱，就能很容易生成非常專業的崗位描述。也可以快速生成對外發布廣告使用的招聘文案。利用自然語言處理（NLP）技術，可以對求職者的簡歷進行自動解析，并將簡歷信息進行結構化處理；然后通過機器學習算法，可以分析這些結構化的簡歷信息與職位要求的匹配程度，從而快速篩選出合適的候選人，提高招聘效率和準確性，減少招聘成本和時間。

績效預測：利用自然語言處理技術，可以自動提取員工的工作表現和成果，并對其進行量化評估，提高績效評估的客觀性和準確性，減少主觀因素的影響；機器學習算法可以分析員工的表現和績效之間的關系，從而預測員工未來的表現和績效。利用

AIGC，可以設計不同部門都有什么考核

KPI

指標。

培訓和發展：利用

AIGC

幫我們生成某個主題課程的大綱，利用這個大綱再去設計課程就會容易得多。利用機器學習技術，預測員工的職業發展方向和需要的培訓課程，提高員工績效和發展計劃的個性化程度和準確性。

人力資源數據分析：AIGC

可以輔助生成程序，進行數據合并、拆分等處理工作；處理完數據，還能進行數據分析。利用自然語言處理技術和機器學習技術，對大量的人力資源數據進行分析，提取有價值的信息，提高人力資源數據的分析能力，為決策提供更準確的支持等。102

HR

業務六大關鍵詞2023

年是三年疫情之后的第一年，本應復蘇的大環境變得更加復雜，不確定性增多，給人力資源管理工作也帶來了新的挑戰，既要做好本職工作，又要協助業務應對各種不確定性與風險。回顧

2023

年，如下的關鍵詞值得大家復盤，把握住確定性，防控好不確定性/風險，積極應對未來更大的挑戰。這些關鍵詞包括：1

數據驅動決策：百度人力資源部在

2014

年率先研究大數據在人力資源領域的應用，第一個模型是機器選擇并推薦人選作為

360

度評估中的peer，并在當年成功應用落地；后續幾年不斷探索與實踐，逐步形成了一系列的智產品（智留辭、智組織、智文化、智選才、智績效等），輔助管理判斷與決策。經過近

10

年的發展與影響，業界也逐步認可百度的人力資源大數據應用標桿作用，紛紛建立自己的模型與應用，已然成為一種趨勢。通過數據分析工具對員工數據進行分析和挖掘，以更好地理解員工的行為和需求，了解人才市場動態和行業趨勢，為企業提供更準確的人力資源相關決策支持已漸成風尚，數據驅動決策逐漸成為主導。可以參考熊輝教授、祝恒書博士主導的“百度人才智庫”。推薦閱讀《人力資源大數據應用實踐》一書，清華大學出版社，王愛敏

王崇良

黃秋鈞，2017

年。②數智化轉型：人力資源數智化轉型主要轉變的是人力資源的管理方式（組織、人才、文化），通過應用最新數字化技術（人工智能、大數據、區塊鏈、云計算、物聯網等），重塑人力資源管理的業務流程（入離升降調、選用育留管），將人力資源管理全生命周期的過程數字化、自動化、智能化（比如無感考勤、機器人自動審批、大模型助力智能機器人客服、語音調取自助服務等），從而提升人力資源管理效率、優化人才使用效果、打造敏捷組織，實現人力資源的動態運營，提升企業整體績效。同時，人力資源數智化轉型也是企業數智化轉型的一部分，隨著人工智能、大數據等技術的不斷應用與迭代，人力資源同企業其他職能（研發、生產、營銷、財務等）攜手轉型已成為企業快11速致勝的必然趨勢。③員工體驗：員工體驗是近幾年談論一直經久不衰的話題，尤其疫情過后，隨著員工需求和期望的不斷提高，員工體驗更是成為人力資源管理的重心之一。運用數字化技術，重塑業務流程，并在“入職、在職、離職”全生命周期各個階段中的關鍵時刻，提供千人千面的個性化服務：比如流程類（10

分鐘極速入職、目標設定提醒、課程學習提醒、個稅機器人申報等）、關懷類（7x24小時客服、證明自助領取、精準推送生日、周年祝福等）、消息類（發送入職指南、事項待辦等）、預警類（離職預測、團隊氛圍、調薪邊界等），通過關注員工在工作、生活、學習、發展中的點點滴滴，主動創造并喚醒“意料之外”的驚喜，提升員工體驗，從而間接地提高員工滿意度和忠誠度，數據表明，這是正相關因素。④敏捷績效：績效管理是企業價值輸出的導向，進入移動互聯網時代后，OKR、人單合一、阿米巴、合弄制等紛紛流行，許多企業放棄了強制分布和末位淘汰，紛紛開始轉向敏捷績效，員工與主管可以隨時隨地通過移動

App

修改/確認目標、反饋意見，當然也可以征求其他專家或項目經理的反饋意見，而且績效的產出結果不與晉升、調薪直接掛鉤。這種方式極大地增強了員工與主管的溝通效果，可以幫助員工及時調整個人發展路徑，實現快速成長。當然，有些東西是不可量化的，如工作激情與創新動力等，這就需要

HR

從業者平時多關注與收集員工的工作狀況、代碼生產情況、行為表現、團隊合作情況、溝通交流情況等，利用大數據、NLP、機器學習技術建模，開展定量與定性的綜合分析，明確哪些因素可以最大化地提高員工的業績，從而達到提升組織效能的目的。人工智能也可以預測績效，通過歷史數據和實時數據來預測員工的業績，為績效管理回顧性和前瞻性的分析；通過員工的歷史績效數據，可以確定構成組織中高績效或低績效的個人特征，這樣的分析可以針對部門、個人和團隊績效。⑤智能薪酬：在人力資源數據分析中占比最大的模塊就是薪酬，HR

在處理薪酬模塊的數據時，要先進行工資數據分析（如計算方法、構成分析、工資12支出、預算分析），再做薪酬政策的數據分析，比如人力投入分析、人工成本分析、人均效能分析、人員激勵分析、外部對標與競品分析、薪酬政策數據分析、預算分析等；利用大數據和人工智能技術，實現這些薪酬活動的自動化和智能化，比如智慧算薪、智能定薪、薪酬模擬器、監控預警平臺（工資總額接近或超過預算警戒線、工資月度變動異常預警、激勵過度分析預警）等,提高薪酬管理的運營效率與準確性。⑥智能人才發展與培訓：人才發展的核心是以人才盤點為基礎，做好人才選拔和人才培養。人才盤點的工作非常繁雜，需要看組織、崗位、人崗匹配，人工智能可以根據員工績效、能力、潛力的評估結果迅速提供企業需要的高潛人才分布（九宮格或

16

宮格），從而確保企業清楚需要招聘哪些的人才，需要保留哪些人才，需要培養哪些人才，需要淘汰哪些人員。在人才培養方面，企業也可以使用人工智能技術培養員工，根據員工的崗位、能力、技能、個人發展計劃（IDP）等數據的整理與學習地圖智能匹配，推薦個性化的學習課程。在人才培養的過程中，試用期轉正評估、晉升答辯、輪崗評測、年度總結述職等工作，都可以利用人工智能技術來完成，不僅節省了管理者大量時間，更重要的是，人工智能能夠更客觀更公平地給出評估結果。利用人工智能，基于人力資源知識圖譜構建員工標簽庫，建立人才畫像體系，通過人才發現、人才識別、團隊分析和發展路徑等功能，協助企業管理者和

HR

從業者有效發現核心人才。人工智能將改變培訓模式，通過人工智能技術，不僅能夠為員工提供沉浸式的培訓體驗，還能夠結合員工興趣愛好及潛能，進行個性化課程推薦，形成員工定制化學習地圖，對員工進行

360°洞察，為員工在企業中的學習發展提供導航。更有趣的是，通過人工智能技術能夠將培訓游戲化、盲盒設計來增強課程的吸引力，提升學習的興趣。培訓的個性化、碎片化、社交化、場景化、游戲化將會是未來的主流趨勢，只有運用人工智能技術才能發揮更大優勢，實現降本增效。基于

AI

和知識圖譜的技術，整合企業內外部的學習資源，加快知識的智能化沉淀，優化知識領域的個性化推薦，為企業的人才技能培養提供智能化方案。13二、中國企業數智化應用現狀調研1

調研企業的基本情況1.1

調研企業所在的行業領域參與本次調研的企業從所屬行業領域來看，主要分布在制造業、IT/互聯網/科技、高校/科研院所、房地產/建筑/物業、服務業等，其中，制造業占比最高，達到了

21.12%，其次

是

IT/互聯網/科技，占比

18.63%。高校/科研院所達到了

11.18%，房地產/建筑/物業約占

10.56%；其他行業共占約

38.51%。與

2021

年調研數據對比圖如下：1.2

調研企業的性質參與本次調研的企業按性質來劃分，民營企業占到了絕大多數，為

49.69%（同

2021

年相仿），國有企業的比例

31.06%（比

2021

年高

10pp）；外資企業占比約

9.32%。141.3

調研企業的規模參與本次調研的企業按規模來劃分，超過萬人規模的企業占比

24.84%，說明大型企業不光注重內生，也開始關注外部影響；其次是

100-500

人規模的企業占比約

21.12%，1000-5000

人規模的企業占比約

18.01%。151.4

調研人的職務參與本次調研人的職務來劃分，從事

HR

工作的人占比最高，約占

46.58%，企業管理者次之，約占

25.47%，專家/教授占比也不少，約

10.56%

；乙方（人力資源服務商）占比約

9.94%。1.5

調研人的從業年限參與本次調研人的從業年限來劃分，超過

10

年工作時長的最高，約占50.91%，5-10

年工作時長的次之，約占

24.84%。162

人力資源數智化所處階段現狀按照“四化模型”，人力資源數字化建設可以分成四個階段：線上化、信息化、數字化、智慧化：①線上化階段：主要是把線下作業流程“搬”到線上，比如企業在這個階段可以通過引入外部商用套件（有條件的也可以自研），實現員工信息、薪酬福利、考勤等基礎數據的電子化管理，這一步提高了工作效率，減少了手工操作和數據錯誤。②信息化階段：在“入離升降調、選用育留管”線上化的基礎上，打通拉通各個業務模塊進行協同管理，實現業務間的信息共享和端到端流程協同；這一步有助于提高企業整體的人力資源管理效率。③數字化階段：企業開始利用大數據、人工智能等技術，對數據進一步挖掘，借助建模與算法，預警預測，為企業提供更準確、更全面的決策支持。例如，通過對員工績效數據的分析，發現員工的潛在能力和提升空間，從而制定更有針對性的培訓計劃。這一步關注企業效能以及員工體驗。④智慧化階段：人力資源管理具備了靈敏感知功能、自適應學習能力、預測判斷功能，并能給出行動建議的能力。這意味著人力資源管理系統能夠實時感知組織內外部環境的變化，自動學習和適應新的情況，預測未來的趨勢，并為管理者提供決策支持。這一階段強調與組織戰略和業務目標的緊密結合，通過數據驅動和業務迭代不斷提升人力資源管理的價值和影響力。它致力于構建生態型組織，促進企業的多條曲線良性發展，為企業創造更大的價值。調研發現，中國企業管理對于數智化的應用已經開始，約

70%的企業已經開始了數智化進程，并開始形成趨勢，具體情況如下：

多數企業（約

49.69%）已處在“開始探索應用”階段，開始部分場景的應用探索；比前年上升

13%；說明數智化應用在不斷發展，前景看好。

已有約

9.32%的企業開始全模塊系統“全面落地”；比前年上升

1%。17

約

14.29%的企業開始部分模塊推廣應用階段；比前年下降

10%.

約

18.63%的企業處于了解但尚未開始后應用階段；比前年下降

2%

只有約

10.81%的企業尚處于不了解階段；比前年下降

2%。3

各職能模塊數智化所處階段總覽人力資源數智化是企業運營管理數智化的一部分，企業內部各職能模塊數智化的應用場景已經非常廣泛，利用

AI、大數據等技術重塑企業內部流程價值鏈，提高企業的運營效率、降低成本并增強競爭力，已在各行各業如火如荼開展，比如，智能制造：利用物聯網、大數據和人工智能技術，進行工廠設計和規劃，實現工廠布局、生產線規劃、設備安裝調試等的數字化和智能化。通過引入自適應控制、智能感知、自主決策等功能的制造裝備，如數控機床、機器人等，實現制造過程的自動化和智能化。營銷數智化：通過大數據分析了解客戶的購買行為和偏好，制定更加有針對性的銷售策略；利用人工智能和機器學習技術，構建智能銷售系統，實現自動化銷售流程和個性化的客戶服務，提高銷售效率和客戶滿意度。財務數智化：通過大數據分析和人工智能技術，預測未來的市場需求和財務狀況，為企業的戰略決策提供有力支持；利用智能化的財務報表生成和分析工具，實現財務數據的自動化處理和分析，實時監控財務狀況和經營成果，及時發現和解決財務風險問題，提高財務決策的準確性和18效率。研發數智化：通過大數據和人工智能技術，分析市場需求和產品趨勢，為研發項目提供更加精準的方向；利用虛擬現實（VR）、增強現實（AR）等技術，構建數字化研發平臺，提高產品設計和開發的效率和質量、創新能力等等。調研發現：在企業內部管理的十三大模塊上，各個模塊都有不同的企業在數智化應用上進行了有效探索，比如，財務管理：約有

40.4%的企業在這個領域里開始了數智化應用，比前年提升了

12.7%；人力資源：約有

37.9%的企業在這個領域里開始了數智化應用，比前年提升了

3.4%；戰略管理：約有

27.3%的企業在這個領域里開始了數智化應用，比前年提升了

6.8%；行政管理：約34.8%，比前年提升了

17.2%；供應鏈管理：約

30.4%，比前年提升了

5.4%；質量管理：約

31.7%，比前年提升了

12.1%；產品研發：約

31.1%，比前年提升了

2.8%%；生產制造：約

37.3%，比前年提升了

13%；市場營銷：約

32.9%，比前年提升了

8.5%；客戶管理：約

35.4%，比前年提升了

12.1%；商務管理：約

30.4%，比前年提升了

6.1%；辦公自動化：約

37.3%，比前年提升了

8.3%；運營管理：約

35.4%，比前年提升了

11.7%。其中，涉及“人力資源”管理模塊的調研數據發現，企業的人力資源管理進入數智化階段、處于信息化階段的占比總和已超過四分之三，線上化階段的占比已不足四分之一，詳細描述如下：

約有

37.9%的企業人力資源領域里開始了智能化應用，比前年提升了3.4%，說明人力資源智能化已開始深入民心、穩步增長。

約有

39.1%的企業仍處在人力資源管理信息化階段，業務要求他們急需邁入下一個階段（數字化、智能化階段），有迫切訴求。

同時，約有

23%的企業在人力資源管理數字化程度上非常落后，分別處于線下作業或線上化初始階段，大多數為小微傳統企業。19調研數據表明，2023

年中國企業在數智化方面的發展呈現出整體穩步提高的特點，隨著中國企業不斷加快數字化轉型的步伐，數智化已經成為企業發展的必然趨勢。越來越多的企業開始重視數智化應用建設，通過大數據、人工智能等技術進行業務模式創新、產品創新和服務創新，打造差異化競爭優勢，推動業務創新，提升數智化應用水平。頭部企業已經通過大數據、人工智能等技術進行業務模式創新、產品創新和服務創新，打造差異化競爭優勢，并開始享受數智化帶來的紅利。同時還應看到，中國企業的基礎設施建設仍需要持續完善，需要不斷加大在云計算、大數據、人工智能等方面的投入，提升數據處理能力、網絡傳輸能力等方面的技術水平，為企業數智化應用提供更好的基礎設施支撐。4

人力資源管理系統產品的使用現狀人力資源管理系統涵蓋了“入離升降調、選用育留管”的方方面面，從產品角度可以分為

CoreHR

系統（組織、崗位、人事管理）、薪酬管理系統、考勤系統、外包系統、招聘系統、辦公系統、入職系統、離職系統、異動系統、培訓系統、績效系統、人才發展相關系統、組織發展相關系統、人效管理相關系統、調研系統、組織效能相關系統、文化氛圍相關系統、決策支持系統等等。20這些系統或模塊之間相互配合、打通拉通，才能實現人力資源數字化管理的目標，比如，流程端到端銜接與協同、數據互通與共享、統一入口與界面、智能分析與指揮作戰中心、預警與預測、數字人自助服務等。通過這些配合方式，企業可以實現全面的人力資源數字化管理，提高管理效率和工作質量，為企業的長遠發展提供有力支持。通過對人力資源管理系統產品使用現狀的調研，在基礎核心模塊上，各家企業使用程度上一直比較穩定，在流程自動化產品方面應用程度也還不錯，在決策智能化產品方面應用程度雖然較低，但呈現明顯上升趨勢。詳細情況描述如下：

有三大模塊使用程度顯著高于其他模塊，分別是：人事管理系統（約69.6%，比前年提升了

1.6%）、考勤系統（約

57.1%，比前年下降了

8.9%）、薪酬管理系統（約

51.6%，比前年下降了

8.4%），這仍然是人力資源管理系統的基礎核心構成部分。

同時，培訓管理系統（約

44.1%，比前年下降了

1.9%）、智能招聘系統（約

42.2%，比前年下降了

7.8%）、績效管理系統（約

39.8%，比前年下降了

2.2%），仍然維持規模效應，比例有所降低說明數字化轉型過程中帶來的波動不可避免，但變革趨勢不可阻擋。21

流程自動化相關的產品，應用程度相對較高，比如，人才發展管理系統（約

28%，比前年提升了

1%）。

決策智能化相關的系統產品，應用程度雖然較低，但均有提升。比如，組織發展（約

14.3%，比前年提升了

5.3%）、人效管理（約

13.7%，比前年提升了

2.2%）、敬業度洞察（約

13%，比前年提升了

2%）、團隊效能（約12.4%，比前年提升了

5.4%）、文化氛圍（約

12.4%，比前年提升了

5.4%）、離職預測（約

10.6，比前年提升了

2.4%）。說明這里需求旺盛，機會多多。5

人力資源系統數智化應用關注度通過對人力資源系統數智化應用關注度調研發現，各個模塊受到的關注程度遠超過

60%（除了勞務外包約

59.6%），說明受訪的各家企業不僅關注人力資源數字化轉型，還希望各模塊均衡發展，都不想在未來競爭中落伍。

人力資源系統的主要產品數智化應用均受到廣泛的關注，其中招聘和員工服務平臺模塊的關注度尤為突出。

其余各模塊應用齊頭并進，不相上下，均衡發展，趨勢明顯上升，各個領域機會明顯，突破需要創新。226

系統產品的使用現狀和數智化關注的程度對比通過調研發現，互聯網公司進行人工智能在人力資源領域的應用實踐層面上仍然走在前面，但同時也發現，頭部民營企業也紛紛購買智能化軟件或引入大咖建立團隊投入資源進行智能化自研，以期在人才供應鏈管理智能化上取得競爭優勢。不少外企也進行了很多場景化探索；眾多傳統企業對數智化的期望與渴望程度非常高。具體發現如下：

企業對智能招聘和員工服務平臺的關注程度，遠高于核心系統產品及其他人力資源模塊的關注度。這說明這兩個模塊是必需品，人才入口（招聘）仍然是熱點，同時員工更加關注體驗提升；

人事管理/考勤系統，技術的實現與企業的期望仍然比較接近，說明這兩年市場上的考勤系統產品數智化程度跟用戶的期望比較相符,用戶容易接受，同時也說明創新空間不大了，當然無感考勤是個亮點。

培訓管理/薪酬管理系統距企業對數智化的關注度距離拉大，說明甲乙方的創新優化空間都很大，仍有眾多機會可以嘗試；

績效系統是近年來用戶期望較高的，通過人工智能來實現自動化績效評估、實時反饋與調整、個性化評估與建議、預測與決策支持，可見這塊市23場潛力還有很大空間可挖；

流程自動化相關的系統向流程智能化的迭代已成趨勢；自動審批、數字人客服已形成可推廣模式;

人力資源管理決策支持系統的需求很旺盛，標準產品尚處在初期階段，除了頭部企業有了探索與應用實踐之外，大多數企業尚需跨越式發展，這塊充滿無限的市場機遇。7

數智化過程中遇到的困難人力資源數智化過程中可能遇到各種各樣的困難，主要包括以下幾個方面：業務流程

owner

職責與角色劃分不清、數據基礎薄弱、數據質量不高、歷史數據沉淀不足、缺乏數字化專業人才、技術儲備不足、領導重視程度和認識程度不夠等，企業需要針對這些困難采取相應的措施，才能確保人力資源數智化的順利進行。通過調研發現，人力資源數智化的路途中溝溝坎坎不少，困難就是機遇，數據治理將存在潛在機遇，急需開拓。調研結果詳情描述如下：

數智化過程中遇到的最大困難仍然是數據本身問題（例如數據基礎薄弱、缺乏大數據平臺、數據管理碎片化、數據積累時間較短、數據質量差、24缺乏數智化專業人才），調研中數據基礎薄弱占約

59.6%，比前年提升了7.2%，歷史數據的清理占約

46.6%，比前年提升了

4.6%；

企業對人力資源管理數智化轉型認知有所提升（認知不足比前年下降了4.8%），仍然普遍缺乏數智化技能背景的專業人才（與前年占比持平）；

企業內部仍然存在部門壁壘，難以打通數智化鏈條的占約

32.3%，比前年下降了

2.7%，略有好轉；

企業不知道如何推進數智化工作的占約

29.2%，比前年提升了

0.2%；即使知道但難以將分析結果落地的企業占約

21.7%，比前年下降了

7.3%；這說明人力資源數智化實施仍有市場可挖。

數智化對于人力資源管理產出效果不顯著的占約

24.2%，比前年下降了1.8%。人力資源不能自嗨，要聯動人、財、物、事，推動運營管理智能化，方能對

CXO

們產生價值。8

數智化過程中遇到的阻力根據本次數據調研發現，人力資源數智化的阻力來源情況匯總如下：

最大阻力來自于數智化與業務無法有效結合，占比

40.99%，比前年反而上升了

9.23%。這說明數智化已經進入了深水區，大家不再跟風，在深度思考數智化到底能給企業帶來哪些增值以及投入產出比。對內部

HR

的啟發是：專業是敲門磚，懂業務并給業務帶來價值才是出路。對外部供應商而言，這就是機會。

阻力還來自于企業高管們（CEO、CHO、CIO）對人力資源管理數智化轉型認知水平不足且不統一：比如，戰略目標含糊不清占比約

35%，比前年上升了

5%；人力團隊對數智化理解存在偏差占比約

34.16%，比前年下降了

0.8%；公司頂層缺少重視度占比約

32.3%，比前年下降了

1.7%；轉型責任主體不明確占比約

29.2%，比前年下降了

5.2%。CXO

們對數智化轉型的認知不統一是最大阻力，無法確保輪船往一個方向行駛。25

數智化的基礎建設不充分，無法支持上層應用：比如沒有合適的數智化平臺占比約

26.7%，比前年下降了

5.3%；

仍然存在數據孤島/部門壁壘現象，造成數據積累不夠：比如企業各環節各部門缺少數據積累占比高達

29.2%，比前年下降了

3.8%；

數智化應用對與業務的直接效果不明朗，缺乏業務驗證閉環。為了克服人力資源數智化過程中遇到的阻力并順利推進實施，企業可以采取以下措施：①數字化轉型是一把手工程，要強化組織領導與頂層設計；②通過內部培訓、研討會、分享會等方式，向管理者/員工普及人力資源數智化的概念、意義和價值，提升全員認知與意識；③建立跨部門的協作機制，形成工作合力，共同推進數智化的實施；④積極引進和培養具備數據科學和人力資源管理知識的專業人才，構建數智化人才團隊；⑤進行數據治理，確保可靠性、準確性、安全性。⑥搭建適合的數智化工具與技術平臺，并持續改進與優化。9

希望解決人力資源管理的哪些痛點如何解決人力資源管理的核心痛點呢？一句話，利用人工智能技術重塑業務流程，通過

BI、DI、AI，打通系統，拉通數據，建立數倉，依托模型與算法，建立起智慧

HR

平臺，形成智系列產品+慧系列產品，提升

HR

的專業度，聯動人26財物事，驅動業務增值。傳統的數據挖掘把獲得的知識用于人的決策支持而沒有自動的上升到智慧的層面。現在大數據、云計算和人工智能的結合的目標是不僅要使知識發現的過程自動化，而且還要從知識層面飛躍到智慧層面，例如

AlphaGo

學習了人類的棋譜之后會生成人類之前沒有實現過的下棋方法。傳統數據挖掘和未來智能化應用之間的差別類似于地圖導航應用和人工智能自動駕駛汽車之間的差別：地圖導航會收集汽車的位置數據、路況數據和地圖數據進而計算出可供選擇的路線，但是采用什么樣的路線和如何駕駛是由駕駛員決定的，地圖導航應用的作用就是決策支持；自動駕駛汽車在獲得目的地數據之后不僅要計算出路線而且還需要控制汽車的行駛，更重要的是要根據行駛過程發生的各種情況作出判斷和決策。因此，相比于傳統的數據挖掘，這是范式上的全面升級。調研數據發現，人力資源希望數智化能解決的痛點如下：

人才培養與發展（約占

68.3%，比前年上升了

9.3%）；

人才的招聘（約占

67.1%，比前年上升了

5.1%）；

人效評估（約占

55.9%，比前年下降了

1.1%）；

人力規劃（約占

52.8%，比前年下降了

6.2%）；

人才畫像（約占

52.8%，比前年下降了

2.2%）；

組織創新（約占

44.1%，比前年上升了

1.1%）；

敬業度洞察（約占

41%，與前年持平）已成為突出痛點；27

企業領導力（約占

32.9%，比前年下降了

0.1%）；

組織穩定性（約占

31.7%，比前年下降了

0.3%）；

組織文化（約占

31.1%，比前年上升了

1.1%）；

組織戰略（約占

28%，比前年下降了

14%）緊隨其后，也逐步成為企業轉型與發展的攔路虎。10

人力資源數智化解決方案的企業需求分布前沿技術正在快速向前演變，企業也在以前所未有的速度加快步伐迎接全新技術，通過數字化手段進行業務轉型。我們人力資源管理正在面臨前所未有的壓力，組織邊界、崗位邊界、人員職責正變得模糊與不確定性，對人力資源數字化提出了更高的要求，利用最新技術、結合管理實踐，重新定義數字化的人力資源管理，是當前所有人力資源從業者的必修課。通過調研發現，從數智化場景工具（約占

59%，比前年提升了

6%）、數智化咨詢（約占

55.3%，比前年提升了

6.3%）到數智化系統產品（約占

55.3%，比前年提升了

9.3%）和數智化培訓（約占

47.8%，比前年下降了

8.2%），均存在旺盛的企業需求；因此，無論是甲方企業選擇自主研發，還是乙方企業重塑產品、協助甲方建設，市場想象空間都十分巨大。實施方法可以參考四化模型，以及后28面的案例。11

人力資源大數據分析和智能化技術的應用情況2021

年版白皮書發布了人力資源數智化各個階段典型應用總覽，今天依然適用，具有指導意義。在人力資源管理數字化發展過程中，經歷了數據庫、BI、DI、AI

的不斷迭代，從技術層面保障了推動人力資源智能化向前進的步伐。人力資源數智化發展的各個階段代表性技術不同，從數據存儲框架，軟件架構到數據挖掘和機器學習算法的不斷發展。其中，數字化的信息存儲可以幫助人力資源信息的高效管理和利用；統計報表技術可以實現和集成多種人力資源管理所需的功能，提高管理效率；數據挖掘算法和機器學習算法則可以智能化的分析、診斷、預測人力資源管理中的眾多復雜場景，幫助人力資源團隊做出更好的決策。各階段典型技術目前主要包括以下的發展與實踐，1）數據庫相關技術主要包含關系型和非關系型數據庫，數據庫查詢優化，數據庫存儲優化，數據庫結構優化等等，這些技術可以將人才數據存儲持久化，實現高效信息檢索和高并發數據查詢，支撐數字化人才系統的上層建設；2）BI

相關統計報表技術主要包含數據倉庫的構建，可視化報表技術，自助式

BI，移動

BI，云

BI

等等，這些技術可以對人力資源的效能進行分析，對員工培訓，員工關系，招聘配置等方面進行自動化分析，有利于人力資源的高效管理；3）DI

相關大數據分析和挖掘技術主要包含分布式數據處理，海量數據的關聯規則學習，大規模網絡計算，復雜文本數29據挖掘等技術，可以對復雜的招聘市場進行智能化洞察分析，構建人力資源圖譜，定量分析企業競爭力，協助進行企業內部組織診斷；4）AI

相關機器學習技術則主要包含深度學習，強化學習，AutoML，可解釋學習等技術，多樣的機器學習方法可以實現傳統方法難以完成的工作，例如智能人崗匹配，智能技能定價，個性化知識推薦，離職原因的數據分析等等。各階段技術相互協作，共同實現人力資源的數智化。數據分析在實際應用中的一大挑戰是如何收集到分析所需的數據。這個問題本質上是如何把數據轉化為有效的信息，最終轉化為智慧。造成這個問題的主要原因是

75%的人力資源部門在實際操作中并沒有使用人力資源理論提供的矩陣，沒有對歷史數據進行收集、進行規范的定義與監控。沒有這些基礎工作的完成，無法一蹴而就的進行數據分析。人力資源數智化從智能化方向上來講，就是要實現兩個智能：流程智能與決策智能。其中流程的智能化一是實現端到端的流程自動化、智能化，二是協助人力資源管理的數據記錄，處理和分析的過程，方便人力資源團隊更高效便捷的使用人力資源數據。主要技術包含

OCR

圖像識別，語音識別，文本解析，計算機視覺等等。其中

OCR

技術可以協助智能報銷，語音識別可以協助智能會議記錄，文本解析可以實現自動化簡歷解析，而計算機視覺可以協助刷臉考勤等便攜身份驗證功能。這些都可以提高人力管理的效率和員工工作的效率，將人力資源團隊從繁雜的事務中解脫出來，進行更具重要性和創造力的事情，提高工作熱情、敬業度、滿意度。30決策智能化則是協助人力資源管理團隊做出更好的決策，從數據的角度發現和分析問題，并提供定量的參考。主要技術包含自然語言處理，知識圖譜，深度學習，組織網絡分析等等，其中自然語言處理可以實現智能人崗匹配，知識圖譜相關技術可以結合深度學習算法對員工的離職和績效進行預測，組織網絡分析可以定量的進行領導力評估。這些智能化決策是在人力資源數智化之前難以實現在的，現在基于這些技術人力資源的數智化可以提高決策的效率和準確性，并提供定量的分析支持。調研數據表明，這兩年采用大數據技術與

AI

技術用于人力資源領域的企業比例顯著提升，比如：使用

Hadoop/Spark

等大數據

ETL

技術的比例比兩年前提升了約

6%；使用預測建模等數據挖掘技術的比例比兩年前提升了約

6%；使用機器學習/圖像/語音/NLP

等人工智能技術的比例比兩年前提升了約

2%；使用基礎統計學技術的比例比兩年前提升了約

8%。這說明企業內部已經開始高度重視并醒悟，這里是市場的熱點，路雖難走但前景廣闊。31自從百度

2014

年開始人力資源大數據應用首次嘗鮮以來，到今天整整十年，今天的調研數據表明：

已有約

31.68%的企業已經開始使用大數據

約

39.13%的企業處于起步階段這說明盡管大數據技術趨于成熟，但在人力資源領域的全面應用仍有很長的路要走，也正說明大數據產品仍需要時間來證明它的價值與作用。這里缺少爆品。很明顯，人工智能與大數據分析將在未來幾年持續積極塑造新一代人力資源管理領域。數據分析按照層次的劃分可以分為描述性分析、相關性分析、預測性分析、處方式分析，分析的深度、廣度、難度是層層遞進的。舉個大數據應用在組織與人才動態調配上的案例：人才智能調配是指從組織的戰略發展目標與任務出發，識別和把握人才群體結構的變化規律，建立一個較為理想的人才群體結構，發揮整體效能。隨著技術的發展，可以利用人工智能與大數據技術，對當前人才整體結構和布局進行更加智能全面的分析，針對組織配置的不合理性與失調的地方進行調整，形成一個多維的最佳組合，以提高團隊的整體效率。32有一種簡便的方法可以快速診斷組織配置的合理性，通過管理幅度和管理層級來調配組織規模，使其符合業務發展的要求。管理幅度指一個人直接管理的下屬人員數量。管理層級指組織縱向劃分的管理層次的數量；管理層級與組織規模成正比，組織規模越大，包括的成員越多，則層級就越多。在組織規模相對穩定的前提下，管理層級與管理幅度成反比：主管直接管理的下屬越多，管理層級就越少；相反，管理幅度越小，管理層級就會越多。大數據分析研究表明，管理幅度為

7

到

12

人之間是最科學的組織架構，無論是管理者還是下屬，工作效率與組織效能都是最大化的。在被管理對象數量（全體員工）相對穩定的情況下，管理幅度越寬，需要設置的管理層級就越少；反之，管理幅度越窄，需要設置的管理層級就越多。假設每層管理幅度都是

8

人的話，一個

3

萬人左右的企業，管理層級至多需要

6

層就足夠了（即從最底層員工到CEO

之間的層級）；將近

30

萬人的企業，7

層架構也足矣支撐，保障了組織運營的基本效率。當直接管理的下屬人數超過某個限度時，就必須增加一個管理層級，通過委派工作給下一級主管人員而減輕上層主管人員的負擔。如此下去，就形成了有層次的組織結構。山東省濟南某家企業的“人才有價”平臺，只要將“人臉”對準評估系統攝像頭并刷身份證，或掃一掃微信程序碼填寫相關信息，便可以得到測評者自身身價。該平臺采用人臉識別技術，采用“四

CAI”(才、彩、采、財)人才評價標準，通過數據采信和大數據算法，采用

400

多項指標、數千個要素，對人才的當前價值、潛在價值和未來價值進行綜合預判，并將人的綜合信用以“身價”形式呈現，給出身價、金融價值和崗位價值報告。在未來幾年，隨著組織通過基于數據洞察的人員決策實現業務價值的增加，“數據智能”在人力資本管理中的應用可能性也越來越多。目前在新技術的應用方面，人工智能、大數據技術大多在各個模塊內實現“點狀”、“線狀”發展，場景化則是由“點、線”向“面、體”迭代的重要步驟。如果人工智能技術在選、用、育、留、管等各個方面均能發揮作用，將會連成一個完整的“面”“體”，就能更好地做出動態反饋并快速賦能業務或整個行33業生態。從戰場飛回來的戰斗機上留存的彈孔都是不致命的，真正致命的彈孔根本不會出現這些戰斗機上。打造數字化的智慧

HR

平臺，就是要解決“真正致命的彈孔”導致的問題，更加預測性、前置化、智能化地滿足合規要求、管理訴求、效率效能的期望。現在僅僅只是一個好的開始，未來更值得期待。12

企業在人力資源數智化運營中已開展的工作大數據分析與人工智能在深入人力資源數智化的運營管理過程中時，組織行為和人力資源的根本目標在于支撐技術創新，其中新技術環境下人才管理是核心環節。據調查，全國范圍內，超過

75%的企業已開展人力資源管理數智化運營活動，其中對人力資源管理流程進行數智化轉型的執行程度最高，占比約

69.6%，比前年提升了

8.8%。人力資源管理流程的數智化使得企業免去了自下而上、層層審批的繁瑣管理動作，簡化了辦公流程，使得員工擁有更智能的辦公環境，提高員工工作滿意度與組織承諾，有助于員工將更多的時間與精力花在主動為企業創造更多價值上，進而有助于企業的長期發展。人力資源管理決策數智化的執行已達到約

27.95%，比前年提升了約

8%，具備后發優勢。基于數據驅動的智能結果實現管理決策數智化是企業進行人力資源數智化發展的必經之路，企業可以利用人工智能構建無組織邊界的平臺，打通平臺上各方的數據資源，通過資源匯聚與持續創新，不斷為企業提供深度科學的管理洞察，持續優化管理決策，進而提高企業的核心競爭力。目前管理決策的數智化已經實現了人基于機器結果進行判斷并做出管理動作的過程，在這個復雜的過程中，企業必然會面臨許多問題與挑戰，如人機協作與人機共生的問題，人對機器以及機器產生結果的信任問題，數據驅動的結果的可解釋性問題等。解決以上問題的過程中，企業也可以實現更好的更加人性化的人力資源管理數智化，創建更健康的企業環境。34通過建立一套完整的人力資源管理信息系統，對內\外部運營數據、輿情、對標數據的搜集、處理以及大數據技術智能分析，為企業管理者和決策者提供管理駕駛艙、用戶畫像，讓數據說話，建立事前有預測、事中有監控、事后有分析的決策新機制，從而讓管理者能更快更容易地做出更好的“選用育留”的決策，助力業務更大發展。人力資源數智化運營的有效開展需要制定數智化戰略、進行數據整合與治理、建立數智化平臺、利用大數據和人工智能技術、培養員工數字化素養、建立數智化安全保障體系以及持續改進和優化等方面進行；這些措施有助于提升企業的管理效率和競爭力，推動企業的數智化轉型和創新發展。13

企業人力資源數智化團隊規模據調查顯示，目前已成立的人力資源數智化團隊主要以企業內部自建團隊自主研發為主，依托于外部乙方企業的比例較低，其核心目標是基于

AI

等智能技術及數字化應用幫助人力資源管理決策充分數據化、精準化，為企業的人力資源管理數智化轉型提供技術和智力支持，推動企業管理模式向著決策數據化、管理賦能化、過程數智化、組織敏捷化發展。但是，據統計數據顯示，目前的人力資源數智化團隊尚處于發展雛形階段，有約

45.34%的企業尚未建立獨立團隊，整體上人力資源數智化團隊嚴重缺乏。35然而，人力資源管理的數智化轉型勢在必行，在復雜多變的環境下，企業為了高效地應對新常態，必須自身具備戰略敏捷性和資源重組性，而這種能力必將需要人力資源管理突破傳統的組織結構，通過構建“數智化”新生態來實現跨越和革新。人力資源數智化團隊的規模一般會根據企業規模和業務需求，可以有不同的配置和規模，但總的來說，一個完善的人力資源數智化團隊應該具備全面的能力和專業的人才，能夠為企業提供高效的人力資源管理解決方案。一個完整的人力資源數智化團隊理想狀態應該包括以下角色：

架構師：負責制定和實施人力資源數智化戰略、規劃、架構，需要具備數字化思維、戰略規劃能力、架構設計能力、項目管理與落地能力。

產品經理：負責人力資源數智化產品的設計和實施，需要具備需求提煉、產品設計、項目管理、溝通能力。

算法工程師：負責搭建人力資源模型并用算法開發實現，需要具備統計學、人工智能、大數據知識。

技術開發人員：負責人力資源數智化產品的開發、迭代和維護，需要具備軟件開發和數據庫管理知識，前端、后端開發與測試工程師又不同的36要求。

用戶體驗設計師：負責人力資源數智化產品的用戶體驗設計，需要具備設計美學和用戶研究知識。

數據開發工程師：負責數據整合、處理和分析，需要具備數據挖掘和數據分析能力。

數據分析師：負責對人力資源數據進行分析和解讀，提供數據洞察和建議，需要具備統計學和數據分析知識。

產品運營經理：負責產品的運營推廣與運維，與客戶溝通和協調，解決客戶問題，需要具備客戶服務和溝通能力。14

企業人力資源數智化預算人力資源數智化預算是一個復雜的過程，受到多種內、外因素的制約。企業需要綜合考慮各種因素，制定適合的人力資源數智化預算計劃，并采取有效的措施來保障預算的實施和管理。常見的制約因素比如：外部環境因素：包括經濟環境、政策法規、市場變化等因素會對企業的人力資源需求和預算產生直接或間接的影響；內部因素：企業內部的因素如企業的戰略目標、業務發展計劃、組織結構、人員現狀等都會直接影響到人力資源預算的制定和實施；技術因素：人力資源數智化預算需要依靠先進的技術和工具來支持，技術的成熟度和普及度、技術更新速度、技術成本等因素都會影響人力資源數智化預算的實施和效果；人才因素：人力資源數智化預算需要具備相關技能和素質的人才來實施和管理。組織文化因素：文化的開放性和創新性、組織的協同性和執行力等都會影響數智化預算的實施效果。絕大部分企業在人力資源數智化方面的預算不高，約

27.33%的企業投入小于

50

萬，投入

50-100

萬的企業約有

14.29%；投入

100-500

萬的企業約有

14.91%；投入

500

萬以上的企業僅有約

9.32%。總體來說，約

80%企業在人力資源數智化建設方面還是都有投入的，取決于業務發展不同階段。3738三、2024

年中國人力資源數智化四大趨勢1

無人值守的

HR

平臺智能化的盡頭應該是什