伴隨人力資源管理數(shù)智化轉(zhuǎn)型進入新的變革探索階段，基于新一輪AI技術的數(shù)據(jù)創(chuàng)新應用成為又一發(fā)力點，企業(yè)期望通過升級數(shù)據(jù)分析能力為人力資源管理持續(xù)賦能，主要變化體現(xiàn)在：

人力資源管理工作重心逐步擺脫事務性勞動，通過三支柱等模式緊密結合業(yè)務，支撐戰(zhàn)略發(fā)展。

人力分析不再局限于人員結構分析等單一領域的內(nèi)容，需要與其它業(yè)務領域深度融合：

一方面關注人效提升，為評估人效改進和成本管控現(xiàn)狀，進行人效指標、人均投入產(chǎn)出、人均毛利率等指標等關鍵指標分析；另一方，結合行業(yè)與業(yè)務特性制定分析指標，促進業(yè)務改進。例如某連鎖門店企業(yè)，通過將人力數(shù)據(jù)和每日門店銷售業(yè)績相結合，按日推送給店員銷售提成數(shù)據(jù)，實現(xiàn)即時激勵；并通過對比各門店人均毛利率等關鍵指標，發(fā)現(xiàn)管理差異和關鍵改進環(huán)節(jié)，促進整體業(yè)績提升。

伴隨企業(yè)在數(shù)據(jù)治理工作的加大投入和數(shù)據(jù)平臺建設，人力數(shù)據(jù)分析不再是簡單的線上表格和歷史數(shù)據(jù)匯總，還需結合業(yè)務對人員規(guī)劃、人才配置進行測算和規(guī)劃。

例如某啤酒制造企業(yè)，為達成明年的擴大產(chǎn)能目標，基于大數(shù)據(jù)對全國各地的銷量、產(chǎn)量和庫存量進行周期性預測，并進一步推算相應的生產(chǎn)計劃和投入的工人數(shù)量，用于指導季節(jié)性用工的招聘工作和人工成本測算；除數(shù)值預測外，基于AI大模型技術的洞察建議進一步輔助管理決策，例如整合市場薪酬動態(tài)和招聘動態(tài)，基于企業(yè)崗位要求和所在區(qū)域的薪資水平，AI調(diào)薪助手推薦合法合規(guī)的年度調(diào)薪方案。

人力數(shù)據(jù)報表、領導駕駛艙通常是主要的分析呈現(xiàn)方式，但存在事后分析和使用場景模糊等問題。企業(yè)希望在決策和業(yè)務場景中借助數(shù)據(jù)分析增強即時決策能力。

例如高管在進行人才選拔時，隨時查看人才全景畫像和人才多維度數(shù)據(jù)對比；考勤專員在排班時獲取智能化排班結果分布和崗位排班分析，并基于工時安排合理性建議進行進一步調(diào)整，例如白班分布不均、連續(xù)工作天數(shù)過多等。

企業(yè)在人力分析能力建設中遇到諸多問題和挑戰(zhàn)，例如數(shù)據(jù)孤島、數(shù)據(jù)標準缺失、統(tǒng)計口徑混亂、指標缺乏參考價值等，嚴重影響人力數(shù)據(jù)分析的準確性、完整性，難以有效地輔助決策。用友幫助企業(yè)從數(shù)據(jù)治理著手優(yōu)化數(shù)據(jù)質(zhì)量，以系統(tǒng)建設承載治理成果和應用價值，實現(xiàn)數(shù)據(jù)驅(qū)動。

用友建議規(guī)劃完整的數(shù)據(jù)治理框架，對人力資源數(shù)據(jù)進行全生命周期管理。從數(shù)據(jù)標準梳理開始，經(jīng)過數(shù)據(jù)平臺采集和模型構建，最終向各類用戶呈現(xiàn)運營與決策價值。

統(tǒng)一標準。數(shù)據(jù)標準梳理是人力數(shù)據(jù)治理的起點和重點，以終為始從關鍵指標和業(yè)務貫通著手，形成人力主數(shù)據(jù)和業(yè)務數(shù)據(jù)對象和分析維度需求范圍，通過制定組織崗位、人員基本信息、薪資分類、干部人才等關鍵信息的業(yè)務標準、技術標準，統(tǒng)一業(yè)務語言和統(tǒng)計口徑。

機制保障。數(shù)據(jù)治理同時需要機制保障，通過建立清晰的數(shù)據(jù)管理組織和管理制度，明確人力數(shù)據(jù)定義、維護、管理的流程和職責角色，確保人力數(shù)據(jù)在不同領域、不同層級的有效應用和流動。

資產(chǎn)沉淀。數(shù)據(jù)遷移是人力系統(tǒng)切換項目的建設重點之一，原系統(tǒng)中沉淀歷史數(shù)據(jù)資產(chǎn)是數(shù)據(jù)分析的重要來源，具有寶貴的分析價值。按照已優(yōu)化的數(shù)據(jù)標準對人力歷史數(shù)據(jù)進行錯誤修正、數(shù)據(jù)補充等；通過數(shù)據(jù)遷移工具加速處理過程，提升遷移質(zhì)量；以合理的方案保障業(yè)務的無縫運營，并行策略減少薪酬核算、招聘入職等關鍵業(yè)務的切換風險。

持續(xù)進化。一方面通過建立質(zhì)量監(jiān)控能力保障優(yōu)質(zhì)數(shù)據(jù)資產(chǎn)的持續(xù)性，比如定期的關鍵數(shù)據(jù)準確性和及時性評估報表；另一方要滿足用戶不斷變化的分析需求，建立多維度分析模型和計算規(guī)則，隨時拉取分析對象和分析模板，以輕量化的配置和“所見即所得”的調(diào)整，實現(xiàn)持續(xù)的優(yōu)化和使用。

通過逾三十年的經(jīng)驗積累和近萬家企業(yè)的實踐和數(shù)據(jù)沉淀，用友BIP人力云預置8大分析主題，30個子場景，和170個指標，包括組織效能、薪酬成本、人才結構、人才流動等。為企業(yè)提供一套全景、多口徑的人力數(shù)據(jù)分析體系，覆蓋企業(yè)人力分析各類場景，全面對標人力資源管理先進企業(yè)，為企業(yè)量身剪裁出一套切實可行的分析體系。

面向組織，縱覽全局獲取關鍵指標，提升整體效能。聚焦不同層級組織的穩(wěn)定性指標、人均投入產(chǎn)出等，通過層層穿透和橫向?qū)Ρ?，洞察組織整體的人效狀況和差異，定位關鍵改進環(huán)節(jié)，追蹤管理目標達成情況。例如，某央企為落實三項制度改革，制定領導人員浮動占比和領導人員收入倍差數(shù)據(jù)，對比統(tǒng)計各二級單位領導人指標，評估改革推進成效。

面向員工，聚焦關鍵崗位和人才，促進員工成長。深入分析員工能力和績效表現(xiàn)，形成人才畫像、勝任力報告，通過九宮格、人崗匹配理清人才結構，結合任職資格或關鍵崗位勝任力模型制定個性化的人才發(fā)展計劃，實現(xiàn)個人價值和工作產(chǎn)出價值的雙效提升。

面向運營，撥除迷霧看清問題，輔助管理決策。基于用友YonGPT 大模型打造AI Agent，自動完成部分運營工作或輔助HR進行決策，例如智能調(diào)薪助手、考勤月結助手、人才發(fā)現(xiàn)助手等，根據(jù)各類影響因素生成分析和運營管理改進建議。