在“十四五”规划中，“加快数字化发展，建设数字中国”这一数字化战略的正式提出，对数字政府和数字企业的加快建设做出了明确的要求和部署。在这一背景下，国有企业展现出了强大的适应能力和创新能力，将先进的信息技术融入人力资源管理，为企业的发展注入了新的活力。通过数字化转型，国有企业正在人力资源管理上形成持续的探索和突破，为企业的可持续发展提供了有力保障。

数据作为数字化的基础生产要素以及数字化转型最终价值发挥的核心基石，也是企业数字化转型工作的重中之重。而数据治理作为数据业务的核心环节，对于提升企业竞争力、优化资源配置、提高治理水平具有重要意义。良好的数据治理能力是提高数据质量的关键，是保障数据安全的基础，是促进数据共享的桥梁，是创造数据价值的引擎，同时也将是提升业务治理水平的有力手段。

中智咨询在人力资源数字化转型的实践过程中，不断积累总结了国有企业人力资源数据治理的特征和要点，并在此分享我们的洞察与见解。

一、国有企业人力资源数据治理的“三加一”

国有企业的人力资源业务具备自身独特性，在数据治理工作中的总体路径通常包含了创建数据规范基础、优化数据集成水平、提升数据应用能力等三个发展阶段，同时在这一路径中需要成熟的数据管理体系来贯穿整个过程。

在不同阶段，国有企业的人力资源管理也面临着一些共性数据治理问题：

在数据规范中，统一的数据标准的缺乏，数据口径不一致，将会导致数据维护、更新以及使用上的诸多困难。线上线下大量的数据也存在着较高的安全以及合规风险；

在数据集成上，数据的采集与处理仍需要大量手动环节的介入，严重影响数据相关工作的成本。此外数据的多方且零散存储也导致了查询和使用效率的低下；

在数据应用中，由于缺乏场景化的分析方法体系使得数据价值难以充分发挥。跨处室跨部门的数据协同，甚至人力资源部门自身内部因为维护权责以及时效性的问题，也使得数据在企业或集团层面难以满足不同的业务需求。

而在这一系列问题的背后，缺少专业专职的数据工作人才以及对数据治理的责任定位。不清晰的数据制度及数据流程，同样也在制约着人力资源数据管理能力。

国有企业人力资源数字化转型进程的不断深化，正在逐渐改变传统的业务模式，并持续推动人力资源管理的现代化、智能化进程，而良好的数据治理工作也将是数字化转型成功的关键要素。

二、国有企业人力资源数据治理的三个关键

国有企业人力资源数据治理需要明确“治”什么，谁来“治”，怎么“治”，这三个关键维度上的问题，以实现治理项目的顺利推进。

（一）“治”什么： 

通常人力资源数据治理的项目会同时伴随着大量的业务治理，在这个过程中离不开对组织、岗位、员工等主数据的标准整理以及选用育留等流程规范的梳理。狭义上的数据治理工作，会更加关注数据本身，其目标就是推进数据资源的整合与协同共享，提高数据质量，并确保数据在存储及使用过程中的安全性；而广义上的数据治理，需要关注数据完整的生命周期，在这个过程中涉及到的业务、技术、管理工作，也都会被归入数据治理的范畴，包括业务定义与流程梳理，数据采集、存储、处理、分析应用，数据标准整理，数据质量方案设计与安全策略规划等，都是需要进行治理的工作。

（二）谁来“治”：

数据治理是一个综合性的项目，需要数字化部门和人力资源业务部门的共同参与，任何一方的缺失都无法确保良好的项目结果。由于数据治理工作涉及诸多数据使用部门，且数据质量问题是普遍存在现象，国有企业人力资源的数据治理工作应从集团层面发力，由人力资源部门主导、相关部门配合，针对人力资源数据的特殊性，推行数据全周期的治理工作。

在治理项目中，数字化部门可以负责制订数据治理的规范和标准框架，推动数据治理的实施和应用。如果由技术部门进行项目牵头，其优势在于其更了解数据治理的落地实现，从而能够更好地制定数据治理的整体规划及路径。此外，由于技术部门通常能够深入的了解各个部门的数据工作内容，可以更好地协助人力资源部门与其他业务部门的协同工作，从而提高数据治理的整体效果。不过技术部门牵头数据治理项目也存在一定的挑战，例如规划和执行中可能会涉及到过多的技术方案和业务流程，导致项目实施的复杂度和难度增加，与此同时技术部门也容易缺乏对具体业务细节的了解，难以充分覆盖业务部门的一些专项需求。

作为业务部门，人力资源部门在数据治理项目中可以负责提出业务需求和数据治理项目的实施目标。由人力资源部门进行项目牵头，能够基于对自身的数据业务场景的全面了解,更好地掌握业务流程和数据治理的实践，使数据治理与业务流程进行深度结合，实现数据治理在业务领域的最佳实践效果。当然，由人力资源部门牵头数据治理项目同样也存在一定挑战，例如业务视角会更局限于部门自身的应用场景，对于集团或企业层面的数据架构缺乏整体性的考虑，同时也会更侧重功能性的落地实现，不容易在实施成本和实施结果中形成最佳的平衡。

综上所述，技术部门和业务部门在数据治理项目中有各自的优势和侧重，可根据企业实际情况和业务场景来确认具体的牵头角色，在项目过程中充分发挥各自优势，共同推进数据治理项目的开展与执行。

（三）怎么“治”： 

1、人力资源数据规范基础的创建

数据标准是人力资源数据治理的首要任务。在国有企业这一庞大的组织体系中，各部门、各层级之间的数据交流频繁，若缺乏统一的数据标准，则会导致数据混乱、信息不一致，严重影响决策效率和准确性。通过制定和实施数据标准，可以提高数据的一致性和可操作性，有助于降低数据处理成本，提升人力资源数据的整体利用价值。

数据质量是人力资源数据治理的核心要求。高质量的数据是决策的基础，也是企业稳健发展的保障。在人力资源数据治理中，需要通过一系列措施来确保数据的准确性、完整性、及时性和可靠性，形成人力资源数据质量的保障体系，为企业的稳健发展提供有力支撑。

数据安全是人力资源数据治理的重中之重。在数字化时代，人力资源数据涉及员工的个人信息、薪资福利、绩效考核等敏感信息，一旦泄露或被滥用，将对企业和员工造成严重的损失。因此，我们必须建立完善的数据安全管理制度，确保数据在采集、存储、处理、分析和共享等各个环节都受到严格的保护。

2、人力资源数据集成水平的优化

线上化采集构筑信息基石。相较于传统的采集方式，线上化采集不受时间和空间的限制，依托企业人力资源信息系统以及数据采集平台的建设，线上化的采集将极大的提升信息收集的效率和数据量，并能够减少了纸质文档的使用，节约了存储和管理的成本，也为数据的进一步处理和使用奠定了基础。

处理能力提升数据效能。接下来的数据处理是确保数据适用性和可靠性的关键。在人力资源数据的处理包括数据清洗、数据转换、数据整合等环节。通过有效的数据处理，可以提高数据的质量，提升数据在后续分析和应用中的可靠性。

存储机制保障安全应用。人力资源数据通常涉及各类敏感信息，因此数据存储的管理制度以及技术手段都至关重要。合理的数据存储架构和策略，不仅能对数据起到良好的保护效果，还能提高数据的查询效率和利用率，为人力资源管理提供便捷的数据支持。

3、人力资源数据场景能力的提升

数据分析可以为国有企业人力资源部门以及管理层提供有力的决策依据。通过对人力资源数据的深入分析，企业可以全面了解员工的基本情况、工作状态、绩效表现等方面的情况。这对于制定科学合理的人力资源政策、优化人力资源配置、提高员工工作效率等方面具有重要意义。

另一方面，数据共享在人力资源数据治理中起到了桥梁和纽带的作用。在国有企业中，人力资源数据涉及到多个部门和业务领域，数据共享能够打破部门之间的信息孤岛，实现数据的互联互通，提高数据利用效率，各部门可以更好地协同工作，形成合力，提升人力资源管理的整体水平。

此外，人力资源数据需要伴随业务进行迭代维护。主要工作包括对数据进行定期审查、更新和清洗，以确保数据的准确性、完整性和一致性，持续对人力资源数据的可靠性和可信度进行保障，为人力资源管理提供稳定的支持。

4、人力资源数据管理保障机制搭建

在人力资源数据全生命周期中，数据组织、数据制度、数据流程也将构成人力资源数据管理的“铁三角”。

数据组织能力建设的目的就是让组织自身能够更加敏捷，聚焦业务，促进协同，并持续激发数据创新变革的动力和活力。人力资源部门通常由专职的人力资源数据分析师或人力资本分析师以业务视角在执行层面牵头人力资源部门的数据战略实施，并同时安排纳入人力资源系统(HRIS)及人力资源运营(HR Operation)的职能协助进行数据基础设施建设；数据制度可以为数据管理提供明确的指导和规范，以及各数据管理主体的权力、责任和相关考核内容，例如通过人力资源主数据管理办法的实施确保人力资源数据在信息交互中的准确性、一致性与安全性，或通过数据资产管理考核制度进行人力资源数据资产化管理和绩效评估，从而提升业务中数据管理的合规性和有效性；数据流程则描述了数据从产生到被处理、分析和展示的整个过程，也可以可视化的对数据管理的过程进行梳理，通过分析和优化数据流程，可以从业务视角强化数据质量控制环节，减少冗余步骤，也有助于寻找潜在的风险点和使用瓶颈，例如通过人力资源数据标准管理流程来对数据标准的申请、制度、发布、审核、变更的过程进行控制，从而规范数据标准的管理。以上三者相辅相成，共同构建起一个科学、高效的人力资源数据治理体系。

人力资源数据治理将伴随着企业与人力业务发展成为一项持续维护迭代的工作。中智咨询也将在这一过程中协助企业做好人力资源数据治理项目中的各项工作，打破人力数据管理与应用中的阻力，实现数字化对人力资源管理理念的升级与革新。

三、国有企业人力资源数据治理的三项核心任务

尽管很多时候人们会将自己业务权限下拥有的数据称为数据“资产”，但与财务所指代的“资产”类似，能够产生价值才是真正意义的资产。数据只有通过处理和正确的使用，才能全面且深入的发挥其自身价值，进而为业务提供更好的支持。国有企业人力资源数据价值化这一过程将重点围绕数据标准，数据模型，以及报表与可视化平台的建设进行展开。

（1）标准建设：实现人力资源数据的准确性、完整性、一致性

国有企业的人力资源数据标准制订需要同时满足国资监管要求、企业管理诉求以及人力资源营运要求。从业务视角，能够统一人力资源管理的语言、语境、理解，使数据能够遵循业务定义、用途、规则。从技术视角，明确数据技术定义，通过字典、码表对信息的约束规则进行控制，并实现数据的程序化校验与清洗。从管理视角，定义数据的管理归口和运营维护权责，并设计权限和监控体系实现数据安全的管理。

案例1：某大型集团型企业从0-1的人力资源数据标准建设。该项目目的是针对初次建设集团总部人力资源数字化平台而开展人力资源数据梳理工作。通过基于现有成熟业务的梳理、数据管理框架的建设、数据标准的制订和贯标方案的设计等工作，实现了人力资源核心数据标准体系的全集次贯标，并基于数据标准进行人力资源数据管理采集模块、存储模块、报表模块的设计与优化，全面支撑人力资源核心管控数据的在线集中管理和互联贯通。

案例2：基于某大型集团型企业现有人力资源数字化系统升级项目的数据标准建设。项目目的围绕现有系统的替换升级工作进行展开。针对现有相关人力资源管理系统以及业务优化工作中的数据标准梳理、数据清洗以及数据迁移方案进行设计，包括组织、用工、薪酬、绩效、干部、人才等人力资源模块的数据标准规范。同时实现人力资源业务在国资监管方面的良好衔接以及集团管控方面的有效支撑，满足了人资数据全生命周期的统一管理，协助支持集团信息标准的一致性，并在人资主数据管理、跨处室跨部门之间的数据协同、以及人力资源业务上下游关联系统的数据分发上有效地提升了数据服务能力。

(2)分析模型建设：实现人力资源数据的结构化、关联化、逻辑化

在积累了一定数量以及质量的数据之后，通过分析模型的建设，去搭建人资运营指标体系，可以对数据价值进行深入的挖掘。这一过程涉及从不同的数据源，包括跨系统以及跨部门处室的途径，去进行数据的汇总、处理、计算，并通过业务模型与算法模型将数据转换为最终人力资源业务上的价值，从而进行业务决策上的支持。

案例：某大型集团对其关键人才队伍相关数据进行深度分析，使用近20项多维度人才健康度评价指标，每项指标按照不同侧重进行权重分配，形成集团及近百家二级企业关键人才队伍的健康度评估分数。同步设计实现了服务于集团决策层的人才看板智能应用，将关键人才队伍的健康度评估分数进行智能化、可视化展现，通过三层界面“由面到点”地展示该集团型企业各省市企业的人才数量、整体人才健康度分数排名、各产业板块内人才健康度分数排名以及与集团“十四五”要求之间的差距等具体信息。切实有效地发挥了人力资源数据最大效能，基于高质量数据进行多维度分析，最终赋能集团决策层明确人才发展现状，并为未来人才队伍发展提供有力决策支持。

(3)报表与可视化平台：实现人力资源数据的直观化、交互化、智能化

报表作为国有企业人力资源管理的重要工具，要求能够客观反映企业的人力资源各业务线的实际状况，实现业务科学决策，优化资源配置，助力企业持续稳健发展。报表设计通常需要遵循全面性，实用性，与动态管理三个重点原则。全面性原则要求报表应涵盖集团公司人力资源管理的各个层面，包括人工成本、用工管理、人才统计、绩效考核等，以全面反映公司人力资源状况。在各业务模块中以总-分形式开展统计，确保数据呈现的逻辑性。实用性原则需要报表设计应满足注重实用性和操作性，满足业务管理、决策和外部监管的需要，报表格式应简洁明了，易于理解和使用，同时也需要避免重复填报、冗余填报为企业带来不必要的数据处理成本。动态管理原则指的是报表能够及时反映公司人力资源变化情况。通过定期的数据更新机制，为企业提供持续、动态的人力资源信息。

可视化分析平台是国有企业深化人力资源数字化建设的有效工具，通过数据可视化手段，助力领导层高效洞察人力状况，优化决策流程。国有企业需要根据政策趋势上的要求并结合自身情况，选择合适的工具进行人力资源数据分析以及可视化内容的展示。搭建人力资源看板与驾驶舱时，可在指标体系的基础上开展可视化设计工作，快速产出原型并根据业务侧重以及用户实际使用习惯进行指标内容调整及图表形式的迭代优化。   

国有企业人力资源的数字化进程并不是一蹴而就的，而是一个不断完善迭代的过程。数据作为数字化进程中的“主角”则会贯穿整个过程，也是决定人力资源数字化转型顺利与否的核心要素。数据能力已不仅仅是企业价值能力的体现，也逐渐转化为人力资源业务领域的胜任力因素。中智咨询也将在国有企业的人力资源数据诊断、人力资源数据治理，各业务领域的数据场景与分析模型设计以及数据算法挖掘方面有着深入的研究与丰富的项目实施案例，为国有企业人力资源进行数据体系的搭建、数据能力的增强以及数据价值的实现，助力国有企业人力资源数字化项目中战略规划的顺利执行与落地方案的成功实施。