以“数据众筹”探索胜任素质模型构建的新模式

● 鲍明刚

胜任素质模型理论自面世起来，一直在人才招聘选拔方面得到广泛应用，但在具体实践中也遇到许多问题和障碍。互联网的飞速发展为打破这些障碍提供了新的机会和条件，作为互联网、云计算和大数据时代的新兴产物，“数据众筹”可以使胜任素质模型开发中的数据采集效率更高、样本更灵活、数据动态适应性更强，实现更高的选拔预测效度；同时也为实现素质模型开发和评价的一体化提供了可能。在作者近期实践探索的基础上，本文旨在通过基于互联网的“数据众筹”模式对传统胜任素质模型的开发中的问题与挑战进行创新突破，以期寻找互联网时代胜任素质模型建设的新途径，帮助企业进行更为准确、更加高效的人才招聘与选拔。

一、胜任素质模型理论及其在人力资源实践中的问题与挑战

（一）胜任素质模型理论

相对于经验主义的人才选拔，智力测验、性格测试、知识考试等测评手段提供了更加科学化、结构化、数量化的选拔依据，为中国众多企事业单位所普遍采用。但是，使用上述选拔手段挑选出来的人往往在实践中高分低能。早在上世纪70 年代，以麦克利兰为代表的心理学家就已经发现，智力测验、性格测验和学校的成绩测验，并不能很好的预测一个人在未来工作中的成就，麦克利兰博士在帮助美国国务院外事局情报官员（FISO）进行人才选拔中，首次采用了有别于传统测验的素质模型方法，其“测量素质，而非智力”一文也奠定了素质模型理论的基础（McClelland,1973）。

90 年代初，胜任素质理论开始引入中国，并在二十世纪末成为国际性咨询公司最主流的人才选拔方法之一（时堪,2001;赵福平,2013;孙昌华,2014）。相对于传统的基于智商的人才选拔理论，胜任素质模型理论突出了以下几个方面的特色：第一，绩效导向。胜任素质模型判断要素有效性最重要的标准就是能够将绩效表现优秀的员工与其他员工区分开来，这是麦克利兰胜任素质理论最核心的内容；第二，强调数据验证。胜任素质模型强调用定量验证的方法对模型要素的有效性进行检验，通过对每个要素在优秀员工识别上的有效性验证模型要素的取舍选择；第三，BEI（Behavior Event Interview,行为事件访谈）法开发胜任素质模型。冰山模型作为胜任素质理论最经典的形象化阐述，对底层特质给予了高度重视。由于底层特质是难以观察的，只能通过行为差异进行预测。国内学者利用BEI 开发胜任素质模型的实证研究也有很多，例如时勘等对高层管理者胜任素质的研究等（时堪,2002）。

（二）胜任素质模型开发在人力资源实践中遭遇的问题

胜任素质模型理论是对以智商为基础的人才选拔方式的重大变革。但在实践中，胜任素质模型的开发和使用却遇到了很多困难和障碍，且开发出来却弃之不用的情况也极其普遍（但根友,2013;李宝霞, 2014），究其原因不外乎以下几点：

1.绩效标准数据缺失。胜任素质模型以绩效表现作为判断模型要素有效性的主要标准。而在实践中，很多企业缺少有效的绩效评价体系，尤其是那些绩效量化程度较低的岗位，很难进行有效的绩效评价，自然胜任素质模型的开发也存在较大难度。

2. 数据样本量和规模不够。当前胜任素质模型的开发与评价主要以某个企业中的员工为样本，样本规模和有效性受制于某个特定的企业，胜任素质模型的推广受到较大挑战。

3. 建设成本较高。作为胜任素质模型开发的典型方法，行为事件访谈法耗时耗力，尤其当样本采集需要跨地域进行时，人力物力消耗巨大，所以很多企业只能更多地借助专家经验来判断数据的有效性。

4. 对模型开发者个人的依赖性较高。采用行为事件访谈法，对访谈者的个人素质要求较高，访谈者的个人专业水平、经验、沟通能力等都会对模型的有效性产生很大影响。

5. 难以适应快速多变的环境。胜任素质模型主要通过历史绩效表现判断模型要素的有效性。而互联网时代影响绩效表现的因素往往也在快速变化，依赖历史绩效数据建成的素质模型的有效性遭遇越来越大的质疑，胜任素质模型的动态调整与优化成为大势所趋。

6. 模型难以有效应用。用BEI 开发胜任素质模型，开发过程与评价过程脱节，导致开发后的模型使用率不高。企业胜任素质模型大多由管理咨询顾问或企业HR 完成，模型建成以后，在应用方面经常缺乏有效的落地工具，最后变成“一杆花枪百般耍法”，应用程度更多取决于使用者个人的理解和偏好。也有人力资源专家提出了基于战略的胜任素质模型建设，但是该类建设方法通常缺少绩效指标的数据验证，与胜任素质理论的根本特征存在较大偏离，属于在实践中追求效率与成本平衡的一种权宜之计。

二、互联网与众筹在人力资源招聘中的应用

（一）互联网在人力资源招聘中的应用

互联网在人力资源管理中的应用已十分普及，尤其频繁应用于招聘管理。早在二十世纪后期，网络招聘就开始快速取代传统纸媒体的招聘广告，前程无忧、智联招聘、中华英才网快速崛起。其中前程无忧于2004 年9 月成为第一个在美国纳斯达克上市的中国人力资源服务企业。而基于web1.0 时代的这三大网站也成为第一批互联网人力资源企业的代表。

进入二十一世纪以来，基于社会化网络服务（SNS, Social Networking Service）的互联网招聘平台发展迅速，如猎聘网、举贤网、天际网等均被风险投资机构所青睐。基于SNS 的网络招聘成为第二代互联网人力资源企业的代表。

近年来，随着平台技术、云计算、中间件等技术的飞速发展，一些传统的SNS 平台也开始介入人力资源招聘选拔领域，例如在微博、微信等公众平台上，大量招聘、测评类的公众号如雨后春笋般涌现。另一方面，围绕移动客户端的APP 开发又成为最近互联网人力资源服务的新宠，并通过人际传播与推广迅速提升其影响力和传播效率。

（二）众筹在人力资源招聘中的应用

相对于互联网在人才招聘选拔领域的普及，人们对众筹这一概念的认识和应用还相对模糊。众筹，通常被理解为大众筹资或群众筹资，一般由发起人、跟投人、平台构成。众筹具有低门槛、多样性、依靠大众力量、注重创意的特征。众筹概念早期主要应用于资本领域，现正在向创作、新闻、管理等领域拓展（张建中, 2013;孟韬等,2014）。

众筹模式在人力资源领域中的应用最早源于薪酬调查领域。早在上个世纪，以美世、翰威特、惠悦等为代表的跨国人力资源专业机构开始将岗位价值评估和薪酬数据报告引入中国，虽然当时尚未使用众筹这一概念，但是仔细分析其模式特点，不难发现其具有众筹的诸多特性。当时岗位价值评估和薪酬数据调查的主流模式，就是由这些国际顾问公司提供标准的岗位价值评估工具和岗位对标体系，邀请企业参与薪酬调查，参与调查的企业按照顾问公司提供的岗位价值评估工具对岗位进行梳理和评价，形成基于岗位价值等级的薪酬数据报告。然后，参与调查的企业可以无偿或者低于市场价获得薪酬数据调查报告。当时的岗位价值评估和薪酬调查主要以线下方式进行。而从2005 年左右开始，一些互联网人力资源服务企业开始尝试使用互联网技术手段进行岗位价值评估和薪酬数据分享的探索，例如华点通、智联招聘和太和顾问公司等等。

众筹模式在人力资源领域中的另一个应用主要体现在人才招聘测评领域。我们完全可以用众筹模式来解释传统的人才测评工具的开发与评价。人才测评工具的开发一般是由测评专家提供初始量表，然后由使用者参与测试提供数据；基于参与者的样本数据，对测评条目的有效性、区分度进行验证，并确定测评常模。这种专家搭平台、用户参与、结果共享的模式，与众筹的本质完全一致。

但我们也不难看出，众筹模式在人力资源管理中的应用大多采取线下调研的方式进行，效率低、样本数据量小的问题严重影响了结果有效性。如果我们将互联网和众筹模式结合起来，有可能突破传统人力资源开发工具成本较高、效果较差的局限性；而伴随着互联网和大数据、云计算的发展，基于互联网和大数据的“数据众筹”可能为突破上述局限性提供了新的契机，也对未来人力资源管理效率的提升具有重要的实践意义。

三、基于互联网与数据众筹模式探索胜任素质模型的开发与构建

“数据众筹”借鉴了众筹的概念，但在应用领域及实现方式上与众筹有根本性的差别，是伴随着互联网、云计算和大数据的发展而产生的一种全新的数据价值挖掘模式。笔者把它界定为以信息技术平台为基础，以多用户多终端协同数据参与共享为核心，以数据常模及挖掘结果即时分享和动态反馈为特点，能够进行用户化、网络化、信息化、动态化的数据价值挖掘与分享。

互联网天然具有数据众筹的特征，在人力资源管理领域的互联网应用也必然体现出数据众筹的特性。笔者结合人力资源专业服务及互联网行业的多年实践经验，将胜任素质模型开发与数据众筹模式相结合，对数据众筹在胜任素质模型中的应用做了一些有益的探索。在笔者看来，以“数据众筹”模式开发人员胜任素质模型必须体现以下几个方面：

1. 用户参与。“用户”的概念是互联网的一个重要特点，互联网思维很大程度上就是“用户”思维。获取用户的关键在于要尽可能频繁地与之发生联系和交互。无论是雷军的“发动群众”，周鸿祎的“极致体验”，无一不与“用户”有关。用户参与是指在胜任素质模型开发过程中，过去的BEI“访谈对象”将转变为参与模型开发的“用户”。这意味着不同企业、不同岗位的员工均可以在互联网上注册，发表自己的观点和看法；同时，参与结果数据共享，即参与模型开发的“用户”不仅仅是数据的“贡献者”，同时也是相互的“分享者”。通过信息技术，直接展现个体与总体样本分布的相互关系，直观识别不同类型岗位人才在不同素质要素上的长短板结构特性。通过基于分类TAG 的样本集自适应，可以便捷的对样本集比较的范围和结构进行界定。

2. 数据平台化。这是用户参与的技术保障，也是企业数据集成的表现形式。用户参与意味着员工希望自己能够接触实际绩效数据，而不再寄希望于企业IT 人员，目前通过互联网信息技术，搭建起一个可以随时随地参与的数据分享平台，素质模型要素的“拥有者”可以通过成为平台用户，实现数据的实时“云”共享。

3. 迭代算法。互联网信息技术可以通过算法模型构建，便捷的实现数据的迭代和快速更新，甚至可以通过对显著性差异临界点参数的设置，实现数据的实时动态优化。这样素质模型使用过程中的数据，可以实时作为新的数据纳入素质模型要素的有效性验证计算过程中，从而更加快速适应多变环境下的素质模型建设需求。

4. 基于动态面板数据的大样本检验。通过“用户”模式，基于数据平台可以构建起一个长期的动态面板数据，并且可以通过时间序列数据采集，来突破传统横截面数据在素质模型建设上的局限性。这种样本数据采集方式充分发挥了互联网的优势，相对于过去的基于某个时点及该时点之前历史数据的素质模型效标，样本的规模更大、代表性更强，增加时间序列数据后，素质模型对未来绩效预测也将更加准确，更加利于分析发现传统素质模型开发过程中的伪相关现象。

5. 开发即评价，评价即开发。基于互联网的素质模型开发过程，数据采集过程、参数验证计算过程可支持相互迭代同步进行。同时，在线的结构化采集过程为在线的结构化评价提供了极其便利的条件，基于互联网云计算的结构化采集过程中的数据，可以通过设置有效性检验的接受条件参数，自动化形成在线的结构化评价工具。

从上文论述可以看出，基于互联网的数据众筹对人才素质模型的开发、评价具有重要的借鉴意义。在长期从事互联网人才服务的咨询与研究工作中，我们初步搭建了数据众筹模式下的胜任素质模型开发流程，如图1 所示。

图1 数据众筹模式下的胜任素质模型开发流程

该模型的核心是一个基于B/S 结构的第三方的素质模型开发与评价平台，素质模型构建专家通过平台管理员提供初始的素质模型要素结构和参数设置。在该平台上的用户分为两类，一类是个人用户，另一类是企业用户，主要指企业中组织发展和人才管理部门的负责人。其中个人用户是“个人素质数据”的拥有者，通过注册参与评价，成为“个人素质数据”的贡献者；企业用户是“效标数据”的拥有者，也是“效标数据”的贡献者。考虑到管理实践中部分企业绩效数据缺失的现状，系统支持自评和360 评价等功能，以弥补现实中企业用户绩效数据缺失的现实性问题。针对两类用户的数据，系统自动化进行关系验证与分析，在给定条件下能够将绩优员工与其他员工有效区分的最关键要素识别出来。在要素识别的同时，系统还基于个人用户的数据分布计算，对常模数据进行调整，从而实现了素质模型的开发与评价的一体化。

四、一个应用案例

我们以某建筑工程企业专业技术人员为例，说明如何使用数据众筹模式开发人员胜任素质模型。该案例企业为国内一家基础工程公司，在全国各地拥有多家分支机构。随着市场竞争加剧和企业自身的发展成熟，企业人力资源管理受到越来越大的挑战，一方面人才竞争越来越激烈；另一方面，企业还需要对人力成本进行有效控制。根据公司人力资源工作规划的总体需要，公司需结合未来发展规划和新的战略要求，对人才标准、选拔方式等进行重新审视。传统模式主要以管理咨询方式进行，一般采样以单个企业为抽样框，样本比例不超过30%，针对样本对象的访谈调研通常就需要2-3 个月时间，完成胜任素质模型的开发与评价一般国内咨询公司报价为30-80 万元之间，国际化咨询公司报价一般在百万元以上。

现在我们利用数据众筹模式开发胜任素质模型。首先素质模型构建专家使用专家意见法和企业现有任职资格体系，利用图1 中的素质模型数据平台为企业搭建针对性的初始的素质要素在线采集量表，并设定初始待验证常模。在此基础上，企业管理人员或人力资源部门人员负责导入员工用户数据，数据同时包含了企业人力资源部门提供的员工历史绩效数据。企业员工通过所分配的用户密码登陆系统平台，进行量表数据的自评式数据提交，系统会针对全体参与者的整体数据分布，以在线分析报告的形式把素质评价结果即时反馈给用户，该结果同时支持与预设常模标准的比，同时还可与参与用户动态实时数据对比，从而可以帮助用户更加准确地了解自身的特点及相对他人的优势与劣势，帮助员工扬长避短，也为员工的职业发展提供指导。同时，系统会自动计算预设要素在识别绩效效标上的有效性，从而将识别性最高的要素权重进行动态调整，在素质模型预先设定的前提下，可以通过权重变化自动实现量表调整。

可以看出，在数据众筹模式下的云数据平台上，由于采取总体结果数据共享的模式，提供跨组织的数据共享多接口参与平台，在一周之内可以完成跨组织的大样本量数据采集工作，样本量为传统咨询模式的10 倍左右，且支持跨组织的数据对比，效度更高，并且在胜任素质模型构建完成的同时，形成可直接应用的素质模型评价工具。

以下为采用该模式后形成的模型要素及其相关参数，见表1 所示。

表1 数据众筹模式下的胜任素质模型要素及评价参数

以上要素中，除团队意识维度显著性检验未通过外，其他素质维度要素在甄别方面均具有一定的显著性。同时，该模型开发完成后与行业相关专业人士的定性访谈验证结果基本一致，在针对该公司后续受访的7 名管理者中，均认为在国内当前的环境和背景下，建筑工程行业中员工的执行力、有效应对冲突、说服、承受压力等比团队意识对达成目标结果更加重要。该数据结果表明，采用基于互联网数据众筹平台化的用户参与模式进行素质模型数据的采集与构建，效果较好。

五、结论与建议

互联网与大数据改变了这个世界，也对人力资源专业人员提供了前所未有的机遇。借助互联网技术，可以大大提高素质模型建设的效率，降低素质模型建设的成本。基于互联网和数据众筹模式的素质模型构建，还可以通过大样本数据，解决普通企业中素质模型建设者专业性不足的问题，即借助“数据”的力量，弥补企业自身“专家经验不足”的现实缺陷。

相对于传统BEI 模式下的素质模型开发，基于互联网的数据众筹模式，能够在企业人力资源管理的实践中，通过增大样本量、增加迭代更新的效率，有效解决传统素质模型存在的样本数量少、效率低、对动态环境适应力不足的问题。

另一方面，我们也需要对借助互联网的数据众筹进行素质模型建设可能遇到的风险与挑战有所预估。这种风险主要来自对数据有效性的验证，尽管我们可以通过算法和数据有效性判定问题等来进行验证，但正如比尔·盖茨曾说过的：“你甚至不知道和你交流的对方，是一条坐在电脑前会敲击键盘的狗。”在未来基于互联网的数据众筹构建素质模型，还需要采取更多途径和方法验证数据有效性。可喜的是，大数据的发展使得我们越来越容易对隐藏在散乱数据背后的真实规律进行挖掘，这无疑为数据众筹式的胜任素质模型开发提供了坚实的基础。

1. 潘国刚、郭毅：《“互联网思维”产生的原因和特征研究》，载《互联网天地》，2014 年第5 期，第44-46 页。

2. 孙昌华：《基于素质的绩效考核》，载《企业管理》， 2014 年第9 期，第101-103 页。

3. 时勘、王继承等：《企业高层管理者胜任特征模型评价的研究》，载《心理学报》，2002 年第3 期，第306-311 页。

4. 时勘：《人力资源开发的心理学研究概况》，载《管理科学学报》，2001 年第3 期，第30-35 页。

5. 但根友：《胜任素质模型为何建而不用》，载《企业管理》，2013 年第6 期，第48-50 页。

6. 李宝霞：《胜任素质模型的运用弊端与策略调整》，载《企业改革与管理》，2014 年第7 期，第70-71 页。

7. 王秀玲、孙大强等：《行为事件访谈中受访者心理分析及应对策略》，载《中国人力资源开发》，2007 年第5 期，第51-53 页。

8. 孟韬、张黎明等：《众筹的发展及其商业模式研究》，载《管理现代化》，2014 年第2 期，第50-53 页。

9. 范家琛：《众筹：创意者与消费者的无缝对接》，载《企业管理》，2013 年第10 期，第78-81 页。