数据驱动型人才盘点探索与实践

张春冬 黄振琼

（中国石化西北油田分公司，新疆乌鲁木齐 830011）

近几年来，中国石化西北油田分公司（以下简称“西北油田分公司”）与许多企业一样，面临着人才稀缺带来的巨大挑战。作为油公司管理模式的先行者，西北油田分公司员工队伍精干高效，坚持无冗余人员。在国家能源安全战略部署、国际油价低位震荡和中国石化高质量发展规划等大环境下，西北油田分公司业务快速调整、员工新老交替，人才供需处于相对吃紧的动态平衡状态，给公司安全生产和发展质量造成潜在威胁。

究其根本原因，在于内、外两个人才市场的不充分。一方面，西北油田分公司地理位置偏远、自然环境恶劣、油气藏条件特殊，外部人才引进困难大；另一方面，勘探开发业务专业性强，培养周期长，加上员工年龄、职业发展阶段等不可控因素，内部流动约束多。

在此背景下，西北油田分公司提出，要建立更加精细准确、反应迅速的人才管理机制，打造持续稳定的人才供应链。首要任务，是借助人才盘点，摸清人才队伍的“家底”。通过近5年时间的探索和持续改进，西北油田分公司创建了集成化、智能化、可视化的数据技术手段，逐步形成数据驱动型人才盘点体系，通过对人才队伍的规模、结构、质量、活力和人才个体的能力、业绩、潜力评价，助力人才供应全链条、全场景管理水平的提升，促进人才强企工程的落地见效。

1 数据驱动型人才盘点的内涵与整体思路

人才盘点主流方法论的基本逻辑是，找出目标岗位上真实存在的或者管理者理想中的绩优员工区别于一般员工的能力素质，作为人才模型，用来评价其他员工。简单来说，分为识别、建模和评价三个步骤，即判断谁是人才、人才有什么特点、别人是不是人才。

主流方法论基于心理学、统计学的理论框架，综合运用周边访谈、行为面谈、盘点会、述能会、心理测验、评价中心等多种技术，信效度较高，还可依托丰富的外部咨询力量和成功实践案例。但是，企业在具体应用时，须根据复杂管理环境，因地制宜选择实施策略。比如：是每年做一次盘点，还是因为经营规划变动而临时盘点？是针对全体员工进行盘点，还是针对后备干部选拔或是对部分岗位进行盘点？是只需大概了解整体情况，还是要精确评价具体人员？这些都需要在预期收益与管理成本之间做权衡。

主流方法论在实施过程中面临的困难有三：一是需要企业大量人力、资金投入，特别是盘点群体规模较大时，成本相应比较高；二是盘点质量取决于外部顾问对企业文化、业务、战略的准确解读，因为过于依赖资源顾问的专业能力，所以项目失败的风险性很高；三是盘点结果只有真正落地应用，才能获得员工的支持，促进盘点机制优化，这个迭代过程可能历时数年，需要企业高层的强力推动与持续投入。

数据驱动型人才盘点，是基于人力资源数据的“三化”（集成化、智能化、可视化）技术实现。它不再完全依赖人才管理的现有知识，而是从大量数据中发现规律，指导建模、评价及结果使用。它既不属于传统HR业务范畴，也不是前沿AI技术的重点领域，而是跨界融合的全新尝试。

西北油田分公司始终坚持三个理念，统领项目推进全过程。一是坚持数据驱动的方法论，用带着“西北油味”的一手数据，减少主观因素干扰，降低经济成本和管理成本。二是坚持敏捷开发模式，在运行过程中查找问题、迭代升级，以点的突破撬动组织可能存在的管理项目“无用论”或“万能论”成见。三是坚持“自组织”的项目团队管理，打破原有组织边界，高度自主管理，核心团队相对固定，由多层次、多专业的3名成员构成，配合团队相对柔性，按需吸纳相关岗位人员参与阶段工作。

2 构建数据驱动型人才盘点的主要做法

2.1 集成化数据治理

第一，按特征工程的标准规划数据。数据是后续建模的基础，数据的可靠性和有效性，决定了模型质量的高限。为避免增加基层负担，尽量采用管理过程中“自生产”的数据，如年度绩效考核结果、晋升速度、当前职位停滞时间等。对各类不准确、不一致、未结构化的数据统一开展校正，并定期向相关岗位人员反馈整改意见和技术要求。

第二，开发人才盘点系统采集数据。对于缺失的重要数据，开发了人才盘点系统进行在线采集，2017年以来，新增各类成果、奖励、荣誉、专利等数据记录近百万条。

第三，建立SQL数据仓库管理数据。结合分析需要，通过近千条SQL查询语句设计，将零散分布、互无联系的数据进行整合重构，形成各类数据表200多张，丰富了人才数据分析的维度和功能，提高了效率和准确性。

2.2 智能化算法建模

第一，降维算法揭示大致规律。初期采用特征选择的方法，从反映员工成果奖励的成熟度这一个维度，快速实现对全体员工的排序。后期引入因子分析方法，实现了11个特征的降维，从潜力、能力、业绩三个角度洞察人才规律。

第二，有监督学习算法构建选人标准。以2020年各单位部门推荐的852名优秀人才为样本，优选机器学习算法，建立了预测模型，召回率达到90.7%，并按同样标准识别出未被推荐但具有相同特征的潜在优秀人才700多名。

第三，无监督学习算法划分人才群体。采用聚类算法，结合资历、业绩、职业发展阶段的相关特征，将员工划分为8类群体，根据各群体特征均值，进行人才画像，实现“人以类聚”，便于分类管理。例如，聚类标识为3的群体，年龄偏大、职位层级较高，且在岗位履职（积分）、业绩成果（成熟度）方面表现突出，受到所在单位的认可（特殊激励），是西北油田分公司经验丰富的中流砥柱，在日常管理中应给予足够重视，力戒唯“年轻化”，切实发挥好各年龄段人才作用。

第四，优劣解距离法（TOPSIS）评价人才优劣。结合自主研究成果，改进TOPSIS综合评价算法，量化评价了每名员工的成长性和成熟度，可为竞争性选拔和胜任性评价提供依据。竞争性选拔评价的考察内容更加全面，其中，潜力的权重最大；而胜任性评价则更强调“业绩+能力”导向。

2.3 可视化结果输出

为构建晦涩的数据分析过程与业务需求之间的桥梁，西北油田分公司购置了数据分析与可视化软件，并以编程语言和相关库为补充，将数据分析成果以静态图表和交互式网页的形式输出。2018年以来，每年向各单位部门领导人员印送公司年度人才地图册。2019年，人才盘点系统实现公司全员可用的定制化图表查询功能。2020年，交互式动态图件用于公司层面的专项人才分析。

3 数据驱动型人才盘点在人才管理工作中的应用场景

数据驱动型人才盘点有两个独特作用：一是基于客观数据，量化评价了每名员工的综合价值，弥补了以往在人才个体质量评价上的不足，西北油田分公司对人才个体的认识更深入；二是建立了每个时间节点、每名员工与公司组织机构、业务领域、职位体系之间的对应关系，提供了分析人才规模、结构及其变化趋势的便捷工具，西北油田分公司对人才队伍的认识更精准。

通过实施人才盘点，人才管理工作犹如增添了“放大镜”和“导航仪”，开启了全新视角。西北油田分公司从解决实际问题出发，以人才“无时差供给”为目标，落实多项举措，促进了人力资源规划、招聘与配置、培训与开发、激励与保留等多场景管理提升，取得较明显成效。

3.1 用于科学规划人力资源

一是细化人才引进规划。将各年引进的员工标定至业务领域、职级，结合其成熟度、年龄数据可发现，企业在不同发展阶段补员规模存在较大波动，人才质量分化明显，造成员工年龄结构不均、专业结构失衡。在2020年制订的“十四五”用工规划中，西北油田分公司充分考虑业务需要，明确引才规模、层级，从而实现新老替换，逐步优化人才结构。

二是遴选青年骨干入库。按照西北油田分公司接替人才库建设规划，需从单位部门、业务板块和职位层级中遴选600名青年骨干人才。经各单位推荐，产生了852名候选人。但是，由于缺少足够精确的评价方法，人选之间无法横向比较，且不排除存在“鱼目混珠”和“遗珠弃璧”的问题。如何从中确定最终人选，争议多、难度大。西北油田分公司建立基于概率模型的机器学习算法，推测出候选人在年度绩效考核结果、岗位绩效价值积分、成果奖励等11个特征上的分布规律，以此建立青年骨干人才评价模型，然后从公司3001名基层员工中自动识别出最符合模型的人员。为对比单位推荐与算法预测的结果，从11个特征中提取2个公因子，绘制平面分布图，经观察可知，算法预测的人选过滤掉了离群值，特征更加集中，可靠性更高，保障了入库人才质量。

3.2 用于合理化招聘与优化人员配置

一是调整招聘面试策略。数据分析发现，生源省份的人才吸引力、安家地点、毕业学校和专业类别等，与员工离职倾向有较大关系。于是，从2019年开始，在招聘面试中增添了对应聘人员家庭背景、婚恋状况等信息的了解，从源头做到离职风险防控。

二是优化职位设置。在人才盘点的竞争性选拔评价模型中，入职5～15年员工的平均得分最高。但结合职位数据分析发现，这个群体在进入企业时间方面扎堆，受此影响，其中有200多名评价得分居于公司前20%的人员，其职位停滞在主办及以下职位，成长空间受限。2018年以来，西北油田分公司根据人才盘点提供的数据，包括所有专业的人数、职位、成熟度、年龄的分布情况等，将专家职位设置在油气藏地质、油气藏工程、石油工程等人员基数大、质量优的主干专业上。2020年，西北油田分公司增设职位层级、拉长职位通道，调整职位晋升节奏为“小步快跑”。这两项措施，既提高了专家职位选聘质量，又畅通了基层专业技术人才成长通道，让员工及时获得激励，提升人才体验。

三是严格管控内部人员流动。西北油田分公司30多个单位部门之间，每年都有大量人员流动，由于数据量大、工作烦琐，一直未开展专项分析。人才盘点通过高效的数据处理和可视化，直观展示了近十年的人员流动轨迹，量化了生产单位流向非生产单位、前线单位流向后勤单位、基层单位流向机关部门的规模。这一流动趋势，与西北油田分公司向一线倾斜的价值导向存在较大偏差。2018年以来，西北油田分公司严格管控此类人员流动，及时堵住生产队伍的“出血点”。

3.3 用于培训的精准设计与开发

一是加快关键紧缺人才培养。传统的培训设计，更多地关注业务需求本身，每年都在开展主要业务培训，业务之间的差异不大。西北油田分公司迫切需要做好人才盘点，从人才供给的角度，引导培训资源向存在“人才短板”的领域倾斜。有的主干专业曾经引进了大量应届毕业生，通过人才盘点才发现，受近几年人员转岗、离职、退休等影响，当前队伍规模已严重不足；有的专业虽然规模不小，但引入成熟度这一评价指标后才发现，专业大而不强，缺少“头雁”；有的专业人员规模合理、成熟度也比较高，但引入数据交叉分析后，才暴露出年龄、职位层次上的断档造成的接替人才匮乏问题。针对这些新认识，2019年以来，西北油田分公司陆续落实钻完井工程、信息化、仪器仪表自动化等5类约380人的专项培养计划。

二是优化重点培训对象遴选。针对高层次培训班，人力资源部可依据人才盘点提供的带有人才成熟度的各专业、各层级员工名单，研究培训规模，确定入围名单，再组织基层单位推荐，或直接安排调训，增强培训精准性。

三是指导HR从业人员职业规划。为评价“冰山模型”下部的能力素质，西北油田分公司在人力资源管理团队开展了职业个性心理测验，并将结果融入人才盘点算法，分类建立素质模型，对其中95人提供了职业发展定位、优劣势分析和管理建议，帮助制订个人发展计划。例如，对竞争性选拔评价得分最高的一类群体共32人，依据数据相关性确定了关键个性特质12项，见表1。表1中还给出了3名员工的数据，他们分别以项目经理、技术负责、方案交付的角色，共同出色完成了西北油田分公司2020年薪酬改革方案。从表1中可以看出，个性的差异，没有影响他们成为最优秀群体中的一员，同时，个性上的互补，为他们的高质量协作创造了良好条件。这一方法，可进一步为人岗匹配、团队匹配分析提供指导。

表1 HR高潜人才关键个性特质

3.4 用于指导制定激励与保留政策

一是做实薪酬投入后评估。通过人才盘点，对员工的岗位履职与业绩成果量化分级，结合薪酬数据，可评价薪酬投入是否符合付薪导向。通过评估发现，2018年以来，西北油田分公司薪酬投入逐步向岗位履职优、业绩成果多的高价值群体倾斜，差异化程度逐年增长，证实了近年收入分配制度改革成效。

二是指导激励性年金投放。2018年建立年金制度以来，西北油田分公司将人才盘点结果作为激励性年金评选的重要参考，连续两年，大部分入选人员的成熟度排名位于前25%。

三是全面推广“反探亲”政策。借助数据分析，可助力人力资源部门像研究客户一样去研究员工，洞察员工需求。某次偶然的数据统计发现，来自新疆以外省份的“80后”员工占公司总人数的近1/3，平均探亲距离达2064公里，接近从北京到昆明的直线距离，员工探亲的时间成本、经济成本远高于其他油田企业。通过进一步调查走访发现，如何把自己的休假时间调整到与父母、配偶的休假时间或子女的寒暑假一致，成为许多一线员工面临的难题，毕竟油田生产的安全平稳不允许人员扎堆休假。为方便员工与家人团聚，2018年以来，西北油田分公司鼓励员工家人来油田“反探亲”并按规定报销费用，既解决了探亲问题，又让员工家属亲临现场感受油田工作环境，增进了员工家属对“扎根边疆、爱岗奉献”的情感认同，这一政策受到年轻员工的普遍好评。