2021年，Facebook 创始人兼首席执行官马克·扎克伯格将公司名称改为Meta，希望在未来用五年左右的时间，将 Facebook 打造为一家元宇宙公司，让元宇宙的概念进一步“火上浇油”。那么元宇宙是什么？1992年，美国著名科幻作家尼尔·斯蒂芬森推出了自己的小说《雪崩》，里面描述了一个平行于现实世界的网络世界，现实世界中的人，在元宇宙中都有一个“网络分身”，这就是元宇宙概念的开始。
尽管现在众多公司提出关于元宇宙不同角度的描述，但是都有一个核心，就是需要一个具有沉浸感的虚拟“分身”。这个“分身”其实就是前些年已经火起来的“数字孪生”。“数字孪生”这一概念，已经迅速走出最早起源的制造业，应用到了智慧城市、智慧交通、智慧农业、智慧医疗、智能家居等行业，似乎成为各行各业实现数智化的灵丹妙药。
我们首次将该概念应用到人才管理领域，结合近几年与诸多行业标杆的实践，更让我们坚信“数字孪生”会是数智化人才管理这个赛道上极具代表性的发展形态。“数字孪生”顾名思义就是你拥有在一个在系统里面的双胞胎，只是他/她是以数据的形式存在，他/她能够实现人才数据的精准虚拟刻画，助力组织按需及时锁定关键岗位的优质人才，做到实时、立体、直观、全面、敏捷、高效的人才画像确认和精准岗位匹配实现——可以想象，这个和你几乎一模一样的孪生兄弟，在组织系统里的人才管理场景下会有多大的用武之地。
01
全息数据定义人才标准
人才管理强调将人看作有个性的人才，而不是单纯的资源或资本。何为人才？对于企业来说，如何得知一个人是企业战略发展所需的关键人才，或是具备成长为优秀人才的可能性？——依靠清晰而明确的人才标尺，可以使得这一判断变得简单。那么如何找到这个时代的人才标尺？
数智时代给人才管理工作带来了什么启示和红利？让我们了解下 “数字孪生”中反复强调的“全息”(Holography）概念。
“全息”特指一种技术，可以使物体发射的衍射光能够被重现，其位置和大小同之前一模一样。从不同的位置观测此物体，其显示图像也会变化。因此，运用此种技术拍摄的照片是三维图像。1947年，英国物理学家Denise Gabor（1900-1979）发现全息光栅图技术，并因此获得1971年的诺贝尔物理学奖。“全息”一词的本意就是指全部信息，我们将其从光学领域迁移到人才管理领域，进一步明晰如何能够呈现全部人才、相同的信息？如何拍出关于人才的“三维照片”？
戴维·尤里奇教授在对世界各国优秀公司的研究中总结出一套行之有效的“人才菜单”，并提出一个新型人才公式来进行人才标准的定义。
●能力：人才需要具备未来成功所需要的能力。要将正确的人在正确的时间放到正确的岗位，发挥其技能，并且确定人才的标准，进行评估、投资、整合。
●承诺：能力强但是不愿做出承诺、不愿在工作上投入的人不能称为人才；投入高、工作努力但是能力欠缺的人经常会做错事，也不能称之为人才。企业需要制定员工的价值观标准，即“我获得什么，又能给予什么”。
●贡献：指的是情感上的投入和承诺，即如何全身心地投入工作，给社会带来回报。人们在组织中贡献是因为能够创造意义。
新人才公式表明，人才不仅需要具备企业未来发展所需要的能力，还需要对于企业或者岗位有较高的承诺、愿意在工作上投入精力，能够为组织带来实际业绩贡献，并且创造价值。从这一人才公式的视角来看，无论是能力素质模型还是任职资格都忽略了承诺和贡献这两项关键要素。无论一名员工的能力素质如何出色，如果不能持续投入并且做出业绩，就不应将其纳入人才范畴之中。
有标杆实践吗？华为的案例或许能给我们带来些许启示。在过去三十多年里，华为的干部标准经历了不断优化的过程，从最早的干部任职资格一直到2013年发布的干部标准通用框架，通过不断迭代，最终形成了一套体系化的标准，其干部标准主要经历了以下五个主要阶段。
华为所提出的“干部标准通用框架”主要包括四个方面：
●品德是底线，指商业行为中的职业操守，是能否担任干部的一票否决性要求。
●核心价值观是基础，指干部要对公司事业充满热忱、使命感，在价值观方面与华为高度契合。
●绩效是分水岭和必要条件，明确素质能力不等于绩效，强调“一切让业绩说话”，只有在竞跑中名列前茅的人才能被公司提拔。
●能力和经验是持续成功的关键要素，一方面具备能力是取得高绩效的基础，另一方面也需要不断叠加实践经验，才能构建持续成功的能力。
从华为的干部标准通用框架来看，这是对选拔任用干部“德才兼备、以德为先”的有力诠释；从“冰山素质模型”的视角来看，该框架不仅关注品德、核心价值观、能力等隐性特征，更将经验等显性特征摆在更加突出的位置上。
从“新人才公式”的视角来看，该框架是能力、承诺、贡献三者的有机统一，较为系统全面地解读了人才标准的内涵。
基于人才标准的研究与实践，我们认为一个系统全面的人才标准框架，应当满足以下几个条件：
条件一
从组织和岗位两个视角进行考量，既考虑具体岗位对人才的要求，也考虑组织文化基因对人才的要求。
条件二
不盲目追求冰山下的能力素质，兼顾知识、技能、经验等显性特征，与特质、价值观等隐性特质。
条件三
重视态度和业绩在人才标准中的价值，坚持以具备能力、愿意投入、做出贡献的标准来定义人才。
条件四
各项标准要有一定层次性，既能区分“能”或“不能”，也能鉴别“优秀”与“一般”。
结合以上条件，我们提出基于组织适配性和岗位匹配性的人才标准框架，“7力花瓣模型”，即通过七力：效能力、经历、能力、潜力、动力、文化力和匹配力在人才管理系统中全息刻画人才，实现数智化人才管理。
在组织适配性方面，重点关注企业的历史、基因、价值观等对人才提出核心要求，这既是企业对于同一类人才的通用素质要求，也是区别于其他企业，真正彰显本企业文化内涵的关键。通常来说，这类要求会涵盖品行、态度、价值观、个性特质等因素；在关注人才与整个组织文化适配性的同时，也关注其与所在团队人员的文化适配性，从上至下一脉相承。
在岗位匹配性方面，重点关注岗位本身的工作内容对人才提出的要求，其中既包括年龄、教育背景、从业年限等门槛，也包括绩效要求、与创造高绩效相关的关键经历、专业与领导能力、发展潜力、动力等进阶要求，从而确保标准设置具有层次性，能够区分“能”或“不能”，也能鉴别“优秀”与“一般”。
“7力花瓣模型”是在能力素质模型和任职资格要求基础上的升级，同时有机结合能力、承诺与贡献，既系统全面又层层递进，兼顾显性特征与隐性特质，实现全息化的人才数据呈现，助力企业精准定义和识别高绩效人才。
拉姆·查兰与比尔·康纳狄全著的《人才管理大师》指出：不要通过一些含糊的陈词滥调或者机械的测评方法去评估人才，看一个人的行动、决策和行为，将这些指标与企业业绩有效联系起来，了解一个人的核心价值观、信念与才能。“数字孪生”有望实现这一理念。
●通过技术汇集人才全量数据（包括以年龄、专业经验、工作经历为代表的显性数据以及以价值观、动机、个性特征为代表的隐性数据），进而提炼出能力、行为、性格等特征标签，将员工各种个人特征运用数字标签进行标注，从而形成数智化的人才信息档案，将人员信息立体地呈现为一份画像，并在员工的全职涯周期中，对其行为信息进行不断收集和更迭，持续地对人才画像进行动态调整
●通过人力数字挖掘与智能化数据分析，形成人才标签、人才画像、岗位画像，深入了解员工才能，甚至预见领导人才的发展路径。这将颠覆传统的继任模式，强调并非找人填补某个职位，而是为领导人才铺好路，充分发挥其领导才能，进一步增强他们的能力。人才管理出色的公司无须从外面物色关键人才，前提是全面了解内部人才的技能、经验、判断力、性格、建立人际关系的能力、学习力等，而不是模糊的特质
●管理者基于特定需求做人员筛选，一旦某个岗位出现了空缺，其补位和继任人选即可通过系统实现智能推送，数字孪生的技术优势会让“管理动力，流动意愿”等候选人的隐性需求全盘呈现，进行筛选和匹对，组织可以更精准有效地进行人员选拔与任用
●基于数智化手段集成整体数据并形成某一类岗位或某一支人才队伍当前的画像特征，能够帮助企业更加便捷高效地识别其与理想画像之间的差距，便于日常监测管理，进行有针对性地培养，为实时提供具有价值的人才决策奠定扎实的基础
02
“数字造人”贯穿全流程应用
1989年，数字虚拟人的概念滥觞于美国国立医学图书馆发起的“可视人计划”（Visible Human Project，VHP）。经过三十多年的发展，数字虚拟人从手工绘制阶段进入电脑绘图阶段，如今与智能技术融合已经发展得比较成熟。大家耳熟能详的初音未来，在快手上爆火的柳夜熙，万科公司2021年度最佳员工崔筱盼，都属于数字虚拟人。从理论上说，既然虚拟数字人是数字形式呈现的“人”，所有能以数字形式呈现的人的活动都可以由虚拟数字人代替完成。
进行这样的技术探索，“数字造人”的理念便有了落脚点：基于人才管理平台上的人才大数据、能力模型库、量化的本土行为数据，将零散的数据以“组织能力数据”的样式进行标签化处理，挑选出适合企业不同阶段、不同群体的文化和战略能力词条，通过科学的建模逻辑和思维的设计，就可以敏捷有效地建立自己的标杆人才画像。
比如：大部分企业希望通过数智化技术去发掘、培育绩优销售人才，如何实现？挑选三年绩效连续为A+及以上销售员有什么相同特质，用大数据机器学习的方式去发现共性特征，通过对大量绩优员工的画像数据叠加分析，我们便能够绘制出最适合企业的人群画像，以及整个组织画像，并生成销售人才模型，以此模型对新招聘销售员进行绩效产出进行预测，以及在内外部人才选拔过程中辅助决策。这样通过对数据进行深度的建模和钻取，将人才数据分析从“精准表达”变为“找准趋势”。
“数字造人”的概念更强调基于组织能力的人才数据，是根据业务战略确定组织能力，基于组织能力选拔培养人才，再对这些人才池中的人才委以战略分解后的工作任务。数智化时代，人才数据标准有了一个更为直接的应用，即将“人”与“任务”的指标相互呼应起来，可以根据不同阶段的任务用算法进行匹配，人才的数据标准化除了常规的信息字段的标签统一和语言统一外，更多的是以终为始，用与“任务”相匹配的角度来制定标准，标准化的最终目标是易于机器识别，提升效率，为算法做基础性工作。以“工作任务”作为载体开展组织和人才管理，是企业能够实现敏捷性的原因之一。以组织能力为基本要求开展人才发展内容，将是人才管理的一个重要趋势。
“数字造人”是以往“模型库建模”方式的智能化升级，也是组织人才画像系统的理念根基，结合以下举措可以实现贯穿人才管理的全流程价值应用：
●通过对接人才评测工具，借助评测工具对人才贴标签，形成人才画像。
●通过对人才流动可视化跟踪，对后备人才库入库人员、外派挂职人员、拟离任人员（显示绩效）等特殊任职经历，提供可视化标记。
●通过对岗位进行能力素质建模，并将员工素质测评数据与特定岗位数据进行比对，按照匹配程度予以量化排序，找出最佳的人岗匹配方案，使企业更直观、全面地盘点企业人才的具体情况，从而助力管理决策。
●通过测评数据分析及AI精准匹配，提供针对个人及组织的候选人建议、培训建议、团队优化配置建议等。
联系客服
