不同的企业规模，尤其在不同的员工数量和不同业务复杂度的场景下，人力资源数据治理方案的选择有着很大的不同。与此同时，人力资源数据治理往往也依托于企业自身人力资源相关的信息系统建设。
从人力资源管理的角度，不同员工规模对应的信息系统和数据治理工作内容也会各不相同。
本文对不同员工规模时期的企业人力资源数据治理方案进行分析，并对人力资源数据治理核心框架进行梳理。
01 治理方案
企业在不同员工规模时期的业务情况和数据基础设施能力各不相同，数据治理工作的关注重点也会有所区别：
1 少于50人的企业
此时人力资源管理业务较为简单，通常使用免费的工具或者基础性的软件就能满足大部分业务要求，比如可以使用免费的考勤和会议软件，以及用Excel进行绩效记录和算薪。
毕竟人力资源信息系统的部署和实施费用并不低，少量人员就能完成的工作暂时还没必要去购买成熟的系统。
在这个阶段也无需开展一个完整的数据治理项目，人力资源数据更多还是聚焦在基础人事数据的质量上，在没有相关系统的支撑下尽量确保数据的准确性和完整性即可，但也要注意数据的备份和存档，为数据的追溯性和连贯性打下基础。
2 50-100人的企业
规模还在100人左右或以下的企业，随着管理数量和复杂度的提升，会逐步开始考虑引进人力资源信息系统或一些核心模块组件，比如一些按年付费或者按人头收费的SAAS型人力资源系统，也有部分一次性买断的标准化的系统，也能基本满足企业人力资源服务的基本需求。
通常此时已经会形成一些人力资源的主数据体系和部分核心管理内容的数据标准，但人力数据应用的整体投入通常不会有较多预算，所以数据治理会偏重去完善人力业务流程体系，从而明确其中的数据流转路径，以业务或部门负责的各个模块建立数据分类并开展对应的管理工作。
糖心vlog现在时间
3 100-500人的企业
当前体量规模的公司通常都已经有较为成熟的人力资源管理制度，各人力业务模块业务也趋于完整，标准化的eHR系统会是性价比较为理想的选择，并且人力资源数据分析的需求会开始逐渐增多。
为了提高数据使用效率，在这个阶段已经比较适合开展完整的数据治理项目，对人力数据的主题域进行梳理，通过元数据管理统一标准的技术定义及业务定义，进行基础的数据模型管理，为业务提供更好的数据服务，随着数据生产和使用场景的多元化，也要兼顾数据安全体系的建设，并建立日常数据管理的机制。
4 500人以上的企业
随着企业员工规模的进一步扩大，组织架构及部门，甚至分公司子公司的出现也会使得企业人力资源管理的难度变得极为复杂。
为了对应不同的管理场景，企业人力资源信息系统也会有更多定制和二次开发的模块，加之随员工规模而增加的数据量，数据管理工作也随之变得更为复杂。
在这个阶段数据治理项目会变成数据价值实现的必要项，需要建立完整的治理框架，对数据采集、数仓管理、数据标准、数据服务、数据安全等内容进行全面的治理工作，进而在人力资源工作中使数据价值得到最大程度地体现。
02 治理框架
由于人力资源的数据量通常不会达到技术层面“大数据”的量级，即传统关系型数据库和通用eHR产品就能实现业务支持，而几乎无需分布式存储计算等高成本硬件支撑。其治理框架也会更侧重数据业务流程中的几个主要环节。
中智在人力资源数据治理项目实践过程中，针对不同行业类型和企业架构的各类方案，重点总结了人力数据治理框架中的核心工作项，分别包含了数据采集治理、数据标准治理、数据仓库治理、数据服务治理，以及数据安全治理。
1 数据采集治理
人力资源数据经常会存在线上化程度低或者线上化不规范录入等情况，会对后续的数据使用业务产生非常大的影响。
对于企业级的数据采集，还是需要先确保尽可能地将各业务模块线上化，在选用育留的业务过程中进行相关数据的留档，系统工具能够极大地减少数据采集的成本。
对于集团级的数据采集，通常会基于整体的数据采集平台，针对下属企业不同的数字化能力，可开放填报接口与系统接口支持手工与自动化的数据采集。
2 数据标准治理
数据标准是后续数据应用与协同共享的核心前提。
技术层面需要将数据的类型、结构、属性、规则进行明确描述，业务层面需要从数据的所属域、定义、内容、关系、维护的角度来进行统一管理。
其中企业级的数据标准会侧重梳理自身的人力主数据体系以及相关流程的规范化和制度化，并且建立上级管控或外部对标时不同维度间的映射关系，这样也能够大幅提升后续数据使用的效率。
集团级的数据标准则侧重整体性的协调并建立统一的数据标准体系，分期分步进行贯标，从而提升自身的管控能力。
3 数据仓库治理
随着对数据价值以及数据基础设施的重要性越来越重视，各大企业都已着手开始搭建整体性的数据仓库，其中人力资源数据将作为数仓的重要构成部分。
数仓治理更多是在侧重技术端的内容实现，包括人力主数据的协同共享，以及不同数仓分层中的信息隔离、汇总、清洗、校验等工作都需要与信息部门或数据团队进行统一的管理。
同时各数据业务表之间标准关系模型的建立，也将是数据处理应用环节所不可缺少的工作内容。
4 数据服务治理
数据服务主要面对应用层提供标准的数据接口，包括数据提供、报表计算、可视化展示、专项分析等内容。
其中人力数据的可靠性和便利性是其服务内容的前提，无论是统一性技术方案的支持，还是一致性业务标准的输出，都是人力资源部门在提供对内或对外数据服务时需要遵循的原则。
企业层面的治理需要聚焦数据质量的管理，减少后续数据处理、核对，以及外部解释的成本，同时也可通过商业平台能力的建设，加强数据分析以及业务支持的能力。
集团层面的治理更多会从管控角度进行重点数据信息和关键指标的监察追溯，从而更好地为集团管控进行服务。
5 数据安全治理
人力资源数据的特殊性也决定了其在安全治理上的一些困难，这其中不但涉及个人信息保护法下的数据隐私问题，也会涉及很多企业内部相关的保密制度。
数据的管理归口、使用合规性、访问、维护及使用权限都需要在安全治理中得到落实。
其中企业级治理相对比较容易能在系统层面实现权限控制，成熟的信息系统以及数据库管理已能够符合主要的人力数据安全治理需要。
集团级的治理仍需要明确数据的归口，在此基础上制定明确的权限管理制度。此外集团采集到的企业数据应该如何进行适当的加密或脱敏处理，也需要结合集团自身制度以及国家要求和行业通用标准进行实施。
结合中智数据治理项目的实施经验，从业务角度人力资源数据治理各模块内容的执行难度与核心工作内容可做如下总结：
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，冲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。
中智咨询供稿
