金融企业人力资源管理优化探讨

导语：金融企业人力资源管理优化探讨一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

正如“大数据之父”维克托•迈尔•舍恩伯格指出的那样，近年来大数据正在不断颠覆人类长期以来的思维惯例,对人类的认知和与世界交流的方式提出了全新的挑战。在金融领域，大数据除了在互联网金融业务的发展中影响深远外，也广泛渗透在风控、营销、绩效考核、人力资源管理等各个方面，业务创新不仅对传统管理理念和管理方式提出新的挑战，也为优化人力资源管理、破解当前人力资源管理面临的一些难题提供了新的思路。对金融企业而言，人力资源是企业发展的核心资源，人力资源管理水平的高低在很大程度上决定了企业发展水平和竞争能力。

一、金融企业中人力资源管理大数据的分布及积累现状

与一般企业相似，金融企业人力资源管理大数据也主要包括原始数据、能力数据、效率数据、潜力数据等方面。但是作为特殊的服务业，金融企业人力资源大数据又因行业特性表现出一定的特点和差异性。

1.记录员工基本信息的原始数据

员工的基本信息是指能够反映员工个人素质，在人才招聘的过程中可提供客观参考和依据的数据，具体包括个人基本信息,如年龄、性别、身高、体重、学历、专业、爱好、教育背景、工作经历、技术职务、奖惩历史等。而能够成为大数据的基本信息，则是指那些被“数据化”的个人信息。作为走在信息化前列的金融企业，人力资源管理的信息化程度一般较高，基本信息领域的大数据信息相对比较丰富。

2．记录员工受训情况的能力数据

能力数据是指反映员工“干中学”的情况及其效果，包括参训经历、培训时长、培训考核情况等，金融业作为一个实践性、操作性、创新性较强的行业，培训程度较高且网络培训近年来也得到了快速普及，这方面的大数据资源积累一般也较为丰富。完善的能力数据一方面有助于人力资源部门及时掌握员工情况，另一方面也能够为教育培训部门了解和逐步完善教育培训工作提供参考。

3.反映员工工作效果的效率数据

效率数据主要包括工作任务完成程度、单项任务完成时间、失误率及其后果等。完善的效率数据不仅能够为人力资源部门优化岗位设置和人员配备提供依据，也能为教育培训部门更有针对性地安排培训内容提供参考。遗憾的是，在大多数金融企业中，人力资源部门往往不掌握或较少掌握该类型数据，该类数据沉淀在业务部门和基层机构或网点。

4.反映员工发展前途的潜力数据

所谓的人力资源潜力数据主要是指那些能够比较客观反映员工工作效率提升和工作效果的数据，以及能够比较客观反映员工劳动能力提升速度和幅度的数据，比如收入涨幅水平、职称提升频率等。这些数据在人力资源系统中应该普遍存在，理论上能够为人才发掘和甄选提供可靠依据。从以上分析可以看出，随着金融业信息化水平持续提高，与人力资源相关的大数据沉淀规模也与日俱增。但是，并非所有相关数据都已经为人力资源部门所用，相关数据的价值潜力并未得到有效挖掘。

二、金融企业人力资源管理的困境及挑战

一直以来，金融企业普遍受专业人才不足、人才流失等问题的困扰，近年来快速兴起的互联网金融等新兴业态成为金融行业的“搅局者”，不仅分流了传统金融机构的资金和客户，也间接凸显了传统人力资源管理模式的若干弊端。

1.薪酬管理市场化程度不高

当前，在金融企业尤其是国有控股金融企业当中，除了整体薪酬水平与市场化经营程度较高的新兴金融业态有较大差距外，薪酬分配领域至少存在以下几个问题：一是薪酬分配与行政级别和资历挂钩。传统国有控股金融企业的薪酬设计主要以“行政级别”划分，与员工的工作岗位、工作实绩相关性较差，专业技术职务级别工资上升空间较小，容易挫伤那些从事高技能、高知识、高能力工作的人的积极性。二是薪酬分配中的平均主义现象仍然较为普遍。理论上，薪酬分配应体现三个价值，即货币价值、表彰价值和激励价值，但目前后两项价值常常被忽略。除了能够明确量化评价的营销岗位外，薪酬分配中的平均主义现象仍然较为普遍，薪酬分配与个人工作业绩没有紧密挂钩，没有发挥应有的激励作用。三是福利政策与企业战略不一致。好的福利政策应该与企业战略目标紧密结合，能够起到激励员工、鼓舞士气、降低人工成本的效果，但事实上大多数企业福利政策设计并未充分考虑战略激励导向。同时，激励政策的设计也较少考虑不同员工需求偏好的差异性，难以发挥应有的激励效果。

2.业绩考核的精细化水平不高

作为经营风险的特殊企业，金融企业对其分支机构和员工实施有效的绩效考核是经营管理的核心内容，由于经营规模持续扩大、业务复杂程度快速提升等原因，当前，金融企业绩效考核领域逐渐表现出一些不适应业务发展的问题，具体而言：一是“考核最后一公里”较难落实。网点（营业部）是金融企业最基本的经营单元和利润来源，有效的考核激励是确保企业实现整体业绩目标的基础。金融企业的绩效考核制度一般由总部统一制定，经过多级机构的层层传导，最终转化为指导一线业务营销的指挥棒；但在实践中，由于考核传导链条较长，较少考虑地区差异性等原因，总部的考核导向很难与一线客户竞争需求保持高度一致。二是业务交叉与分散考核的矛盾日渐突出。如上所述，目前金融企业基本仍停留在“部门和产品线管理”阶段，反映到考核中，就是各条线考核独立分散，致使基层员工缺乏联动拓展其他业务的积极性，影响客户维护和市场拓展的总体效果，而实践中，综合营销服务能力已经是客户维护和市场竞争的重要手段。三是“重结果轻过程，重惩罚轻奖励”不利于形成创新氛围。出于对风险的审慎防范，金融企业一般都制定了严格的问责制度，对于额外努力的奖励制度却往往不完善，不论是追责还是奖励往往仅以结果为准绳。对金融业这样有经营风险的企业而言，任何创新都是高风险的，如果历经辛苦还可能被严厉追责，则不出差错、守成固旧就可能成为“一般法则”。

3.专业培训不适应营销拓展需求

在行业竞争日趋激烈、技术应用节奏日益加快的背景下，“干中学”已经成为持续提升员工岗位适应能力的基本手段。在实践中，大部分金融企业有在岗培训计划，但相对于一线员工需要而言，当前的专业培训效果还有较大提升空间，主要表现在以下几个方面：一是培训参与度不高。由于大部分专业培训仍普遍采用集中脱岗方式，在培训资源有限、一线员工工作负荷较高的背景下，个人参与度往往较为有限。二是跨专业培训不足。当前，金融企业的专业培训一般仍以专业线各自负责的形式开展，员工专业知识单一，不能很好适应客户需求多元化和交叉销售的现实需要。比如，当前商业银行网点综合化、公私联动效果不佳的重要原因之一就是缺少综合化营销人才，个人客户经理不熟悉法人客户产品和业务，对公客户经理也不了解零售业务。三是互动交流氛围较差。除了专业师资授课以外，员工之间的实时互动和交流也应该是经验分享和知识更新的重要渠道。当前，虽然各企业普遍搭建了在线学习平台，但平台的使用主要停留在在线视频和测试层面，还没有形成浓厚的员工在线学习交流氛围。4.对职业生涯规划工作重视不够近年来，传统金融企业人才流失，特别是高端专业人才流失现象越来越普遍，已经引起金融企业高度重视和关注。员工忠诚度下降，一方面有传统金融企业薪酬体系与市场脱节的原因，另一方面也反映出员工个人成长与企业发展战略的关联度不够紧密的问题。具体而言，亟待解决的突出问题有两个方面：一是对专业技术人才关注和重视不够。随着金融创新和业务多元化不断发展，投资、交易、风控、IT等领域的专业人才已经成为金融企业核心竞争力的重要载体。然而，当前在金融企业尤其是国有控股金融企业的人力资源管理体系中，管理类职位仍是晋升的主渠道，官本位思想仍然较为严重，不利于激发技术类人才创新创业的主动性和能动性。二是尚未建立起高效的内部人才市场。不论对企业还是对个人，人岗匹配、才尽其用都是人力资源配置的最优境界，但在实践中，人岗匹配受时机、兴趣、能力等诸多因素影响，因此，高效有序的企业内部人才市场就是实现人力资源动态优化配置的必要制度安排。虽然大部分企业都已经建立起内部人才市场，但在实践过程中，内部换岗成功的几率很小，部分员工离职实质上就是期望在更大市场中寻求人岗匹配的有利机会。

三、大数据背景下金融企业人力资源管理优化策略

在技术与金融融合程度逐步提高的背景下，大数据技术不但为金融企业业务与产品创新提供了新方向，也为破解当前人力资源管理领域的现实困境和挑战提供了契机。

1.树立大数据理念，全方位积累人力资源数据

“大数据”无处不在，在金融企业经营管理的各个环节，都存在大量人力资源相关数据，此时需要金融企业人力资源管理部门切实树立“数据为王”的理念，在日常工作中注意全面、广泛地搜集员工的各项真实数据信息，比如在人才招聘中积累员工原始数据，在人员配置和培训考核中积累员工能力数据、潜力数据，在培训考核和薪酬管理中积累效率数据和潜力数据等。同时，也要注重提升和优化人力资源管理系统功能，进一步扩大数据积累规模。由于缺乏扎实的数据基础等原因，传统的人力资源管理普遍强调对人力资本现状的记录，传统人力资源管理系统一般包括招聘、培训、考核、薪酬等功能，在预测企业未来的人力资源走势，包括员工的成长曲线、离职倾向等方面较为困难。而现代人力资源管理更强调规划和预测，随着人力资源大数据的持续积累，金融企业可以考虑借鉴“大数据”理念，结合自身战略规划和经营实际，制定或引入科学的预测模型，定期预测分析和挖掘人力资源数据中潜在的信息，不断丰富人力资源大数据的价值信息，提高人力资源数据的可用性，增强人力资本管理的效率。

2.应用大数据技术与方法，增强专业培训效果

在线课堂、网络大学的出现为企业的岗位培训提供了极大的便利，近年来大部分金融企业也已搭建起相对完善的在线学习平台。针对当前普遍存在的专业培训覆盖面不够、跨专业交叉培训不适应业务拓展需求、缺乏培训交流等问题，金融企业仍需深入探索大数据技术在教育培训领域的应用潜力，尽快完成从平台搭建阶段向真正的不间断学习模式转变。首先，利用数据挖掘技术精准挖掘员工个性化培训需求。建立并完善员工培训资料档案库，提供在线培训需求统计服务，并实现与员工履职信息的精准匹配，定期分析员工岗位特点、个人培训需求的汇总信息，该信息一方面可作为培训项目立项的重要依据，另一方面可作为培训信息实时个性化推送的依据。其次，构建线上线下一体化的培训测评模式。相对于线下培训，在线培训的硬约束较少，培训效果难以评价，可以考虑将部分核心培训项目的在线培训与线下测评相结合，为员工参与在线培训提供反向激励，同时也为评价培训产品开发效果提供客观依据。最后，搭建开放式移动互动交流平台。相对于线下培训，由于线上学习时间随机，学员之间的互动交流氛围相对较差，可以考虑适应工作生活移动化趋势，搭建移动在线交流平台，并为每个专业板块甄选资深专业管理员，为跨专业、跨地域的学习交流提供便捷机会。

3.应用大数据技术与方法，提升人力资源配置效率

一般而言，人岗不匹配、考核激励不相容是影响企业人力资源配置效率的核心问题，金融企业亦如此，大数据技术为解决这一管理困境提供契机。首先，数据挖掘能够为人岗匹配提供科学依据。人力资源数据库积累了各维度的人力资源信息，基于该数据库的挖掘分析，既能够为前瞻性招募培训员工提供准确信息，也能够为员工的岗位轮换、职级晋升提供客观依据，因此要在数据库建设的同时切实加强数据库的深化应用。其次，大数据技术能够为精益化激励考核提供科学依据。事实上，无论是基层考核问题、交叉销售分润问题，还是结果导向问题，都源于缺乏精细化考核数据这一基本现实，如果业务系统能够实时记录业务拓展的过程信息，并同步标识机构、人员信息，数据挖掘就能够得到精益考核所需的机构、员工维度的考核数据。由于金融企业的业务系统多是分板块、分时段搭建起来的，实现上述数据积累挖掘目标不但涉及内部信息标准化问题，也涉及系统升级、优化和互联互通问题，甚至可能涉及信息保密的法律问题，无疑是一个艰巨的工程。

4.加强人力资源数据挖掘分析，优化员工职业生涯管理

现代企业越来越重视员工职业生涯管理，在培养人才、留住人才这两个核心问题上，当前亟待解决的是后者，应用大数据理念破解这一问题，至少应从以下几个方面着力：一是加大专业人才的激励力度。通过数据挖掘，针对那些技术性专家人才，制定和实施完善的个性化职级升迁路径，可以考虑不严格限定各职级职数，在薪酬待遇方面也可以适度倾斜，营造鼓励专家型人才成才的环境，同时也尽量降低个别人才流失对业务发展的消极影响。二是继续推动内部人才市场建设。人才外流的一个重要原因是内部人才市场不够完善，信息的有效传递是内部人才市场建设的基石。大数据技术在人才信息向用人机构精准推送、职位信息向员工个人精准推送两个方面都能发挥积极作用，从而为企业内部人才顺畅流动提供良好环境。

作者:孙晓燕 焦卢玲 单位:南京理工大学紫金学院经济管理系 中国人民大学财政金融学院