數據治理，如何有效施“治”

文/高云程

數據治理到底在“治”什么？人力資源的數據治理又有何側重？為何通常“治”數據的主要精力都會聚焦于“治”業務？

企業數字化轉型背景下，數據治理已成為企業與各部門數字化轉型的核心任務之一，幾乎言數據項目必談數據治理。作為人力資源從業者，大家也會或多或少地參與到企業數據治理相關的項目中。然而，數據治理到底在“治”什么？人力資源的數據治理又有何側重？為何通常“治”數據的主要精力都會聚焦于“治”業務？這些問題都是人力資源數字化轉型過程中，在數據價值的實現路徑上需要深入思考的問題。

“治”什么

作為從公司層面提出數據治理的概念的先驅者，IBM 將數據治理定義為通過不同的策略和標準提高組織數據的可用性、質量和安全性。國際數據管理協會（DAMA）給出的定義則是對數據資產管理行使權力和控制的活動集合。

簡單來說，人力資源部門為了實現數據價值，需要對企業人力資源數據實施一套管理行為。在解釋數據治理的概念時，超市商品管理會是一個比較形象直觀的類比，人力資源在數據治理方面的工作同樣也可以做如下的類比：

通常人力資源數據治理的項目會同時伴隨大量的業務治理，在這個過程中離不開對崗位、員工等主數據的標準整理以及選、用、育、留等流程規范的梳理。

●狹義上的數據治理工作

更加關注數據本身，其目標就是推進數據資源的整合與協同共享，提高數據治理，并確保數據在存儲及使用過程中的安全性。

●廣義上的數據治理

需要關注數據完整的生命周期，在這個過程中涉及的業務、技術、管理工作，也都會被歸入數據治理的范疇，包括業務定義與流程梳理，數據采集、存儲、處理、分析應用，數據標準整理，數據質量方案設計與安全策略規劃等，都是需要進行治理的工作。

“誰”來治

數據治理是一個綜合性的項目，需要技術部門和業務部門的共同參與，任何一方的缺失都無法確保良好的項目結果。在人力資源數據治理的過程中，是由人力資源自己來牽頭，還是由技術部門或者企業數據中心牽頭，也取決于治理項目的需求和業務應用場景。

●技術部門

在數據治理項目中，技術部門可以負責制定數據治理的規范和標準框架，推動數據治理的實施和應用。

如果由技術部門進行項目牽頭，優勢在于其更了解數據治理的落地預期，從而能夠更好地制定數據治理的整體規劃及路徑。此外，技術部門通常能夠深入了解各個部門的數據工作內容，可以更好地協助人力資源部門與其他業務部門的協同工作，從而提高數據治理的整體效果。

不過，技術部門牽頭數據治理項目也存在一定的挑戰，例如，規劃和執行中可能會涉及過多的技術方案和業務流程，導致項目實施的復雜度和難度增加，與此同時，技術部門也容易缺乏對具體業務細節的了解，難以充分覆蓋業務部門的一些專項需求。

●業務部門

作為業務部門，人力資源部門在數據治理項目中可以負責提出業務需求和數據治理項目的實施目標。

由人力資源部門進行項目牽頭，能夠基于對自身的數據業務場景的全面了解,更好地掌握業務流程和數據治理的實踐，使數據治理與業務流程進行深度結合，實現數據治理在業務領域的最佳實踐效果。

當然，由人力資源部門牽頭數據治理項目同樣也存在一定挑戰，例如，業務視角會更局限于部門自身的應用場景，對于集團或企業層面的數據架構缺乏整體性的考慮，同時也會更側重功能性的落地，不容易在實施成本和實施結果中形成最佳的平衡。

綜上所述，技術部門和業務部門在數據治理項目中有各自的優勢和側重，可根據企業實際情況和業務場景來確認具體的牽頭角色，在項目過程中充分發揮各自優勢，共同推進數據治理項目的開展與執行。

怎么“治”

人力資源數據治理項目高度綁定自身業務，具有典型的特殊性、難點和重點，項目執行過程中也會投入大量工作成本進行流程梳理、業務確認、標準制定、架構設計、質量管理等治理工作內容。所以，非常有必要對人力資源數據治理的內容有一個全面的掌握。

●人力資源數據治理的特殊性

在選、用、育、留的全流程中，企業有著大量的制度和流程來確保人力資源工作的正常推行，這也必然造成人力資源數據的多樣性和復雜性。

與此同時，各類員工信息，薪酬數據，乃至一些特殊企業涉密的人才信息，都對人力資源數據的安全性和隱私保護的工作提出了非常高的要求。

此外，人力資源數據無論是個人填報還是事務工作中的數據收集，很多情況也只能依賴手工錄入和更新，那么，數據的及時性和準確性的問題也會被重點關注。

●人力資源數據治理的難點

數據顯示，盡管大部分企業都已著手進行e-HR 和相關數據基礎設施的建設，但受限于自身業務復雜性及一些數據合規方面的限制，數據仍然很難進行體系化的管理。大量線下數據缺乏合適的方式入庫，數據質量、數據標準和協同工作能力都很大程度上制約了企業的數據應用效率。

●人力資源數據治理的重點

調研發現，如何實現數據協同共享是治理工作的重中之重，也是降低數據使用成本，最終實現數據價值的核心基礎。

此外，項目中各類標準規范的梳理與建設的內容也不容忽視。一套成熟完善的人力資源主數據標準也是能夠有效進行數據協同互通的前提。對于整體層面需要完整進行數據服務能力建設的企業或集團來說，人力資源數據標準和制度流程的建設也是數據治理項目中需要投入大量工作的一項內容。

不同的企業規模，尤其不同的員工數量和不同業務復雜度的場景下，人力資源數據治理方案的選擇有著很大的不同。與此同時，人力資源數據治理往往也依托于企業自身人力資源相關的信息系統的建設。

從人力資源管理的角度，不同員工規模對應的信息系統和數據治理工作內容也會各不相同。

治理方案

企業在不同員工規模時期的業務情況和數據基礎設施能力各不相同，數據治理工作的關注重點也會有所區別：

●少于50 人的企業

此時人力資源管理業務較為簡單，通常使用免費的工具或者基礎性的軟件就能滿足大部分業務要求，比如可以使用免費的考勤和會議軟件，以及用Excel 進行績效記錄和算薪。畢竟人力資源信息系統的部署和實施費用并不低，少量人員就能完成的工作暫時還沒必要去購買成熟的系統。在這個階段也不需要開展一個完整的數據治理項目，人力資源數據更多還是聚焦在基礎人事數據的質量上，在沒有相關系統支撐的情況下盡量確保數據的準確性和完整性即可。同時，還要注意數據的備份和存檔，為數據的追溯性和連貫性打下基礎。

●50-100 人的企業

規模在100人以下的企業，隨著管理數量和復雜度的提升，會逐步開始考慮引進人力資源信息系統或一些核心模塊組件，比如一些按年付費或者按人頭收費的SAAS 型人力資源系統，也有部分一次性買斷的標準化的系統，也能基本滿足企業人力資源服務的基本需求。通常此時已經會形成一些人力資源的主數據體系和部分核心管理內容的數據標準，但人力數據應用的整體投入通常不會有較多預算，所以，數據治理會偏重去完善人力業務流程體系，從而明確其中的數據流轉路徑，以業務或部門負責的各個模塊建立數據分類并開展對應的管理工作。

●100-500 人的企業

當前體量規模的公司通常都已經有較為成熟的人力資源管理制度，各人力業務模塊業務也趨于完整，標準化的e-HR 系統會是性價比較為理想的選擇，并且人力資源數據分析的需求會開始逐漸增多。為了提高數據使用效率，在這個階段已經比較適合開展完整的數據治理項目，對人力數據的主題域進行梳理，通過元數據管理統一標準的技術定義及業務定義，進行基礎的數據模型管理，為業務提供更好的數據服務。隨著數據生產和使用場景的多元化，也要兼顧數據安全體系的建設，并建立日常數據管理的機制。

●500 人以上的企業

隨著企業員工規模的進一步擴大，組織架構及部門，甚至分公司、子公司的出現也會使企業人力資源管理變得極為復雜。為了對應不同的管理場景，企業人力資源信息系統也會有更多定制和二次開發的模塊，加之隨員工規模而增加的數據量，數據管理工作也變得更為復雜。在這個階段，數據治理項目會變成數據價值實現的必要項，需要建立完整的治理框架，對數據采集、數倉管理、數據標準、數據服務、數據安全等內容進行全面的治理工作，進而在人力資源的工作中使數據的價值得到最大程度的體現。

搭建治理框架

由于人力資源的數據量通常不會達到技術層面“大數據”的量級，即傳統關系型數據庫和通用e-HR 產品就能實現業務支持，而幾乎不需要分布式存儲計算等高成本硬件支撐，其治理框架也會更側重數據業務流程中的幾個主要環節。中智在人力資源數據治理項目實踐過程中，針對不同行業類型和企業架構的各類方案，重點總結了人力數據治理框架中的核心工作項，分別包含了數據采集治理、數據標準治理、數據倉庫治理、數據服務治理以及數據安全治理。

●數據采集治理

人力資源數據經常會存在線上化程度低或者線上化不規范錄入等情況，會對后續的數據使用業務產生非常大的影響。對于企業級的數據采集，還是需要先確保盡可能地將各業務模塊線上化，在選、用、育、留的業務過程中進行相關數據的留檔，系統工具能夠極大地減少數據采集的成本。對于集團級的數據采集，通常會基于整體的數據采集平臺，針對下屬企業不同的數字化能力，可開放填報接口與系統接口支持手工與自動化的數據采集。

●數據標準治理

數據標準是后續數據應用與協同共享的核心前提。技術層面需要將數據的類型、結構、屬性、規則進行明確的描述，業務層面需要從數據的所屬域、定義、內容、關系、維護等多角度來進行統一管理。其中，企業級的數據標準會側重梳理自身的人力主數據體系以及相關流程的規范化和制度化，并且建立上級管控或外部對標時不同維度間的映射關系，這樣也能夠大幅提升后續數據使用的效率。集團級的數據標準則側重整體性的協調并建立統一的數據標準體系，分期分步進行貫標，從而提升自身的管控能力。

●數據倉庫治理

隨著對數據價值以及數據基礎設施的重要性越來越重視，各大企業都已著手開始搭建整體性的數據倉庫，其中人力資源數據將作為數據倉庫的重要構成部分。數據倉庫治理更多是側重技術端的內容實現，包括人力主數據的協同共享，以及不同數倉分層中的信息隔離、匯總、清洗、校驗等工作都需要與信息部門或數據團隊進行統一的管理。同時，各數據業務表之間標準的關系模型的建立，也將是數據處理應用環節所不可缺少的工作內容。

●數據服務治理

數據服務主要面對應用層提供標準的數據接口，包括數據提供、報表計算、可視化展示、專項分析等內容。其中，人力數據的可靠性和便利性是其服務內容的前提，無論是統一性技術方案的支持，還是一致性業務標準的輸出，都是人力資源部門在提供對內或對外數據服務時需要遵循的原則。企業層面的治理需要聚焦數據質量的管理，減少后續數據處理、核對以及外部解釋的成本，同時也可通過商業平臺能力的建設，加強數據分析以及業務支持的能力。集團層面的治理更多會從管控角度進行重點數據信息和關鍵指標的監察追溯，從而更好地為集團管控進行服務。

●數據安全治理

人力資源數據的特殊性也決定了其在安全治理上的一些困難，這其中不但涉及個人信息保護法下的數據隱私問題，也會涉及很多企業內部相關的保密制度。數據的管理歸口，使用合規性，訪問、維護及使用權限都需要在安全治理中得到落實。其中，企業級治理相對比較容易能在系統層面實現權限控制，成熟的信息系統以及數據庫的管理已能夠符合主要的人力數據安全治理的需要。集團級的治理仍需要明確數據的歸口，在此基礎上制定明確的權限管理制度。此外，集團采集到的企業數據應該如何進行適當的加密或脫敏處理，也需要結合集團自身制度以及國家要求和行業通用標準實施。

人力資源數據治理將伴隨著企業與人力業務發展成為一項持續維護迭代的工作。這項工作也將助HR 一臂之力，沖破數據管理與應用中的阻力，實現數字化對人力資源管理理念的升級與革新。