![]()
（全文10000字）
人才画像是基于信息化技术对人力资源数据的深度分析和挖掘应用，是人才识别技术的新发展，为各类型组织人才选拔提供更有效的支撑，近年来发展迅速，受到各方面的重视。但是，各方对于人才画像的理解各有差异，甚至存在一些明显的错误认识，进而导致了实践上的偏差，也阻碍了人才画像技术的发展和应用推广。本文旨在从人才画像产生发展的过程和基本理论出发，重点结合我们在人才画像上的持续思考和实践，做一系统梳理，以廓清围绕人才画像的基础概念、逻辑框架、方法论、在组织人才选拔中的应用方式以及信息化实现路径等诸重点问题。由于人才画像仍处于快速发展中，一些认识难免偏狭，敬请各位HR和信息化领域同人指正。
人才画像是从电商领域的“客户画像”发展而来（有时也会称为“用户画像”）。在使用各种电商平台的过程中，大家一定会发现，好像电商平台“很懂你”，他们会向您精准地推送您关注商品的促销信息、广告或优惠券等。是的，这背后就是电商平台利用客户的基本信息（如在注册时获取的性别、年龄、所在城市等），特别是在电商平台的各种行为（如浏览、搜索、收藏商品、加入购物车、付款等，每个用户的行为都通过预置的“埋点”做了全面记录），从而描摹出客户的“画像”，从而实现了上述信息的精准推送和重点营销，进而促进成交。换言之，电商平台就是基于对用户特征及购买行为的深刻认识，从海量的数据中精准地挑选出了高价值客户，进行针对性的营销活动。将同一思路应用于人才识别领域，则产生了“人才画像”。来源：https://www.jb51.net/yunying/407748.html
也就是说，构建体现企业岗位对人才本质性要求的人才画像，利用大量的员工数据，从而找到相应的人才。有人提出，人才画像是继人才测评、素质模型之后的一种新的人才识别技术。其“新”并不在于创设了“新”理论，而更多的是方法论层面的创新，做了过去想做而做不到的事情，就是利用信息化技术对各种数据（当然包括员工行动等的动态数据）进行更综合、更深入的挖掘并应用于人才选拔领域。下文我们将更具体地讨论这一问题。（一）人才画像的底层逻辑
1.基于数据
人才画像的底层逻辑其实很简单，就是利用数据——这里的数据不仅仅是指人员的基本属性，如性别、年龄、教育背景等静态数据或相对稳定的数据，更包括各种动态数据，如：员工的工作经历、项目经验、岗位调整、薪酬调整、培训发展、考勤休假等，采用算法进行识别出企业需要的人才。2.人才洞察引导
但是，更重要的问题是企业需要的人才是什么样的。就像电商要建立“客户画像”一样，具有哪些特征的才是高价值客户呢，比如频繁地搜索、长时间地浏览某类商品，且放入了购物车，显然这些都是明确的购买意愿、即将成单的特征。相似的，企业需要有对各类人才的洞察，并以数量化的方式清晰表达出来。只不过，人才的识别要远比电商“客户画像”更加复杂。举例来说，某企业需要为研发负责人进行人才储备，企业形成了基本共识，研发人员必须“正值当打之年”“基本素养足够”“经过关键历练”“有经营意识”。光有这些抽象的特征还不够，还需要进一步转化为具体的可衡量的标准： | | |
| | |
| | |
| |
| |
| |
关键历练
| 从事过一线研发工作5年以上 | 工作经历-工作岗位 |
| 经历过完整的产品从0到1的研发过程 | 工作经历-项目经历 |
担任过50人以上研发团队的管理者
| 工作经历-带队伍 |
| | |
通过上面的过程，大家就可以了解到，人才画像的底层逻辑，一定是从“人才洞察”“关键特征”、再到“具体标准”的逐次渐进的过程，切不可颠倒顺序，更不可忽略“人才洞察”“关键特征”而直接介入到“具体标准”。否则，人才画像就退化成了单纯的条件罗列，失去了企业对人才本质性认识的统领。要按照企业对人才的认识为各种标准的建立提供的结构化的共识和指导，而具体的标准则是企业对人才本质性认识或特征的数量化表达，两者的逻辑切不可混淆。但是，光有前述“洞察”“特征”“标准”等，也不构成人才画像。试问，如何从大量人才中识别出符合企业需要的合格人才呢？显然，需要通过算法算力来实现这一目的。就像“客户画像”一样，人才画像天然地依托于信息化技术。
当然，很多人会马上自然联想到：我需要找一个既满足某条件，又满足某某条件的雇员，系统帮我把他/她们找出来。如果您也是这么想的，那么我需要提醒：这么做落入“想当然”陷阱了。因为如果使用条件组合查询，要么是找得到，要么是找不到。而如上述研发负责人所列各种标准，企业里有谁符合这些标准，企业高层和人力资源部门是完全清楚的，掰着手指头都可以数出来，根本不必使用查询方式。而这么操作的结果就是，您将永远无法知道有多少有潜力的雇员距离您的标准仅一线之隔，这显然与我们希冀通过人才画像进行人才识别（含挖掘与培养）的初衷，背道而驰。
所以我们认为，人才画像背后的逻辑一定不是“多条件组合查询”，这个问题我们留待下面详细解释。我们在这里可以进一步总结一下人才画像的基本特征。具体如下：1.基于企业人才洞察共识。人才洞察提供方向指引，这是人才画像构建的起点。这也就是“神似”和“形似”的问题，基于人才洞察，人才画像就有了“神”，所有的具体标准也都是围绕着这个“神”来展开和组合的。2.人力资源数据的综合利用。相对于人才测评或素质模型等人才识别技术，人才画像所利用的数据更加综合、多元，涵盖了包括人员基本属性、行为数据等各种数据。换言之，人员在eHR系统内形成的各类数据都可以作为人才画像的基本元素，人才测评所得到的人格特征、素质模型所得到的能力指标得分等，都可以作为人才画像的一个组成部分，更包括各类员工行为产生的动态数据。当然，人才画像也绝非是面面俱到地描摹，而应当紧紧抓住优秀员工区别于其他员工的显著特征，而不必过度关注那些对于员工未来业绩表现不存在显著影响的因素，这种方式是最经济且有效的。3.依托于算法和算力。面对如此大量而复杂的数据和规则的计算，一定需要相应的算法和算力支撑，举例来说，前文所列举的标准中“从事过一线研发工作5年以上”较为容易实现，而“经历过完整的产品从0到1的研发过程”则很难直接获取，当然这也是人才画像不能简单等同于“多条件组合查询”的原因之一。类似这种条件，就需要系统采用算法给相关人员自动打上相应标签值，然后再进行匹配度计算。甚至可以毫不犹豫地说，人才画像天然地与算法算力结合在一起，没有算法算力的支撑，也就不存在人才画像。4.匹配度计算。所谓匹配度，就是说基于人才画像所列举的各项标准，一定是“理想标准”，否则人才画像就失去了引领性价值，而组织内遍地是合格人才，这样的人才画像是低价值的。因此，很多人会符合部分条件，或者在不同条件上符合程度不同，一定不会符合全部条件，由此，就产生了匹配度高低的问题。这也是人才画像不同于多条件组合查询的原因之一。基于人才画像的匹配度计算结果
5.动态分析和发展趋势。基于前述人才与人才画像的匹配度计算，随着人才的不断发展，则会出现不同时点的持续的动态的一系列匹配度数值，从而呈现出该员工的匹配度发展趋势。这也就为人才选拔提供了更多一个维度的参考，也为人才培养的有效性提供了重要的参照系。这五个方面是人才画像最基本的特征，如果没有人才洞察的指导，没有对各类数据的综合的结构化的利用，没有算法和算力的支撑，没有匹配度的动态计算及其发展趋势，就不是真正意义上的人才画像。（一）多条件组合查询：最常见的“鱼目混珠”式错误
有一些人甚至很多信息化厂商将“多条件组合查询”变相地包装后称为“人才画像”，这是一种最为常见的错误，显示了他们对人才画像理解上的肤浅和偏差。前面已经从多个角度零碎地讨论过这个问题，这里做一集中总结：1.多条件查询是多种条件的简单随机组合，缺乏人才洞察的指导，谈不上对数据的结构化综合利用。2.有很多标准无法通过“查询”实现，或者说“查询”从技术上无支撑能力，尤其是体现员工行为的动态数据。比如前面所说的员工“经历过完整的产品从0到1的研发过程”，这显然是查询方法无法实现的。3.多条件组合查询结果必然是查询命中或未命中，两者必居其一。但在大多数情况下，人员不可能完全满足人才画像所列举的全部“理想条件”——甚至可以说，基于人才洞察设定的人才画像，可能在现实中很难找到完全符合的人员，那就是一个理想目标。很显然，即使退一步来说，组合查询可以进行各种复杂数据的查询，在大多数情况下就会出现查询未命中的情况，因此，这种方式对于人才选拔的支撑度是有限的。4.多条件组合查询中，所有条件的重要性程度是相同的，不符合任意一条都一律排除。然而，不同条件之间的重要性程度或权重是不同的，这也是“多条件组合查询”逻辑与人才画像逻辑的根本不同。组合查询不是“人才画像”
5.如上文所说，通过完整记录某个员工的人才画像匹配度在多个时点上的发展趋势，从而可以了解各项人才培养的有效性。如果是单纯的多条件查询的话，显然也无法完成这个目的。总之，多条件组合查询是一种人员查询方式，从底层逻辑、技术、结果呈现等，都与人才画像完全不同，基本无关。这是大家要了解和注意识别的。（二）文字描述式“人才画像”：无法应用的“屠龙术”
也有很多人单纯将一段文字描述称为“人才画像”，这种情况主要出现在招聘环节，比如猎头服务或者企业招聘人员对招聘岗位人才需求的描述。这种描述，在人才洞察方面是较为充分的，可以此来提高猎头或招聘的精准性。但是，这种形式也只是止步于“文字描述”而已，没有庞大的数据积累，更没有算法算力支撑，当然更无谈匹配度计算。因此，这类文字描述式的人才画像，只是对任职资格要求的一种“形象化”说法，根本构不成一个解决方案，自然也无法形成数字化应用。（三）人才“大数据”：过度理想化的“大而不当”
在以往的很长时间内，“大数据”是一个非常热门的领域，在人力资源领域也不例外。虽然，大数据在人力资源领域由于缺乏实际的应用场景，热潮正在消退，但不可否认这个方面仍有广阔前景，但也应当看到和承认，现实与理想之间还存在较多的挑战。比如：1.人力资源数据获取方式、成本及合法性问题。比如，员工在社交平台和招聘网站上的活动痕迹有重要意义，但如何合法获取和应用是个问题。因为，根据《个人信息保护法》，在个人信息获取、传输、利用、存储等诸多环节，都需要得到同意，而且员工大量的非结构化信息的获取方式、成本都面临较多待解难题，社交平台和招聘网站等不可能向企业开放他们的核心数据。第四条 个人信息是以电子或者其他方式记录的与已识别或者可识别的自然人有关的各种信息，不包括匿名化处理后的信息。 个人信息的处理包括个人信息的收集、存储、使用、加工、传输、提供、公开、删除等。 第五条 处理个人信息应当遵循合法、正当、必要和诚信原则，不得通过误导、欺诈、胁迫等方式处理个人信息。 第六条 处理个人信息应当具有明确、合理的目的，并应当与处理目的直接相关，采取对个人权益影响最小的方式。 |
摘自《中华人民共和国个人信息保护法》
2.人员数据记录的完整性和真实性问题。退一步，即使获取了上述信息，那么接下来的问题则是对数据完整性和真实性的甄别问题，显然将“大概准确”数据用于人才选拔将会导致严重的问题，没有人能够对这样的数据导致的问题负责。3.成本收益合理性问题。大数据模型的建立和训练耗费不赀，那不是一般企业可以承受的。“大数据”分析方式投入高，而所得“稀薄”，那么就好比从贫矿中提取金属，其投入产出效率值得关注。4.单一企业人力资源数据从量级上是否构成“大数据”也是问题：就目前大多数企业的人员规模以及相应的人力资源数据，是否能够称之为大数据也存疑，所谓“大数据”的计量单位动辄以TB、PB乃至EB、ZB计，恐怕大多数企业也根本无法达到这个量级，诚有“杀鸡焉用牛刀”之叹。显然，就当前和可预见的未来一个时期，如何充分利用好企业eHR系统中积累的人力资源数据，使其产生充分的价值是一个理性的选择，这些数据无论从完整性、真实性、合法性、获取成本、结构化程度等诸多方面都具有诸多优势，而且大多数企业对这些数据的利用尚十分不充分，舍此而奢谈乃至妄言其它，颇有“荒了自家地还非要中他人田”的意味。和勤人才画像业务逻辑
（一）数据清理
数据是人才画像的基础。数据的真实性、完整性和丰富性是人才画像发挥作用的基本条件。如前所述，企业最为可靠、完善的数据就存在于eHR系统之中，当然也要看企业eHR系统覆盖的业务范围和应用时间。只要企业eHR系统不仅仅是基础人事信息的简单记录，涵盖了若干业务，人才画像就有了一定的应用数据基础。eHR系统中的数据，大部分都是通过业务流程驱动实时变更的，可靠性高，特别是在企业内部的各种岗位晋升、薪酬调整、培训发展、人才测评、人才盘点、考勤休假等提供了丰富的动态数据。当然，为了让人才画像有更加完善和坚实的数据基础，需要企业在eHR系统建设时，对于员工数据进行更全面和针对性的设计。比如，一般性的岗位调整记录是完善的，但实际上更能够说明问题的则是员工在企业内具体的项目工作经历及其角色。于是，企业应当在eHR建设时就做好组织、职位特别是员工相关信息字段的设计规划和信息收集机制。至于针对外部数据的应用，企业可以根据实际需要进行。但从我们的经验来看，大量一般员工的外部数据较少，而且也很难合法获取，比如员工在招聘网站上的活动可以直接地了解到其动向，但如何合法获取却是个问题，除非招聘专员通过招聘账号进行针对性的查询。（二）数据标签化
数据需要进行标签化，才能够进行更结构化和深度的应用，而从算力上来说也可以更加经济。所谓数据标签化，就是将员工的各种具体数据进一步转化为能够为人才画像所使用更加结构化、可识别的人才标签。比如，对于毕业院校，可设置为985、211和一般院校；对于年龄，可根据企业对员工职业生涯发展阶段的认识，划分为“探索期”“成长期”“成熟期”“衰退期”；对于工作经历，则可以根据企业对不同类别人员的需要，设置相匹配的标签，如前述研发相关岗位，可设置“从0到1”“产品迭代”“产品完善”等。当然，我们根据经验，已经在系统中建立起涵盖12大类50小类280个标签值的基础人才标签体系。企业还可以根据自身需要，对前述基础标签体系进行修改和增删。前面主要讲的都是基于静态和动态数据的客观人才标签，也是企业里人才标签的最主要部分。此外，企业还可以根据需要设置主观标签，即由人主观地为员工赋予特定的标签，具体存在两种做法：一种是可以随意自定义各种主观标签，完全无限制；第二种则是由管理员基于企业需要设置主观标签及其标签值，具体人员在此范围内进行选择。两种方式各有优劣，但总体来说，后一种方式更适合于大多数企业，更加符合企业价值导向，更加结构化，也有利于后续分析利用。在具体的标签设计上，既可以单一数据形成标签，也可以使用复合数据形成人才标签。举一个简单的例子，对于年龄，当然可以只采用年龄因素形成标签，但如果考虑到不同管理层级与年龄之间的关系，则可以使用职级和年龄形成复合数据标签。这些都应当是系统标签化的基础能力。（三）人才画像构建
打个比方，数据是泥土、沙子，而人才标签则是用泥土烧制的砖瓦、建筑构件，人才画像则是用砖瓦砌筑的房屋，三者是依次递进关系。但如何使用砖瓦来砌筑房屋，房屋呈现怎样的结构和样貌，则是由建筑师的设计图纸决定的。这也就是前面反复强调的人才洞察的意义，人才洞察就好比建筑师的设计理念，进一步落地为设计风格和设计图纸，最终决定了建筑最终的样貌。所以，企业首先要基于战略和企业发展需要，明确对不同类别岗位所需人才的特征或称之为人才洞察，而不是急着用各种人才标签去堆砌。比如，企业高级销售或区域销售团队负责人、高级研发工程师或研发团队管理者、核心职能部门负责人应当具有怎样的特征，这种特征需要清晰地描述并在管理团队中达成共识。有了对某一个序列或岗位人才画像的洞察之后，再去选择具体的标准即相应的人才标签去表达，并为不同标签赋予权重。当然，人才标签体系的建立，也必然要服从于企业业务特征和人才洞察要求。总之，企业可以根据需要，面向对企业中的关键岗位序列建立多个人才画像。不同企业的业务模式、发展阶段等都不同，对于人才的需要也必然是差异化的，所以人才画像画像也必然各具“样貌”。因此，企业务必注意，要避免千人一面，不要类似娱乐圈里越来越多女演员因整容而逐渐趋同的僵硬的“整容脸”，千人一面的人才画像注定是失败的。前面以研发团队负责人为例描述了人才画像，这里可以再提供一个区域分公司负责人的人才画像。这家企业的区域分公司的核心职能是区域销售，因此对于区域分公司负责人要求包括“当打之年”“有技术背景”“能进行顾问式营销”“完成过有挑战性的销售目标”“从0到1开发过大客户”“有销售团队管理经验”“较强的经营意识和客户意识”。 | | |
| | |
| | |
| |
| |
| | |
| |
| |
| |
| 近三年内至少有一个年度所负责团队年度销售额达2亿元以上 | |
| |
| |
| | |
| |
（四）人才画像效度检验
人才画像构建完成后，需要进行相应的效度检验，即基于人才画像进行人才选拔的有效性。除了采用专家法进行基本的内容效度校验以外，还可以采用双盲测验方式，对一组绩效水平不同的人员进行人才画像匹配度的测验，然后查看其匹配度与其绩效结果的相关性，如果匹配度高的员工与绩效较好的员工、匹配度低的员工与绩效较差的员工具有一致性，则说明人才画像的匹配度与员工绩效具有高相关性，从而具有较强的效度。这是同时效度。也可以不断记录员工的匹配度和绩效，然后在未来评估员工人才画像匹配度与其绩效的相关性，这就是预测效度。为了使绩效水平更具有一定的代表性，可以将一定时间内的多次绩效等级进行赋分计算，计算该周期内的绩效总分，再计算该组员工人才画像匹配度与绩效总分之间的是否显著相关。（五）基于人才画像匹配度的各种应用
人才画像可以广泛地用于各种人才识别场景，要融入到eHR系统的各个环节之中去，实现随需应用。比如在关键岗位继任人选选拔时，可以一键调用该关键岗位所对应的人才画像，以高匹配度作为继任人选拔确定的依据之一。（一）人才选拔的重要参考依据之一
1.基于总的匹配度。基于人才画像，可以获得所有人员与画像的匹配度，按照匹配度从高到低进行排序，显然排名靠前的员工更具有竞争力。（1）绝对的匹配度非常重要，如果匹配度低于一定水平，如60%，完全可以肯定地说候选人与目标岗位人才画像还具有较大的差距。（2）相对的排序也尤为重要。在应用中我们会遇到，匹配度90%和91%会有本质性差异吗，91%的匹配度一定比90%更适合目标岗位吗？我们认为，与其严格根据匹配度及其排序进行判断，不如按排序分位选择更有价值，即按照排序以75分位、50分位、25分位将所有员工分成四组，显然前25%是继任人选的优先选择，他们之间不会存在巨大差异，当然还要参考其它因素综合考虑；而接下来的第二个25%则是重点培养对象；第三个25%则可做长期培养；而剩余的25%则上不具有培养意义，有待观察。当然，要避免矬子里拔将军，应当保证匹配度必须高于一个门槛值，比如60%。2.查看人才标签的具体得分，特别是高权重人才标签的得分。如果要对匹配度处于同一分位范围内人员如75分位及以上人员进行更进一步分析的话，则需要查看不同的人才标签得分，从而了解造成匹配度差异的原因。如前面区域公司负责人的人才画像，如果一个员工在关键历练上表现突出，虽然可能因为年龄、教育因素得分略低，显然也是值得关注的。系统中记录了多个历史时点上员工与人才画像的匹配度，从而可以查看员工与人才画像的匹配发展趋势。显然，如果两个员工在总的匹配度上相差不大，处于同一分位区间，而其中一名匹配度逐渐升高，但要略低于另一名员工，应当如何抉择呢？匹配度处于上升趋势，则表明该员工具有较强的学习能力、发展意愿和自驱力，显然要优于其他匹配度趋势线平缓的人员。总之，人才画像技术为人才选拔提供了高度结构化、数据化、动态化的决策依据，是信息化背景下将eHR系统中的数据更充分地用于人才选拔的新探索，能让组织选人用人“看得更透”“看得更准”。当然，选人用人中也包含着领导人员高超的艺术性，这是人才画像无法取代的，就像人才测评、素质模型也无法取代这一点一样，但人才画像为领导人员的选人用人决策提供了更坚实的数据支撑。1.岗位晋升选拔。当出现岗位空缺时，不管是人员流动造成的现有岗位空缺，还是新设置岗位需要选拔合适的人员，企业都可以基于对这个岗位所需人才的洞察，进而凝练出相应的具体标准，构建人才画像，在高匹配度人员中再综合多种因素进行用人决策。2.继任人选或后备干部选拔。同样的道理，可以从与该关键岗位适用的人才画像匹配度较高的人员中进行选拔。3.人员招聘筛选。在招聘中也可以使用人才画像，这种方式可以避免过去通过“多条件组合查询”进行人员筛选的偏颇，一个工作经历匹配度较高但在学历上略低的人员，在“多条件组合查询”中就被过滤掉了，但通过人才画像却会被筛选出来。这就是人才画像结构化、数据化的优势，避免了“多条件组合查询”单打一的弊端。4.还可以比较同一个员工在不同人才画像匹配度上的表现，从而为员工选择更合适的发展岗位。5.此外，还可以用于人才培养效果跟踪评估。人才画像技术也可以用于对人才培养效果的评估，我们可以将同一批接受大致类似培养项目的人员，比如同一个人才培养项目下的人员或同一批入司的新员工，在一定周期后，我们可以观察他们在相应人才画像匹配度上的发展趋势。如果所有人员的匹配度都没有提升或提升很弱，则说明培养项目存在问题，需要进行改善；如果有些人员匹配度显著提升，则可以进一步分析其具体原因，从而为其他匹配度提升较慢的人员提供借鉴。最常见的人才画像反向应用就是离职人员画像，这也是大多数企业头疼的一个问题。显然，就是那些“受了委屈”的人员，具体标准上就是业绩好、晋升慢、调薪少、近期请假多（特别是在跳槽季）。企业可以对匹配度高的人员给予重点关注，当然关键还是对于晋升、调薪等政策和具体操作进行必要检讨，避免不必要的人才流失。高离职风险人员画像
这种反向应用还有待企业根据需要去发现，比如有企业提出“躺平画像”，核心就是“吃老本”“不求上进”，基本上都包括年龄较大、资历较深、薪酬较高、业绩平平的特点。人才画像从实质上来说，就是将对人才的洞察，在人力资源数据和算法算力的支撑下转化为高度结构化、数据化、动态化的人才识别标准，并计算具体的匹配度及排序，从而为人才选拔提供更有效的支撑。相信人才画像技术会快速发展并在组织人才选拔中发挥更深入和广泛的作用。![]()
走近大咖 | HR成长
课程咨询 | 在职学习 | HR交流群 | 转载授权
请关注人大人力资源公众号
或添加微信ruchrm了解
