合资工厂的“数据仓库”(Data Warehouse)搭建
Posted 人力资源智享会HREC
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了合资工厂的“数据仓库”(Data Warehouse)搭建相关的知识,希望对你有一定的参考价值。
岳家骏| 人力资源项目经理| 汽车行业某知名跨国公司
人力资源信息化的背景
该公司是汽车行业知名跨国公司,在华经营以合资工厂形式为主。一方面,由于国内合资工厂的前身多为国营/ 民营工厂,人力资源数据的管理方式较为传统(手工及简单的ofce 软件管理),因此在合资后的审计中发现人力资源管理方面存在较大风险,希望通过标准稳定的系统来改善和规范工厂人力资源管理,以提高风险控制和应对能力;另一方面,由于缺乏标准化系统的支持,为全球总部对于本地人力资源数据的收集带来挑战,因此希望将全球系统的数据逻辑等植入本地系统,使本地数据的收集和分析更为高效、精准。基于如上两方面背景,该公司于2011 年正式启动人力资源信息化项目。
人力资源信息化现状
该公司在中国地区采用国内的人力资源软件系统,与全球使用的Peoplesoft 系统保持数据同步。自人力资源信息化项目运营至今,该公司本地系统已服务于中国区90% 的员工,并且在系统实施过程中已将90% 合资工厂的人力资源管理流程标准化。
目前,本地主系统中已实现组织管理、人事管理、考勤管理、薪资计算与发放(Payroll)、绩效管理和培训管理六大模块,以及相应的电子工作流。
该公司在信息化项目实施以三方合作的形式展开,即本地人力资源部所属的HRIS 团队、本地IT 部门所属的HRIT 团队及全球总部所属的IT 团队,三者分工如下:
❖ China HRIS 团队:本地需求梳理与整合,进行需求差异性分析。
❖ China HRIT 团队:规划本地需求在系统上的实施方案。
❖ Global IT 团队:进行本地系统与全球系统的接口评估及设计实施方案。
鉴于合资工厂的特殊经营模式,该公司在人力资源信息系统的实施过程中需要根据每个工厂的特殊需求进行单独设计与定制,同样,在人力资源业务流程上,不同合资工厂之间亦存在差异,使得前期需求分析与方案设计较为复杂。
因此,为同时保证全球总部能够对本地进行标准化管理以及本地业务需求能够得到充分满足,首先在总部层面定义出一套人力资源管理规范,继而在符合此规范及总部管理目的的前提下,设计出适应与本地各合资工厂现状的个性化流程及管理办法。
总部层面所定义的人力资源管理规范如下:
❶ Master Table :主数据表,如员工类型,员工状态,合同类型等employee 定义;入职操作原因,离职原因,岗位变动原因等action定义。
❷ Stafng Model :职位管理模型
❸ General Process : HR 标准业务操作流程规范流程梳理的步骤如下:
总部以HR 标准流程为准绳,将其对应至系统的六大模块中,与本地实际情况进行比对。
合资工厂整理出差异及存在差异的原因,由China HRIS 团队进行差异分析,整理存在差异的需求。主要通过判断是否为业务必须、是否可优化业务、是否符合法律法规要求、是否对全中国合资工厂适用,是否有变通方案等标准整理分析以及需要投入的成本和人力资源。对于并不是全合资工厂适用的需求,从成本和项目周期角度考虑会建议其在标准系统上线后再单独开发。HRIS 团队需要向合资工厂充分说明采用全球统一流程的理由和益处,例如有利于信息整合及共享、使流程可控并确保数据安全、利于数据分析,提高效率等,使其充分接受并采纳。
对于合资工厂的差异和特殊需求整合, HRIS 团队会组织系统端口的关键用户(指China Head ofce HR, 合资工厂人力资源经理, 合资工厂中的人力资源关键用户等)召开workshop,分享各工厂在人力资源管理流程及系统实施的最佳实践,一改以往各自“闭门造车”的局面,相互借鉴,取长补短,共同探讨出一套适用性强的最佳流程。
以工厂考勤为例,部分合资工厂根据订单进行运营管理。传统的正向考勤需要预先将排班、加班安排输入考勤系统内,加班计划甚至需要提前审批,但由于订单的不确定性使得工厂在生产上、人员排班和加班上机动性非常高,难以通过传统正向考勤进行管理。而在系统实施前,合资工厂大都进行“月底统一处理”,即在次月根据考勤表输入前一个月的考勤数据。由此带来的问题是,往往发现超量加班和异常的考勤无法及时控制,使得用工费用超出预算。因此,工厂的需求是希望借系统的实施,由系统进行考勤控制。对此,经过workshop的讨论,得出了一套有效的实施方案:用正向考勤的精度,结合逆向考勤的操作方式。即工厂每天收集员工的刷卡考勤数据,保证实时性,而在次日再将员工实际的加班和排班输入系统,如此一来,不仅减少了考勤员重复性核查、改动的工作量,也保证了考勤的严格管控。该考勤管理办法经过一家典型的合资工厂试点后,迅速推广至其他工厂,取得了良好成果。
每个合资工厂系统上线后都会举办一个总结性的workshop 进行讨论并总结成果、经验和教训,最终收入“系统实施菜单”(指按每个模块每个操作流程,罗列出适合不同类型合资工厂的最佳实践方案)。目前HRIS 团队已设计出三套针对大型、中型、小型合资工厂的不同“模版菜单”,为之后工厂的系统配置提供参考。
基于人力资源信息系统的数据应用
在系统实施过程中,总公司无权接触合资公司的原始数据,因此数据应用成为挑战之一。为应对此挑战,公司建立了数据仓库(data warehouse) 这个概念, 在合资公司根据master table、stafngmodel 和general process 整合和规范后的标准数据形式纳入数据仓库,等同于将原始数据转变为统计数据,为日后的分析和利用搭建平台。
目前在基础应用层面,公司可通过系统统计诸如劳务工、薪水工、直接工、间接工人数等上百种人力资源基础分析。
而在专业和战略应用层面,主张“自上而下”地分析,“自下而上”地呈现。“自上而下”地分析是指从业务战略出发,由HRIS 团队主导,与HRBP 甚至财务部、市场部的管理者共同商讨,发现人力资源层面有哪些关键事实可以影响业务决策。继而在关键事实中找出可衡量的KPI 指标进行统计分析,用以支持关键指标。并且,HRIS 团队会根据每一季度业务的变化调整相应KPI 指标,以确保数据对于业务的有效性。另外,HRIS 团队也会积极寻找和吸收外部经验,提供给管理层更多视点和思路。例如公司的“高效率团队”的指标,分解到具体的HR KPI 中则包括离职率的降低,培训效率的提高,招聘周期的缩短等。“自下而上”的呈现是指HRIS 团队利用BI Dashboard 分析出的数据结果以最简单灵活友好的图表形式呈现给管理层。
人力资源信息化过程中的变革管理
变革管理在信息化项目中,从系统定型后到试点、正式上线及后续运行,均需要贯穿始终。该公司的变革管理从三个角度展开:
首先,在每个合资工厂的系统上线前,HRIS 团队和工厂人力资源专业人士都会召开宣讲会,将定义清晰和规范的政策、流程传达给员工,保证员工信息对称。
其次,新系统的上线意味着工作习惯的改变,对于传统合资工厂而言,大部分年龄相对较大的员工对系统的接受度和适应性较弱。因此,工厂在系统上线前,实施适当的人员调配,以减少系统上线过程中因员工使用习惯而带来的挑战。
最后,公司将各合资工厂的关键用户集中在一起,培养其中的“尖子”用户,一方面可对其余用户产生激励作用,并互相促进帮助,加速所有用户对系统的掌握;另一方面,“尖子”用户对系统、工作流程的适应和熟练,一定程度上向管理层反映出了系统和新流程的有效性、有益性。
人力资源信息化的挑战
该公司在人力资源信息化上逐渐从“整合共享”(centralized) 向“个性发展”(decentralized) 转变,因此更加注重本地合资工厂的特殊需求的实现。然而对于HRIS 团队而言,当多家工厂同时提出需求的情况下,如何在有限的资源下合理配置优先顺序,满足全部需求则成为一大挑战。
另外,对于各合资工厂而言,系统的实施和维护费用是一笔较大的支出,因此如何在控制成本的前提下能够引入高效的系统配置是其目前为之困扰的问题。目前,公司倡导合资工厂更多召开分享会,交流内部最佳实践,当产生共鸣和认可后,可以通过分摊成本的形式集中采购和实施。
人力资源信息化的建议与启示
❶ HRIS 团队的定位:首先,HRIS 团队需要充当HR 与IT 之间翻译者的角色,保证在系统和流程设计过程中的沟通顺畅。其次,HRIS团队是实现业务需求的角色,需要他们将业务的实际需求落实到系统中,利用系统平台控制流程规范和数据质量。最后,跳脱出HR 与IT的角色,通过数据的分析和利用,起到支持业务成长的作用。
❷ 项目管理黄金三角法则。该理论在人力资源信息化项目中相当适用。项目管理三角形是指范围、时间、成本三个因素,在人力资源信息化项目中,实施者切不可盲目照搬其他企业的最佳实践,而应充分权衡这三点,保证其中的相互支持关系,裁剪出符合自身实际情况的最佳方案。
来源:智享会《中国人力资源信息化管理调研报告》
注:本文系智享会原创文章,如需转载请事先联系并注明来源,谢谢!
关于智享会 人力资源智享会(HREC)是中国最大和最具影响力的,面向中国人力资源领域专业人士的会员制组织。截至2015年6月,智享会的付费会员企业超过2,100家,汇聚了大量世界500强、福布斯2000强及本土领先的上市企业。
手指划了那么久的屏幕有点酸吧,去下面的“按摩区域”按按摩吧。 ↓↓↓ 人力资源智享会
高端HR会员制组织
以上是关于合资工厂的“数据仓库”(Data Warehouse)搭建的主要内容,如果未能解决你的问题,请参考以下文章
如何选择: 数据仓库(Data Warehouse),数据湖(Data Lake),数据湖仓(Data Lakehouse)