那么，HRIS的价值到底体现在哪里呢？在剖析这个问题之前，需要先荡开一笔聊聊HRIS是因何出现的。

绝大多数企业在启动HR数字化时，HR团队是没有设置HRIS的。此时，每个HR职能团队都会有人与产品经理对接自己所负责业务的系统建设，以散点建设的方式推进HR数字化。但随着系统逐步上线，HR们反而会越来越困惑：“明明系统功能都有，但我还是要做好多事，系统才能用的起来，所以效率没什么提升”，“与产品的沟通总感觉不顺畅，上线的功能不是我想要的”……

从HR的视角，这些问题通常会归因于：

1、产品经理没有深入了解HR业务，理解到的需求与实际业务场景不完全一致；

2、需求从提出到落地的过程中缺少质量把控，导致最后上线的功能与原始需求有出入，但HR不懂该如何把控；

因此HR业务期待有专业人士能站在HR的视角将业务场景翻译成产品能听懂的语言，并且在系统建设过程中把控开发质量，最终能帮助HR业务提效。这些也是大多数HRIS的JD上所描述的。

假设HR期待的真的如此，那么随便什么角色——只要既熟悉HR业务又了解产品开发流程，并在此基础上做好项目管理就能很好地完成上述工作。优秀的HR产品经理或乙方项目经理均能做到上述要求。笔者的亲身经历也验证了这一点：如2019年在北京奔驰合作过的德勤团队、盖雅团队、H3C团队，2021年在理想汽车遇到的HR产品经理团队……都有出类拔萃的人才能承担起上述职责并交出了令人满意的答卷。

实际上，HR业务真正需要的是HR领域的数字化专家，HRIS只是其中一种解决方案，HR产品经理、乙方项目经理在某些环境中也能满足需求。而且伴随着数字化的进一步深入，在HR职能与产品经理分别补上了各自的短板后，HRIS是有可能被取代的。

那么HRIS真的是一种阶段性产物么？HRIS有没有其独特的价值呢？区别于HR产品经理和乙方项目经理，HRIS真正核心的差异点在于：全局视角和数据权。

全局视角指的是：HRIS有机会能站在贴近HR一号位的视角进行数字化布局，在组织层面上提升整体工作效能。想要实现整体提升组织效能，常常需要跨HR职能设计流程和功能，让数据跨职能流转起来形成HR大数据模型，使各相关方均能依托同一套数据保持信息对称并进行有效协同。

例如将OD领域的胜任力模型，经由知识图谱能力转化为系统中的岗位胜任力算法。应用于招聘领域的简历筛选和面试环节时，可基于图文识别、自然语言识别、机器视觉等解析出的信息实时生成人选的评分和评价，做到智能简历推荐、AI面试、面试过程提醒。提高招聘效率和面试官体验的同时，评价结果在经过面试官和招聘经理校正后，作为培训系统的输入。

培训系统依托同样的胜任力模型，在系统中搭建能力维度与培训内容的对应关系，则可基于上述评价结果在人选入职后为其推送定制的学习计划。上述场景在内部人才盘点时，亦可复用。

但为此，通常会涉及某种程度的业务变革，而HR产品经理通常聚焦在某几个HR业务系统上，缺少这种全局视角，从而导致系统频繁重构。究其原因在于：HR职能只关注自己的功能好不好用但对底层和对其他功能的影响并不了解，产品经理则为了快速满足业务需求总想着先上线临时方案再做优化，但临时方案反而带来了更多优化需求。循环往复导致系统底层硬伤越来越多，并且系统之间彼此制约，最终HR不得不长期保持一定程度的手工处理，效率迟迟提不上去。不得已，每隔2-3年就需要启动系统“重构”，HR大数据更是无从谈起，整体工作效能也会受限。因此，想要实现基于HR大数据模型整体提升组织效能，需要HRIS做全局性的架构设计和功能规划。

数据权指的是：HRIS能接触到HR敏感数据，是唯一能基于HR全盘数据设计规范和机制，从而保证HR数字化系统能提供高质量数据和有效指标的角色。

想要实现整体提升组织效能，除了保证各相关方能依托同一套数据，还需要保证所依托的数据是可靠、及时且有效的，并基于此呈现出所需的指标。

为此，需要有人要持续从业务定义和系统逻辑中沉淀出数据字典，并从完整性、一致性、唯一性、及时性、有效性、准确性等六个维度监控系统中的数据质量，协同各HR职能团队和HR产品经理团队进行梳理清洗。在此过程中，HRIS需要起到主导作用，而乙方项目经理在系统正式上线后是不能登录到生产环境中的。

此外，还需要HRIS调研各类用户所需的HR指标有哪些，并基于公司战略需要和信息安全底线，设计HR数据看板体系。为各类用户提供其所需的数据支持、异常提醒和自助服务，做到HR数据赋能经营。

综上所述，有且仅有HRIS能承担如下职责：

1、整体评估HR系统，推进架构优化、规范数据流向，保证从HR系统中能获取到一整套及时的数据；

2、建设HR数据看板体系，保证HR数据能赋能经营；运营数据治理机制，制定数据规范、基于数据质量报告协调各方梳理清洗，保证数据质量。

1、总结部分：拒绝运营本位，数据价值是立身之本

首先，可以围绕“HR数据赋能业务”提炼出关键指标，呈现HR系统整体现状的评估。指标设计可以参考赋能经营、提升体验、指导运营三个维度。

1）赋能经营需要体现HR数据看板体系的建设情况及目标用户覆盖比例；然后呈现数据及时性和数据准确性指标，或者整体描述数据质量提升到何种水平。

例如：HR系统建设情况达到78%，达成目标。其中新上线了组织健康度看板，覆盖了70%的部门级别管理者，目标在2个月内达到100%覆盖。此外同步效率从T+1天提升至T+1小时，及时性提升95.8%；职务的准确性从57.3%提升至95%。

2）提升体验可以通过调研HRBP、管理者、员工各自的满意度获取数据，此外还可以加上系统稳定性等性能指标；

3）指导运营可以呈现各HR职能运营效率提升指标、通过数据洞察提醒HRBP解决多少问题、流程有效性指标（权责统一、审批效率、流程卡点、流程成本）等维度来总结。

其次，总结HR各业务系统建设情况，并回顾重点项目。（最多Top3）

例如用子模块覆盖率来衡量宽度，用功能点覆盖率来衡量深度，用采集买点覆盖率来衡量数据采集成熟度，呈现HR各业务系统建设情况。

最后，再从功能迭代、操作培训、权限运营和信安审计等方面总结HRIS的日常运营工作。

2、规划部分：贴近HR一号位视角，宏观上进行布局

作为公司的人力资源负责人，HR一号位关注的领域非常广泛，涵盖了从人才管理到公司文化、从法律法规到组织设计等多个方面。他们的目标是确保人力资源管理能够有效地支持公司的战略目标，并帮助公司实现长期的成功。因此在实操过程中，跟数字化相关的，有三点HR一号位会特别重视：

1）需要收集和分析HR数据，以做出更明智的人力资源决策。

2）关注如何利用新技术来提高人力资源管理的效率和效果。

3）关注员工体验。

因此，在HR数字化建设过程中，与HR一号位对齐的关键点包括：

1）战略目标与业务目标：HR一号位需要确保人力资源数字化策略与公司的战略目标和业务目标保持一致。

这意味着数字化计划应该支持公司的长期发展，而不是仅仅解决短期的人力资源管理问题。换句话说，HR数字化不是为了提升某个HR业务的效率，而是为了实现某个战略目标。

2）数据驱动的决策：HR一号位关注数据在人力资源管理中的重要性，期望系统能够提供准确、可靠的数据，以支持数据驱动的决策制定，同时还要符合国家和地方的法律法规，以及公司的内部规定。因此需要对齐HR数据看板体系如何赋能经营管理，如何做好识别和降低系统信息安全潜在风险，并提供能保障数据质量的解决方案及资源需求。

3）员工体验：HR一号位关注员工体验。因此需要对齐数字化系统如何能够提供良好的用户体验，使员工能够方便地获取所需的人力资源信息和支持。

4）技术创新与投资：HR一号位关注新技术在人力资源管理中的应用，并确保公司对数字化技术的投资能够带来实际的回报。因此需要呈现如何利用数字化技术来提高人力资源管理的效率和效果。通过与HR一号位对齐以上关键点，HR数字化建设可以更好地支持公司的战略目标和业务目标，提高人力资源管理的效率和效果，并提升员工的工作体验。

首先，可以描述HR数字化发展趋势，总结变化点。例如：

其次，站在部门视角呈现HR系统整体建设方向，聚焦HR数据赋能业务方面的亮点。

一定要与HRD对齐。可以先自下而上收集需求，初筛后再结合HRIS观察到趋势，为HRD提供依据。

之后，基于一条主线规划HR各业务系统重点项目，先与CoE各团队负责人对齐（不参与HR业务规划，但要与HR业务规划对齐节奏），再与产研侧对齐颗粒度为季度的交付计划。