在我们的客户中，谈论人效的企业总体上可以分为两类。

一种集中于人效管控，也就是减少人力资源的投入。企业希望了解的问题是，企业目前期待的产出/生产要求下，究竟需要多少人力，现在是不是投入成本多了，他们关注的是人效的分母部分(投入)，「优化」或许就是下一步动作。

对这类的企业来说，业务增长的空间往往不那么大了，甚至出现倒退趋势，老板需要以防守的姿态来帮助企业渡过下行期，寻找新的增长曲线。人效管理也是让企业短期内生存下去的底气，老板关注人效的核心点自然是「人是不是用多了，还有优化的空间吗？」

另一类关注人效的企业则是关注如何让目前投入人力创造更多的产出？他们更关注产出(分子)。对这类企业企业来说，也是我们客户中很大一部分，即使经济处于下行期，但他们所处的赛道目前还处于增长阶段，发展相对稳定。甚至因为疫情的耽搁，这类企业目前的产出压力更大了，需要再拔一拔效能，老板的关注点自然是「目前人的产能还有没有提高的空间？过去的管理是不是不合理？如何提高人均投入？」

但无论哪一种，老板都会问HR或是业务负责人两个问题：目前人均产出情况大概是多少，也就是时间效率情况？目前的业务状态(增长/存活)需要投入多少人力？

说到这里，要说一下我们分析人效的一个基础的数据分析模型，即效率=产出/(时间*成本)。很简单，以至于很多时候我们没有深入去看这个公式背后的逻辑。

在介绍这个人效管理方程式(效率=产出/(时间*成本))之前，这个公式的逻辑很简单，即效率等于产出除以投入，不过再进一步看，投入部分等于时间乘单位成本，即时间利用率。

我们将这三者联系起来，理解起来也很容易，分子是产出，分母是时间和成本，我们想要提升人效，一种方式是在同样的时间和人力成本下，提高产出，另一种方式则是提高时间利用率，企业可以减少时间的浪费或单位人力成本的浪费。

直观来看，这个方程式缩表达的就是：时间利用率与组织和个人效率/效能方面之间的关系。对分子而言，怎么在人力和时间投入不变的情况下增加产出呢？本质还是提升时间利用率。对分母而言，如何减少时间的浪费和人力成本的浪费呢？本质上还是在考验企业人力规划和时间规划的能力，能够识别出时间和人力的浪费。

有了效能方程式的理解基础，以及基于对国外一些管理理念和行业实践的学习，我再推出我们在帮企业做人效管理时的另一个效能指标体系，即OLE，整体劳动效能指标体系。

这个体系同样由三个指标组成，即时间利用率乘以生产效率，再乘以质量合格率。

首先，时间利用率是指员工在出勤时间之内，即上下班打卡时间之内的产出有价值，比如员工一个班次是十个小时，如果员工有1.5个小时是开会培训，或者做核酸，或是无所事事，那么他从事和工作价值相关时间只有8.5个小时，时间利用率就是85%，所以时间利用率不可能高于100%。

第二个指标，生产效率，假如工作时间以一个小时产出10件为标准，一个小时内某个员工生产了9个产品，那么他的生产效率就是90%，如果你生产了11个产品，那么它的生产效率就是百分之一百一十。所以，生产效率可以高于100%，也可以低于100%，取决于制定的标准。

第三个指标，合格率更容易理解了，一批产品生产出来后，经过规范检测，检测出来的合格产品占产品总数百分比。合格率会直接关系到我们的生产成本。

尽管有时候我们发现合作客户企业的三个指标独立来看都非常不错，但是当把它们相乘以后，你会发现会变成很低，因为这三个指标彼此关联，互相影响。这也是为什么很多企业特别关注OLE呢？因为它能使问题显性化，让我们对潜在的问题更敏感。

据我们了解，那么这个指标在行业内或者在制造行业内的平均水平是75%-80%之间，大家也可以和企业的内部的情况进行对比。说到这里，接下来会我会以我们的两类主要行业客户为参考，即制造业和零售业，一起来具体看看企业在实际的人效管理中如何利用效能方程式的？

1、制造业

众所周知制造业非常注重效率指标和损耗，比如生产效率、质量合格率和时间利用率。那么，如何把这些指标都关联起来，成为一个综合的指标？以及把这三个指标层层分解下去呢？

这意味着，我们需要从公司层面去看，要知道这个每一个业务单元，每一个生产线，每一个班组，甚至每一个个体员工在这三个层面的数据。企业有足够的数据，就可以分析出整体的一个指标值，对人效最客观全面的评价。分析的颗粒度越细，就越能找到影响效率的权重因素是什么？哪个是最关键的？进而采取针对性的这个解决方案。

所以，如果我们能根据指标体系和业务特征，来梳理企业的数据，建立起整体的指标体系，就是提高员工效能的第一步。

举一个例子，我们看看这个体系如何对企业的收入产生影响。

当整体效能指标是100%的时候，我可以生产160件产品，这个时候如果每件毛利是500的话，利润是8万块钱。那如果我的整体效能是79.6%，这个时候利润是六万三千五。假如我把我的时间利用率从87.5%提高到90%，整体效能指标变成了81.9%，这个时候可以做131件产品，而他的利润是63500元，增加了2000块钱，也就是1.5%的时间利用率的提升带来了3.1%的利润增长。

我们将这种影响和变化叫做「小变化带来大改观」，通过效能指标带动经营指标。在整体效能指标体系里，时间利用率首要的影响指标，也是最容易去改善的一个指标。

就这个案例而言，82%的时间利用率背后其实还对应着21.88%的加班，也就是说正因为他时间利用的不够好，他不得不以更多的加班来完成他的工作任务，进而导致企业要花更多的人力成本。

2、零售业

然后，我们再来看零售行业常利用的指标，比如时效，比如每小时人工成本。

OLE不仅仅是制造业独有的劳动力效能指标体系，我们同样可以复用到零售业，涵盖了时间利用率、人效和成本三个维度，这三个维度是对零售业最客观全面的评价指标。基于这三个维度，企业可以再与其他业务数据关联分析。

举一个例子，某家公司的A门店和B门店，我们全方位地对它的营业额、排班工时、实际出勤工时、实际人工成本等做了对比分析，很明显可以看出差异，A门店显然好于B店。所以，当我们建立这样效率指标体系，就能够指引和评判我们的管理差异，哪个门店做得好，为什么？进而可以看这个门店的管理水平，以及店长的水平，在企业内部建立标杆，才能推动企业整体的管理水平向前推进。

有读者可能会问，我如何知道A门店的管理水平最终会促进业绩水平的提升呢？我们需要将人效的数据和零售行业的销售转化率结合来分析。

销售转化率和门店投入了多少服务员、营业员去服务客户紧密相关，顾客多的时候我们需要安排更多的服务员，推动更多的消费，缺少人的话很可能客户就流失了；也可能会给客人留下不好的印象和体验，影响品牌和整体的销售。那么，我们就需要根据我们的客流高低峰波动情况来判断投入的人力，进行规划和排班。

所以不仅制造业需要用到OLE，零售业同样需要，我们需要收集与劳动力相关的数据，比如说考勤、排班、工时、加班、休假等数据，当然也需要业务方面的数据，比如生产数据、销售数据，形成完整的效能指标体系。不管怎么样，所有的这些东西，如果你把它整合在一起，它就形成了一个非常好的指标体系，进而提升企业销售业绩，或是利润。

最后，总结一下今天和大家分享的核心观点，就是通过数据牵引管理优化，进而促进效能提升。具体实现的路径，我们可以将其归纳为四个步骤：

首先就是根据我们的效能方程式建立数据指标体系，然后去梳理、治理或是收集相关的劳动力数据，不要小看每一个数据，包括考勤数据，不要将企业已经收集好的数据视为电话号码，要利用起来，去制定智能化劳动力管理解决方案，最终实现效能提升或是业绩改善，打造企业的核心竞争力。