穆胜：这几类“假人效管理”，不如不做

毫无疑问，人效管理热起来了。很多企业的老板和高管在不同场合频繁提及人效，而按照我们的直观感觉2022年的这个数据必有极大增量。
基于这类旺盛的市场需求，若干的机构和个人开始入局，投喂人效管理产品。一时间，人效管理的氛围已经被烘托到极致。这在客观上促进了人力资源专业的进阶，事实上，只要我们将人力资源专业的目标聚焦于人效，或多或少都是这个专业的进步。至少，大家不会再把这个专业做成玄学，执着于“闻味道”“凭手感”了。
但迄今为止，对于人效管理依然还有诸多误解。另外，绝大多数企业并非意在主动提升管理，而是在经济紧缩期的被动应对。被动防守，姿势难免尴尬，如果再加上错误的方法论误导，结果就必然让人失望。
以下几类“假人效管理”，还不如不做：
01 只做“大除法”
不少企业在谈到人效时，只会算算人均营收、人均利润等宽口径数据，更有人直接定义“人效就是人均XX”。
这种“只看大数”的理解是非常粗浅的。
我想表达的是，如果无法深入业务给出窄口径数据，如果缺乏深层分析，那给出的就是路人也能给出的结论。这种结论无法帮助企业进行决策，可能还会误导企业。比如，你认为京东在亏损，但你应该理解他们自营的商业模式，还应该看看他们在的主力SKU（高粘性商品）上的GMV增长。
宽口径数据的另一个问题是，它会让HR有理由在人效管理上浅尝辄止。例如，我们会问HR：“这些宽口径数据能给你什么决策启示呢？”绝大多数HR会说：“穆老师，我们缺乏对标的行业数据，因此难以判断我们人效的高低。你们要帮我们解决这个问题呀。”
其实，这个看似完美的理由根本不成立。就好比有的小孩成绩不好，他埋怨说周围没有好学生，没有学习的氛围。这不对，好学生在哪里都是好学生。
现实中，我不否认行业对标数据的重要性，但即使只有企业自己的数据，我们也有边际经营业绩分析法、窄口径人效分析法、相对增长分析法等利器，完全可以穿透分析出企业在人效上的问题。
算法是认知，有就是有，没有就是没有。
02 无效“数据仓”
人效管理，往往和“人力资源数据化”的概念紧密联系。大量企业在算出人效数据后，都自然而然地想要把人力资源选用育留工作数据化。其目的并非为了找到数据之间的驱动关系，而是因为人效数据如果不搭配其他人力数据，总是感觉挺“孤单”的。
于是，这类企业的HR为了强调自己的专业性，总结了一大堆人力资源数据，将其一锅烂炖地放到了一个报表里。这类企业看似张口闭口谈数据，但你听他们谈数据时，特别没有画面感，数据不是为了支持自己的故事、导出自己的结论、辅助自己的决策，而是为了让自己看起来很专业。