摘要：
在经历过商业模式驱动经营、产品驱动业务的阶段后，越来越多的中国企业认识到组织能力与人才的重要性，因此组织能力建设逐渐成为人力资源管理的重点。但与此同时也遇到了一个困境：组织能力如何被评价?人力资源的工作价值如何被量化?绝大多数的CEO一定会选择人力资源效能这一定量方式去衡量，这也是组织能力的可量化指标，工作理念会随之演变成：向⼈力资源管理要结果，⼈力资源管理要敢于绑定业务。
近日，房多多生态合伙人&总政委刘晓宇受邀出席肯耐珂萨“2020第五届中国组织能力调研”云峰会，从“组织效能”和“个人效能”两大层面，分享了他们人效突破的实践。
房多多成立于2011年，是中国居住服务领域领先的互联网科技公司。2019年11月，房多多成功登陆纳斯达克，被誉为中国“产业互联网SaaS第一股”。公司从2017年起进化到组织能力强化的第二阶段：提升效能。凭借优秀的组织能力健康度，获得“2019第四届全国组织能力调研最佳实践奖”。
什么是人效?简单理解就是人力资源管理的投入产出比。具体来说，可以拆解为两个层面：组织效能和个人效能。前者是由组织管理模式的基因先天决定的，是第一优先的。后者更多取决于个人意愿与能力，这和“组织能力杨三角”理论中的员工意愿、员工能力是相关的。
当下的互联网时代，“人”已经成为了企业最重要的资产，企业要想获得长足发展，以人为本是前提。当我们在人效上有所突破后，整个公司的投产比会发生很大的变化。那么，如何将人效作为企业经营的支点呢?从以下四个维度与大家分享实践经验：
第一，通过组织模式的进化，提升组织效能
组织管理模式的设计，决定了组织效能，同时也是人力资源工作的原点。因为，组织模式不仅承接了战略落地，决定企业的运转效率，从而影响经营结果，也为人才发展提供了土壤。
房多多经历了2次组织模式的进化，第1个进化是从科层式组织到平台型组织.当构建了平台型组织后，按“前中后场”进行分布，小团队的“前场”加上大平台的“中后场”。
第2个进化是平台型组织模式与项目组制的融合。项目组制，是个纵向的灵活机制，一方面实现了组织的创新敏捷性，另一方面有助于打破部门墙，实现人才复用。这是提高企业人效非常重要的抓手。
提升组织效能对人力资源管理负责人的要求也会随之变大，要拥有战略高度，即使不能匹及CEO，也必须能深刻理解战略深意;其次要具有经营思维，密切关注业务指标的达成，成本、费用占比情况;第三就是我们常说的懂业务，站在业务维度去看问题;最后学会基于数据化的衡量，根据结果、效能进行资源配置。
第二，从员工意愿和员工能力出发，提升个人效能
个人效能的提升，首先要看员工意愿，我们会做很多文化牵引。从战略宣导、目标共识、变革推动、组织氛围、价值观，在意识层面促进大家达成共识。
再来看看杨三角中的另一个角“员工能力”，我们认为在这个维度，评价与培养是两手抓的。员工评价非常重要，因为评价是分配资源的基础，公正的评价是保留人才的基本保障。选到优秀的人做正确的事，企业才会越来越成功，所以我们打造了房多多大学，这是线上平台与线下练兵相融合的培养。我们希望，员工待在一家有梦想的公司，自身能有所成长。
第三，搭建进化背后的人力资源管理支撑体系
人效数据获得显著优化的背后，背后有两个独特的人力资源体系在支撑：政委体系与COE协作、合伙人机制。
政委是组织中的二把手，他们是员工思维的建设者、员工能力的推动者。对于政委的定位，很多人问是不是HRBP?我说HRBP的事政委要干，但是政委的重要性远远大于HRBP，因为作为政委，需要懂业务、提效能、推文化、促人才，是为人效负责的。政委同时还要与COE做好协作，COE是重要的机制建设者。
房多多的合伙人制是动态变化的，在发展过程中如果没有达成，大家是愿意退回的，以开放的心态进行员工能力、认知的收集。因为大家认为合伙的不是钱或者激励，而是大家的能力合作，共同推动组织的前进。这是从原来的个人决策，转向了科学的组织决策。
第四，数据化运营人力资源
人力资源部最重要的指标是人效。同时还会有人才指标，比如招聘限时到岗率，通过政委协同各业务线进行人效指标分解，从数据中反向寻找问题。
HR的工作如何量化，很多人为此困扰。其实做得好的HR团队就有能力去量化，做的不好的HR才会强调做了多少事，不会数据说话。我们开展人力资源管理工作，一定要明白：如果不能落到可量化的反馈上，很多工作都会失去意义，人力高效的基础是数据驱动。
经过这些维度的实践，近三年房多多的人均收入和投产比都在持续增长，与行业传统公司相比，房多多的人效是10倍以上。这些都是采用平台化组织模式，加上日常数据化的管理，达成了最终人均效能的提升。
当前，由于不确定的外部环境的挤压，企业必然要回归到组织管理这一原点，充分挖掘运营管理中的数据红利。肯耐珂萨认为，人力资源管理的数字化是企业绕不开的趋势，互联网时代组织沉淀了大量的员工数据，HR管理者要善于借助平台或者系统工具，来积累数据、分析数据，挖掘数据背后的规律，通过数据走向理性决策。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
