在我看来，管理学历史上一共有三次典型的以人效为核心的思潮革命。

• 第一次是发生在20世纪初美英等工业化发达国家的“效率增进运动”，其目的是通过制定和实施最佳实践，从而识别和消除经济社会领域中的一切浪费，代表思想是泰勒的科学管理，所以也称为泰勒主义。
  
  
• 第二次是发生在20世纪下半叶的“精益生产运动”。这场由美国人戴明在日本掀起的运动，最后回到美国后再开枝散叶。精益生产的核心是通过优化流程，提高效率，降低浪费。
  
  
• 第三次就是当下发生的数字化效能革命，有人也称之为数字泰勒革命。背后的核心是通过引用数字化、算法和人工智能等技术，提升人效。
  
  

最近几年，受制于外部环境的恶化，从企业的经营管理者，到数字化科技革命的推动者，以及学界和普罗大众，人效突然成为挂在嘴边的热门词汇。

但我们今天这篇文章并不打算谈如何去改进人效，而是从数据分析的角度谈谈人效管理可能的切入角度。

实际上，在精益生产运动中，统计学和数据分析已经大放异彩。精益生产的先驱戴明曾经说过：“除了上帝，其他人请用数据说话。”

回到当下的数字化人效革命中，一方面数字化加速推动了数据化，另一方面通过数据分析的思维本身也可以驱动人效提升。

所以，我们接下来谈谈在人效管理过程中所蕴含的5种人力资源数据分析思维。然后在企业人效革命来临之前，进行一场彻底的人效分析。

第一种：特征思维

我们一般来描述现况的时候会用到事实和观点两部分。事实是客观存在的，而观点则是一种主观判断。

在进行数据分析的时候，我们先要进行事实收集。

特征思维，简单来说就是用一个特征值来描述事实，是典型的描述性分析。

在人效的分析过程中，我们最初的想法都是找到一个数值来代表人效值，也就是构建一个指标。

1）通用的人效指标，人均产出

人均产出=经营产出/员工人数

这里的经营产出选取指标的时候五花八门，可以是销售额、净利润、总产量、总产值、毛利、回款等等；相应的人均产出指标可能就是：人均销售额、人均净利润、人均产量、人均产值、人均毛利和人均回款。

不同的行业、不同公司的不同阶段，甚至不同的管理手段，决定了人效管理时究竟会选择什么样的指标。

我曾经看过一个例子，企业费用报销软件商Expensify Inc去年在美国成功上市。这家公司上市的时候只有140位员工，但其年度经常性收（ARR）达到1.4亿美元，算下来其人均ARR是100万美元，也就是说其人效是100万美元。

注意，这里的经营指标选择的是ARR，人效指标是人均ARR。这是因为在SaaS行业，AAR是更能够体现企业赢利能力和财务稳健度的指标。

2）人效指标的一个变通，用成本或者薪酬来代替人数

由于人数在统计的意义上有很大差异，一个初入职场的工程师和一个C级高管，也许薪酬相差好几倍，但在计算人效指标时，都只能简化为1个单位。

在人均薪酬差异较大的情况，或者为了更精准的计算人效，我们可以将上文提到的通用人效公式的分母从人改为钱，比如总工资额、总费用额等等。这样创造出来的指标就叫元效，或者元均产值。

元效=经营产出/总工资（总费用）

上面这个公式计算出的结果就是元均销售额、元均净利润、元均产量、元均产值、元均毛利和元均回款。

对于这个公式的变化，还可以将公式乘以10000，得出每万元工资（费用）销售额，依此类推。

同样的思路，我们在零售行业，可以将分子换成门店面积，这样可以计算坪效；在物流快递公司，可以换成时间，这样可以计算时效；在卖场商超，可以换成货物，这样可以计算货效。

3）我们也可以采用更综合的效能指标，比如OLE，整体劳动效能指标体系。

在OLE的指标构成中，就包含了三个二级指标，时间利用率、生产效率和质量合格率。相对来说，在衡量人效时，就会更加客观和包涵更多内容。

选择什么样的指标来作为人效的“特征”，企业需要结合自己的行业属性、发展阶段、管理水平等实际情况来决定。

第二种：比较思维

前文说过，描述现况会用到两部分，一部分是事实，另外一部分是观点。

观点其实就是一种主观评价。如果只是一个特征值，我们是无法进行评价的。

评价的第一个来源就是比较。在比较的过程中，我们才会产生是好是坏的评价。

关于人效比较的类型至少有以下几种：

目标比较：将人效特征值与制定好的目标或者客观的标准（行业先进水平、竞争对手水平等）进行比较。

时间比较：不同时间周期的比较（按年、季、月、日等的比较）。

属性比较：指企业内部基于不同类别属性（按部门、按产品、按城市、按管理者、按品类等）进行的比较。

过程比较：指对于不同流程中的阶段进行的比较。