人效分析指标有哪些?
当我们着手分析人效数据时，常常会囿于复杂繁多的数据报表不知从何入手。从劳动力管理方面来说常见的人效分析指标可以概括为人均类指标、元均类指标、占比类指标、增长类指标、OLE等，不同指标应用于不同的场景。
分享一个人效管理调研报告里的图片给大家：
人效分析指标概括根据这份调研的数据显示，当下企业最关心的人效分析指标为人均类指标，有81.7%的企业都在关注人均类指标。人均类指标能反映企业经营效率和质量，其应用范围较广。
举例而言，如果企业当下现金流压力较大或回款周期较长，可以将人均回款作为人效重点衡量数据；当企业想要对比下属不同分子公司产能时，可以将人均产量、人均产值作为人效分析指标。除人均类指标以外，分别有64.6%的企业和63.5%的企业会关注占比类指标和元均类指标，企业可以通过人工成本率、人工成本含量等占比类指标来衡量人工成本情况；也可以通过元均类指标中的人工投入产出比、人力资本投资回报率来衡量投入产出比。
企业想要从庞杂的人效分析指标中选定更契合的类型，需要深入思考企业当前的业务逻辑、部门情况和行业特征。
业务逻辑层面需要关注各职能部门是如何组合在一起的
如果基于流程组合，则需要强大的流程管理工具来实现协同，确保每一环节都符合交付标准；如果职能部门基于分工组合，则需要清晰的横向分工和纵向授权来实现协同，主要关注岗位是否按照职责完成工作。
评定不同部门所需关注的人效指标也不同
销售部门常用的人效分析指标包括人均销售额、人均利润、人均GMV；运营部门常用的人效指标有人均获客数、订单转化率；评判仓储物流部门的人效通常采用人均SKU（库存量单位）；评判生产部门的人效通常需要根据生产工艺确定标准工时，之后评定人均产量。
不同行业所关注的人效数据也不尽相同
综合来看，我们发现医药行业更关注人均类指标，98.5%的医药企业都在关注人均类指标；物流/交通运输行业更关注占比类指标，对于占比类数据关注度高达90%；银行/保险/证券/金融服务行业更关注增长类指标，其中72.9%的金融类参调企业都在关注增长类指标。
细究其原因，可能与不同行业特征有关。
近年来，部分医药生产企业新药研发成果转化慢，医药零售业绩增长乏力，需要更多关注人均销售额、人均毛利、人均利润率等数据，从而提升营收业绩；而物流行业专业人才紧缺，人才流失率高，企业需要通过分析薪酬福利成本占销售额比重等数据来衡量企业薪酬福利成本，更好地优化薪酬福利结构，实现人才的激励保留。
此外，金融类企业对企业编制的要求与管控较为严格，部分银行金融类企业会通过增长类指标精细化管理人员编制、薪酬福利水平。总而言之，企业需要结合自身行业特征选定合适的人效分析指标。
以上分享的内容都来自于我们的人效管理白皮书，感情兴趣的小伙伴们可以点击下方链接查看完整版本：
下载地址：https://www.gaiaworks.cn/resources/report/resource-2022111.html
新一代人工智能的发展与展望
随着大数据、云计算等技术的飞速发展，人们生产生活的数据基础和信息环境得到了大幅提升，人工智能（AI）正在从专用智能迈向通用智能，进入了全新的发展阶段。国务院印发的《新一代人工智能发展规划》指出新一代人工智能相关学科发展、理论建模、技术创新、软硬件升级等整体推进，正在引发链式突破，推动经济社会各领域从数字化、网络化向智能化加速跃升。在4月10日“吴文俊人工智能科学技术奖”十周年颁奖盛典中，作为我国不确定性人工智能领域的主要开拓者、中国人工智能学会名誉理事长李德毅院士荣获“吴文俊人工智能最高成就奖”，并在大会上作题为《探索什么叫新一代人工智能》的报告，探讨了新一代人工智能的内涵和路径，引领着新一代人工智能的发展与展望。
人工智能这一概念诞生于1956年在美国达特茅斯学院举行的“人工智能夏季研讨会”，随后在20世纪50年代末和80年代初先后两次步入发展高峰，但因为技术瓶颈、应用成本等局限性而均掉入低谷。在信息技术的引领下，数据信息快速积累，运算能力大幅提升，人工智能发展环境发生了巨大变化，跨媒体智能、群体智能成为新的发展方向，以2006年深度学习模型的提出为标志，人工智能第三次站在了科技发展的浪潮之巅。
当前，随着移动互联网、物联网、大数据、云计算和人工智能等新一代信息技术的加速迭代演进，人类社会与物理世界的二元结构正在进阶到人类社会、信息空间和物理世界的三元结构，人与人、机器与机器、人与机器的交流互动愈加频繁。在多源数据、多元应用和超算能力、算法模型的共同驱动下，传统以计算机智能为基础的、依赖于算力算法和数据的人工智能，强调通用学习和大规模训练集的机器学习，正逐渐朝着以开放性智能为基础、依赖于交互学习和记忆、基于推理和知识驱动的以混合认知模型为中心的新一代人工智能方向迈进。应该说，新一代人工智能的内核是“会学习”，相较于当下只是代码的重复简单执行，新一代人工智能则需要能够在学习过程中解决新的问题。其中，学习的条件是认知，学习的客体是知识，学习的形态是交互，学习的核心是理解，学习的结果是记忆……因此，学习是新一代人工智能解释解决现实问题的基础，记忆智能是新一代人工智能中多领域、多情景可计算智能的边界和约束。进而当人类进入和智能机器互动的时代，新一代人工智能需要与时俱进地持续学习，不断检视解决新的问题，帮助人机加深、加快从对态势的全息感知递进到对世界的多维认知。
事实上，基于数据驱动型的传统人工智能，大多建立在“数据中立、算法公正和程序正义”三要素基础之上，而新一代人工智能更关注于交互能力，旨在通过设计“记忆”模块来模仿人脑，解决更灵活多变的实际问题，真正成为“不断学习、与时俱进”的人工智能。特别是人机交互支撑实现人机交叉融合与协同互动，目前已在多个领域取得了卓越成果，形成了多方面、多种类、多层次的应用。例如，在线客服可以实现全天候不间断服务，轻松解决用户咨询等问题，也可将棘手问题转交人工客服处理，降低了企业的管理成本；在智慧医疗领域，人工智能可以通过神经影像实现辅助智能诊断，帮助医生阅片，目前准确率已达95%以上，节省了大量的人力；2020年，在抗击疫情的过程中，新一代人工智能技术加速与交通、医疗、教育、应急等事务协作联动，在科技战“疫”中大显身手，助力疫情防控取得显著成效。
未来已来，随着人工智能逐渐融入居民生活的方方面面，将继续在智慧医疗、自动驾驶、工业制造智能化等领域崭露头角。一是基于新一代人工智能的智慧医疗，将助力医院更好记录、存储和分析患者的健康信息，提供更加精准化和个性化的健康服务，显著提升医院的临床诊断精确度。二是通过将新一代人工智能运用于自动驾驶系统的感知、预测和决策等方面，重点解决车道协同、多车调度、传感器定位等问题，重新定义城市生活中人们的出行方式。三是由于我国工业向大型化、高速化、精细化、自主化发展，对高端大规模可编程自动化系统提出迫切需求，新一代人工智能将推动基于工业4.0发展纲领，以高度自动化的智能感知为核心，主动排除生产障碍，发展具备有适应性、资源效率、人机协同工程的智能工厂应运而生。总之，如何展望人工智能通过交互学习和记忆理解实现自编程和自成长，提升自主学习和人机交互的效率，将是未来研究着力发展的硬核领域，并加速新一代信息技术与智能制造深度融合，推动数字化转型走深走实，有信心、有能力去迎接下一场深刻产业变革的到来。
作者：徐云峰
catalogs:13000076;contentid:7688970;publishdate:2021-06-11;author:黄童欣;file:1623414511328-aff718d9-3742-46b0-b08c-e56bdd1ed8c8;source:29;from:中华读书报;timestamp:2021-06-1120:28:23;[责任编辑:]