2019人才资本趋势报告 100页

开源时代AGE OF OPEN-SOURCING 2019人才资本趋势报告 3 开源时代 2019 人才资本趋势报告 BRIDGING THE PRICE GAP: WHEN DEMAND MEETS SUPPLY 趋势1 跨越人才价格鸿沟：阅读供需关系 改革开放40年以来，劳动力市场作为中国经济最主要的驱动力之 一，其活跃程度直接反映了经济的活力。对于求职者而言，活跃 的市场会提供更多的就业机会；对于企业而言，活跃的市场也预 示着有更多的机会招聘到优秀的人才。 在2018年，我们看到了一个信号与噪声共存的就业市场：一方 面，企业和求职者双方都有机会接触到更透明的薪资和行业信 息，这是信号；另一方面，信息爆炸提升了辨识难度，企业和求 职者双方对岗位描述和工作能力的认知也往往存在偏差，尤其是 当一个人才出现在某一时间窗口，如果一份工作没有及时吸引他 （她），也许就意味着一次错过，这是噪声。 随着新兴产业和岗位的不断涌现，如何提升人岗匹配效率，降低 资源浪费，成为就业市场设计者面临的巨大挑战。 就业市场是由雇主和求职者构成的双边市场。近些年来，由于快速签订就业协议变得越来越容 易，市场参与者正在从传统的花大量时间找合适的匹配者并进行薪资谈判中解放出来。这其中 的主要原因包括： 第一，信息流通更快速。招聘信息可以更方便及时地通过公司的招聘主页或第三方招聘平台发 布，极大地降低了信息流通的成本。发达的职业社交平台和社交媒体使得企业能够更快捷有效 地寻找、评估以及联系潜在的求职者，同时也大大提高了求职者找到合适工作的机会。 第二，信息可得性和透明度提高。就业市场的信息透明度也在逐渐增加。以中国为例，在很多 招聘网站上，岗位招聘薪资和求职者期望薪资的范围都已经公开，这使得市场双方对自身价值 的评判越来越科学。在BOSS直聘“2018企业人才需求趋势调查”中，当招聘者被问及“招聘 人才过程中遇到的主要困难”时，相对于“人才质量参差不齐”的40.6%和“高质量专业人才 存量不足”的36.9%，选择“难以把握薪酬水平”的仅占6.5%。（如图1.1） 这些改变都使得就业市场更加有效和公平，但也直接导致，市场的任何一方在作决策时都需要 借助大量的信息。在这种情况下，无论是求职者还是招聘者都期望在进入市场之前就对市场的 状况有清晰的把握。换句话说，他们需要一个简单而具有说服力的市场指数。附录1总结了现有 的用来理解就业市场状况的主要指数。 现有的工具箱 4开源时代 2019 人才资本趋势报告 招聘人才过程中遇到的主要困难（图1.1） 高质量专业人才存量不足 难以把握合理的薪酬水平 触达人才范围有限 人才质量参差不齐，筛选难度大 6.5% 36.9% 40.6% 16% BOSS直聘 就业市场繁荣指数JMPI 基于均衡价格的JMPI 在BOSS直聘“2018企业人才需求趋势调查”中，我们发现，越来越多的企业认识到价格因素 在提升效率方面的作用。在被问及“哪种方式对于提升员工绩效最为有效”时，41.5%的参与 者强调“奖惩分明”的重要性。（如图1.2） 为了更直观地反映就业市场的繁荣状况，BOSS直聘职业科学实验室提出了一个新的评价就业 市场状态的指数，即就业市场繁荣指数（Job Market Prosperity Index-JMPI）。 如图1.3所示，当市场供需平衡时，其交点是市场的均衡价格P*。利用该均衡价格，我们将就 业市场繁荣指数JMPI定义为 JMPI = （职位总数/人才总数）x log（均衡价格）注释1 为了计算JMPI，我们用机器学习的方法拟合出了就业市场的供求曲线，并对均衡价格P*进行 估计。与求职者和雇主各自提供的薪资区间相比，均衡价格能够反映出就业市场达到均衡状态 时的人才价格。由于JMPI将就业市场中的薪资因素考虑在内，该指数更能反应经济层面的就业 市场繁荣程度[1]。 从更通俗的角度来看JMPI指数，职位总数与价格的乘积体现的是某个行业或地区中所有岗位的 总薪资，也就是企业愿意付出的“人才成本蛋糕”，JMPI指数体现的是在这个行业或地区内每 个求职者能够分享到的“蛋糕”大小。JMPI指数越高，这个就业市场就越繁荣，求职者获得的 回报也更高。 5 开源时代 2019 人才资本趋势报告 哪种方式对于提升员工绩效最为有效（图1.2） 奖惩分明 设立淘汰机制 高质量的团建和文化活动 合理高效的培训 41.5% 15.1% 23.5% 19.9% 供给与需求曲线（图1.3） 6开源时代 2019 人才资本趋势报告 价格 供给曲线 消费者盈余 生产者盈余 均衡点 需求曲线 数量 Q*均衡数量 P* 均 衡 价 格 我们从BOSS直聘平台2018年的数据中选取了六个具有代表性的行业注释2：教育培训、人工智 能、互联网、电子商务、金融和房地产，它们能够一定程度上反映技术革命、政策影响、消费 拉动、劳动力素质提升等方面的变化，并计算了它们的JMPI指数。附录2总结了2018年四个季 度所有一级行业的JMPI指数。 图1.4为六个行业的JMPI指数，我们发现这六个领域的JMPI整体上都呈上涨趋势。其中： 教育培训行业呈现出显著增长的态势，教育 x 人工智能的大趋势下，行业前景向好； 人工智能领域的JMPI有所波动，但基本上维持在高位平稳状态。人工智能依然是重要风 口和未来方向； 互联网和电子商务行业的JMPI指数较高。互联网已经成为基础设施，在近几年也始终是 最为活跃的就业领域之一。2018年三季度以来的市场波动，并未对整体的就业繁荣程度 造成重大影响； 电子商务行业的发展能够反映大众对消费品的需求态势。2018年第三季度，我们看到电 商行业的职位数远大于人才供应； 金融和房地产都是受政策影响比较大的行业，我们同时分析了传统金融以及金融科技领 域。2018年，由于薪资水平依然具有明显优势，金融行业的JMPI暂时还处于比较平稳的 态势，但今年以来资本市场的动荡、资管新规的出台、P2P理财的大面积爆雷等等，对 金融业的就业市场都带来了一定影响，在二季度，我们也观察到了较为明显的波动。这一 动荡在三季度有所回暖。 7 开源时代 2019 人才资本趋势报告 六个代表领域2018年JMPI指数（图1.4） JMPI 0 2 4 6 8 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 互联网 金融 房地产 电子商务 人工智能教育平均值 基于社会盈余的JMPI 为了进一步优化JMPI指数，我们引入盈余（Surplus）的概念[2]。不难理解，任何薪资高于市 场均衡水平的人才需求将会很快被市场消化掉，其直接结果就是为雇主创造了盈余。在图1.3中 高于薪资均衡点水平线的需求曲线下方的阴影区域就代表雇主盈余。 类似于雇主盈余，任何薪资低于市场均衡水平的人才供应将会很快被市场吸收，其直接结果就 是为求职者创造了盈余。如图1.3所示，低于薪资均衡点水平线的供应曲线上方的阴影区域就代 表求职者盈余。 雇主盈余和求职者盈余共同为就业市场创造了动力，如果将两者相加，则会产生就业市场总盈 余，它是社会总盈余重要的一部分。 图1.5中，我们绘制出了六个领域的社会JMPI，我们发现，市场盈余较高的行业（互联网、金 融和电子商务）与市场盈余较低的行业（教育和人工智能）的社会JMPI进一步拉大。 8开源时代 2019 人才资本趋势报告 社会JMPI（图1.5） JMPI 0 10 20 30 40 50 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 互联网 金融 房地产 电子商务 人工智能教育平均值 价格均衡点 在经济学里，均衡价格是供求曲线的交点。我们利用BOSS直聘平台2018年的数据拟合出了不 同行业的供求曲线，并得到了一个均衡价格，图1.6显示了六个领域的均衡价格趋势图，为了观 察均衡价格和求职者平均期望薪资的差别，我们将每个行业求职者平均期望薪资用同样颜色的 线条表示。 这里我们单独分析三个领域的薪资水平，可以看出如下特点： 第一、人工智能领域的均衡月薪达到了2万元以上，远远高于互联网（1万元以上）以及教育行 业（5千元以上）。但求职者平均期望薪资要低于行业的均衡价格，这反映出目前市场上人工智 能人才的整体素质还不高，对自身的估值也无法达到企业真正的需求水平，高质量人工智能人 才高度紧缺的现状依然在持续。 第二、互联网行业求职者的平均期望薪资和拟合的均衡价格几乎重合。这表明互联网行业已经 达到了相对成熟平稳的阶段。 第三、教育行业求职者的平均期望薪资普遍高于行业的均衡价格。随着人工智能在教育领域中 应用的不断扩大，许多高级技术人才进入教育行业，但行业的整体薪酬水平还没有升级，行业 仍然处在转型中。 9 开源时代 2019 人才资本趋势报告 均衡价格与求职者平均期望薪资的对比（图1.6） k/月 0 5 10 15 20 25 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 互联网 金融 房地产 电子商务 人工智能教育 价格弹性 我们使用价格弹性来量化供求双方对价格的敏感度。 具体说来，作为人才供应方，薪资的波动对于人才供应数量的影响就可以用供应价格弹性 （Wage Elasticity of Supply, WES）来表示： WES = 人才供应数量变化百分比/薪资变化百分比 与此类似，薪资的波动对于人才需求数量的影响可以用需求价格弹性（Wage Elasticity of Demand, WED）来表示： WED = 人才需求数量变化百分比/薪资变化百分比 综合说来，WES值体现的是：单位比例薪资波动引起多少比例的人才进入，或者离开就业市 场；WED值体现的是单位比例薪资波动引起多少比例的职位进入或者离开就业市场。因此，将 WES和WED与JMPI指数结合起来，可以帮助我们理解就业市场繁荣程度与价格变动的关系。 10开源时代 2019 人才资本趋势报告 WED（图1.7） WED 0.0 0.5 1.0 1.5 2.0 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 互联网 金融 房地产 电子商务 人工智能教育 图1.7和1.8中，我们分别计算了六个行业的WES值和WED值。我们发现： 第一、企业看待就业市场应该重点参考WES值，WES值较低直接反映了人才对薪资不敏感。 对于能够把握住的人才，企业应该珍惜。在六个行业中，WES值最高的是人工智能和金融行 业，WES值最低的是教育和互联网行业。 对低WES值的理解可以回答企业经常遇到的一个招聘迷思：“为什么我提 高工资了，但还是招不到适合的人？” 第二、人才看待就业市场应该重点参考WED值，WED值普遍呈现高弹性特征，直接反映了职 位对薪资敏感。在六个行业中，WED值最高的是人工智能和教育行业，WED值最低的是互联 网和金融行业。 对于高WED值的理解能够回答求职者经常遇到的求职困惑：“为什么我那 么有能力，但找一份高薪工作那么难？” 11 开源时代 2019 人才资本趋势报告 WES（图1.8） WES 0.0 0.1 0.2 0.3 0.4 0.5 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 互联网 金融 房地产 电子商务 人工智能教育 跨越价格鸿沟 尽管价格透明化还处于起步阶段，就业市场的“开源时代”却在2018年的最后一个季度悄然到 来。对于供需双方来说，“开源”代表着信息的有效性、可控性和稳定性。基于此，一个市场 设计者和管理者应该具备把握价格“脉搏”的能力，对供应和需求的理解越充分，就越能够设 计出更加有效的机制来协助市场参与者跨越价格的鸿沟。 12开源时代 2019 人才资本趋势报告 供需比 （DSR）注释 3 指数含义 指数评价 注释 当DSR > 1，求职者会有 更多的选择机会； 当DSR < 1，招聘者将有 更多的选择机会。 优：指标简单。 劣：很难衡量该市场的经 济特性。 按照DSR来定义的指数 包括CIER（中国就业研 究所）指数[3]和TSI（人 才稀缺指数）[4] 劳动力市场状况指数 （LMCI） 通过分析类似于失业率、 失业前薪资和企业调查问 卷等关键指标，对劳动力 市场进行跟踪。 优：从多个维度分析失业 率，被美联储当作最大限 度提高就业的指数使用。 劣：在提出不久就受到诸 多 经 济 学 家 的 抵 制 和 批 评。LMCI和失业率之间 的负相关特性使得其变成 一个令人失望的工具。 美联储在2014年提出， 并于2017年放弃了该指 数[6] 就业趋势指数 （ETI） 用8个被证明准确的指标 性 数 据 形 成 一 个 综 合 指 数。其数据源包括美国劳 工部、美工劳动统计局和 美联储等，主要被用来预 测就业趋势。 优：强大的预测能力。 劣：敏捷性低，在形成该 指数的时候，那些能够帮 助求职者迅速作出决定的 所 谓 的 信 息 恰 恰 被 当 成 “噪声”过滤掉了。 2008年，由1200个上市 和私营公司构成的非营利 组织Conference Board 提出[7] 劳动力市场指数 （GLMI） 由来自于全世界的多种信 息 源 构 成 ， 包 括 ： 失 业 率、劳动力参与率、总计 工作时间和员工津贴等。 优：概览不同国家之间的 劳动力市场状况变化，反 映宏观层面信息。 劣：当前市场相对于其历 史表现的提高情况。主要 体 现 一 种 惯 性 指 标 ， 从 GLMI曲线上观察该惯性 指标显得非常不直接。 Glassdoor提出[5] 附录1: 现有就业市场指数 13 开源时代 2019 人才资本趋势报告 附录2: 2018年一季度至四季度各一级行业的各项指标 一 季 度 二 季 度 三 季 度 四 季 度 电 子 /通 信 房 地 产 /建 筑 服 务 业 广 告 /传 媒 互 联 网 /I T 机 械 /制 造 交 通 /物 流 /贸 易 教 育 /培 训 金 融 能 源 /化 工 /环 保 汽 车 文 化 /体 育 消 费 品 政 府 /N G O 制 药 /医 疗 专 业 服 务 So ci al JM PI JM PI W ED W ES 0. 66 1. 62 0. 47 0. 25 1. 52 0. 28 0. 79 0. 37 1. 95 0. 28 0. 56 0. 33 0. 44 1. 35 0. 22 0. 61 4. 2 10 .6 3. 65 2 11 .9 1. 78 5. 53 2. 89 11 .7 1. 64 3. 6 2. 26 3. 06 8. 54 1. 51 4. 46 1. 5 1. 77 1. 66 1. 72 1. 37 1. 79 1. 8 1. 82 1. 59 1. 62 1. 5 1. 63 1. 92 1. 55 1. 68 1. 63 0. 28 0. 22 0. 26 0. 27 0. 27 0. 28 0. 29 0. 26 0. 27 0. 29 0. 25 0. 26 0. 28 0. 27 0. 27 0. 24 So ci al JM PI JM PI W ED W ES 0. 78 1. 7 0. 49 0. 35 1. 72 0. 43 0. 77 0. 45 2. 0 0. 41 0. 57 0. 46 0. 57 1. 38 0. 28 0. 78 5. 2 11 .9 4. 33 2. 95 13 .7 3. 01 5. 78 3. 75 12 .8 2. 67 4. 0 3. 45 4. 42 9. 19 2. 29 6. 05 1. 52 1. 77 1. 78 1. 74 1. 39 1. 82 1. 83 1. 89 1. 55 1. 64 1. 54 1. 64 2. 0 1. 59 1. 66 1. 67 0. 28 0. 23 0. 25 0. 27 0. 28 0. 3 0. 29 0. 26 0. 24 0. 28 0. 23 0. 28 0. 27 0. 27 0. 27 0. 24 So ci al JM PI JM PI W ED W ES 1. 2 2. 1 0. 89 0. 47 1. 96 0. 55 0. 89 0. 63 2. 35 0. 51 0. 76 0. 79 0. 82 1. 46 0. 4 1. 07 7. 83 14 .6 7. 32 3. 84 15 .6 3. 85 6. 51 5. 29 14 .8 3. 84 5. 29 5. 73 6. 26 9. 84 3. 04 7. 95 1. 65 1. 86 1. 8 1. 74 1. 4 1. 97 1. 84 1. 95 1. 51 1. 71 1. 6 1. 65 2. 04 1. 61 8. 67 1. 6 0. 29 0. 22 0. 26 0. 25 0. 27 0. 3 0. 29 0. 26 0. 24 0. 29 0. 22 0. 26 0. 27 0. 27 0. 27 0. 24 So ci al JM PI JM PI W ED W ES 1. 52 2. 34 1. 38 0. 7 2. 63 0. 71 1. 1 1. 05 3. 32 0. 82 0. 92 1. 39 1. 15 1. 79 0. 65 1. 28 9. 55 15 .7 10 .5 5. 3 19 .9 4. 67 7. 92 8. 11 19 .6 5. 18 6. 32 9. 25 8. 39 11 .5 4. 52 9. 55 1. 66 1. 79 1. 83 1. 79 1. 39 1. 93 1. 95 2. 05 1. 52 1. 69 1. 5 1. 68 1. 91 1. 57 1. 63 1. 55 0. 28 0. 2 0. 26 0. 26 0. 27 0. 3 0. 29 0. 26 0. 26 0. 29 0. 21 0. 27 0. 28 0. 27 0. 27 0. 23 14开源时代 2019 人才资本趋势报告 注释 1. 职位数是职位的供给，也可认为是对人才的需求；人才数是人才的供给，也可认为是对职位 的需求。因此，此比例可被认为是职位的供需比，或人才的需供比。对均衡价格取对数是为了 反映价格线性变化的趋势。 2. 这里选取的是广义的行业，其中既包括某些具体行业的合并（比如金融包括传统金融和互联 网金融），又包括某些技术层面的提取（比如人工智能并不是确切的行业，我们提取了很多行 业对人工智能人才的需求）。 3. 这里的“供”是指职位的供给，即对人才的需求。这里的“需”是对职位的需求，即人才 （劳动力）的供给。 15 开源时代 2019 人才资本趋势报告 参考文献 [1] 凤凰网，《BOSS直聘职业科学实验室推出JMPI 指数，从资本角度解读人才趋势》， 2018年11月 [2] M. Pramanik, Application of the integral I: Consumer and Producer Surplus, course note, UBC [3] 中国就业研究所, CIER指数介绍, http://www.cier.org.cn/Info.asp [4] 搜狐，《南京互联网人才紧缺报告，前端开发工程师最紧俏》， 2015年 [5] Glassdoor Research, Glassdoor Labor Market Index, https://www.glass- door.com/research, 2016. [6] Federal Reserve, Assessing the Change in Labor Market Conditions, https://ww- w.federalreserve.gov/econres- data/notes/feds-notes/2014/assessing-the-change-in-labor- market-condi- tions-20140522.html, 2014. [7] The Conference Board, Employment Trends Index, https://www.confer- ence-board.org/data/eti.cfm, 2008. 16开源时代 2019 人才资本趋势报告 17 开源时代 2019 人才资本趋势报告 HONE YOUR FUTURISTIC SKILLS: PREPARE FOR THE REVOLUTION 趋势2 储备未来型技能：迎接技术变革 人工智能、大数据、云计算、区块链等新兴技术已成为主导产业 变革的决定性力量，雇主对人才的技能要求正发生深刻转变。技 术的快速迭代重新定义了长久以来企业对人才的筛选规则，重塑 着劳动力市场架构。 通过对BOSS直聘平台2018年求职者专业技能需求的分析，我们 发现：数字化转型背景下，未来型技能、大数据技能、管理培训 一体化技能在市场上将愈发受到青睐。 为了在竞争激烈的商业赛道中拔得头筹，企业必须为变革而生，因变革而活，这意味着雇主需 要吸引大量拥有未来型技能的精英人才，利用技术优势扩大边界，实现企业价值的整体跃升。 未来型技能没有统一标准，我们根据其对产业的影响程度，将未来型技能定义为具有高技术含 量，能够颠覆传统流程，影响和塑造未来的新兴技能。BOSS直聘研究院数据显示，未来几年 中，这些技能包括人工智能、算法、智能识别等。这些技能或多或少重塑了原有技术体系，形 成从宏观到微观的结构改变，带动关联行业产出效能大幅提升。 过去三年中，大部分未来型技能需求的年复合增长率超过150%，其中图像算法、语义识别等 应用型技能年均需求增幅达3倍以上。未来型技能所对应的知识区间范围更广纵深程度更高，限 制了人才存量的快速增长，也进一步令掌握相关技能的人才在招聘市场中价值直线飙升。 BOSS直聘研究院数据显示，企业为未来型技能人才所付出的薪酬总量正以倍数级速率膨胀。 2018年，所有要求掌握AI、算法、智能识别等相关技能的岗位，年度薪资 总和规模至少达到15亿元，较2017年增长5.8倍。 即使是部分数字化程度略低的传统产业（例如农业、交通等）也在尽可能开出行业内顶薪，以 争抢拥有未来型技能的核心人才，这从我们对人工智能和其他行业的JMPI指数和均衡价格的分 析中也得到了验证。除了在薪酬上占据优势外，掌握未来型技能的人才在职场中更受欢迎，被 雇主主动关注和收藏的次数处于70分位值以上。 应该认识到，所有具备“未来性”的技能都不可能是一朝一夕培养出来的，作为求职者，对于 未来型技能，应该从两个角度来把握： 第一、未来型技能的超前特性。以人工智能为例，从1956年达特茅斯会议[1]奠定了人工智能 的框架开始，这个领域经历了60多年的起起伏伏，我们熟悉的大多数机器学习模型和算法在20 世纪80-90年代便已经完成了奠基工作，比如：反向传播算法、SVM、LSTM和CNN等。无 论求职者还是企业，在磨炼超前思维的同时不要盲目追逐风口，而应该不断夯实技术功底，并 始终密切关注前沿技术的发展。 第二、未来型技能的多学科特性。今天人工智能的繁荣建立在诸如计算机科学、神经科学、统 计学以及优化理论的共同发展基础上，任何从单一视角来看待某种技能的思维模式，都很难获 得成功。通过对BOSS直聘平台上近5年毕业的本科生专业背景进行分析，我们发现，已经很难 找到某个专业的人才仅从事单一职位的现象。比如：从事机器学习的求职者来自于计算机、数 学、物理学、生物科学等在内的67种专业。 未来型技能 18开源时代 2019 人才资本趋势报告 大数据时代下，数据驱动已上升到企业的重要战略层面。国内各垂直领域的领先者，均在通过 对数据和流量的深度挖掘和变现实现在特定领域的优势局面。新兴创业公司也在纷纷效仿，将 数据技术贯穿于业务之中，指导公司各层级决策。 BOSS直聘研究院注意到，过去一年中，不少非技术岗位也开始对求职者的数据处理能力提出 要求。以产品和运营为例，之前企业对产品、运营人才的核心要求是推动产品迭代和提升用户 粘性，两者专注于本职工作，在数据分析师的支持下，实现各自岗位的良性闭环。 2018年，更多雇主希望产品、运营类人才能够充当半个数据分析师，既理解业务本质，又了解 如何处理混合数据，依靠自身力量提取并消化数据，推动工作效率进一步优化。为达成这一目 标，产品、运营专员除了需要精通专属业务技能外，还要知晓SQL、HIVE等数据库语言。 对于数据分析师来说，企业更希望他们将精力放在点亮有价值却未能充分利 用的“暗数据”和非结构化内容的挖掘上。 这也解释了为什么Facebook的首席AI科学家Yann LeCun 在讲座中反复提起：与依赖昂贵的 人工标注的机器学习相比，能够从未经标注的大数据中挖掘出信息的非监督式学习将是人工智 能的“暗物质”[2]。 企业对专业数据分析师的技能有了更高要求，除了SAS或R外，更多岗位要求应聘者必须掌握 Python、Java，C++等编程语言中的一项。 2018年，Python再一次成为大数据相关岗位中 受欢迎的技能，它在招聘需求中的出现频率 高于R语言的两倍。Python的易用性，强大的第三方库以及在数据领域外的延申应用确保了其 近几年在数据挖掘上的领先地位。 作为与时代同步的专业技能，数据处理能力为求职者带来的薪酬倍增效应十分显著。2018年同 等 学 历 和 工 作 经 验 下 ， 掌 握 数 据 处 理 能 力 人 才 的 薪 酬 比 不 具 备 数 据 能 力 的 求 职 者 高 出 10-30%，在长期薪酬回报率上，前者也要较后者高出两成。 大数据技能 19 开源时代 2019 人才资本趋势报告 我们观察到，在外部人才争夺环境日趋激烈的背景下，企业更加认识到“开源节流”的重要 性。一方面，招聘者主动活跃的程度提高，他们广开源路，频频出击接触优秀的人才；另一方 面，招聘者也意识到，单纯依靠外部招聘难以弥补企业人才缺口，因而双管齐下，为内部员工 提供升迁和转岗机会，以减少内部人才的“易损性”。在BOSS直聘“2018企业人才需求趋势 调查”中，当被问及“公司是否有系统的内部转岗制度时”，只有17.3%的被调查者回答没 有，而已经有的和计划开展的分别占70.4%和12.3%。 随着企业普遍开启数字化转型，技术人才紧缺现状不断加剧。更多企业开始调整人才战略，通 过强化培训体系，帮助员工重塑技能结构，以平衡企业的人才需求。在同一份调查中，当被问 及“公司是否有系统的员工培训制度”时，只有11.2%的被调查者回答没有，已经有和计划开 展的企业分别占69.4%和19.4%。 管理培训一体化技能 20开源时代 2019 人才资本趋势报告 公司是否有系统的内部转岗制度（图2.1） 是 否 2019有计划开展 公司是否有系统的员工培训制度（图2.2） 是 否 2019有计划开展 70.4%17.3% 12.3% 69.4%11.2% 19.4% 企业需要年轻、具备数字化技能和培训能力的领导者。在中小创业公司中，这一现象更为普 遍。BOSS直聘研究院数据显示，2018年，500人以下规模的公司中，在项目负责人、技术经 理等岗位上提及需要“指导团队成长、开展技术培训，带来知识分享”等关键字样的岗位数量 较2017年增长60%以上。 中层管理人员通过招聘补位，运营团队而实现晋升的时代正走向终结。由于 环境转变，新型领导者不仅要了解如何管理队伍，还要承担培训团队，实现 个人与组织共同发展的职责。营造创新、不断进取的学习氛围，将成为项目 经理领导力评价的重要一环。 21 开源时代 2019 人才资本趋势报告 简单重复性岗位需求 衰退现象加剧 数字化技术的突飞猛进已经在替代部分岗位，特别是那些高度程序化、重复性强、内容较为简 单的岗位。BOSS直聘研究院数据显示，2018年，有2%的技能在人才市场上需求呈现负增 长，10%的技能需求增速大幅下降。数字化技能的掌握程度，正快速拉开人才间的竞争力差 距。同时，由于部分岗位市场需求的快速减少，求职者之间的竞争也更为激烈，这意味着缺乏 未来型技能的求职者将面临比以往更加严峻的就业前景。 我们发现，2018年有三类岗位已在招聘市场中显示出相对明显的衰退迹象，未来两年这部分从 业者的职业走向高度值得关注。 基础客服 虽然智能客服目前依然被主要应用在回答通用程度和重复率较高的问题上，在面对复杂、个性 化问题时依旧有较大困难，但AI客服的出现极大提高了客服中心的工作效率，降低了企业对客 服的需求总量。2018年，涉及客服、初级咨询技能的岗位数量较2017年减少30%，降幅居所 有技能之首。客服的劳动密集型性质和易标准化特点，使其成为数字变革时代受冲击影响 大 的技能之一。 仓储、分拣 传统的物流仓储平台依赖人工筛选理货，不仅处理效率低下，而且劳动力所发挥的价值十分有 限。数字技术的应用极大提升了仓储平台的效率上限。国内领先企业如阿里巴巴、京东，通过 采用人工智能+机器人技术，实现无人仓储管理或近无人流程，降低了仓储、分拣类人才需求。 值得注意的是，无人仓储的落地离不开雄厚财力和前沿技术的支撑。巨头企业有足够实力撑起 高技术含量的无人化和自动化流程，对于大多数企业而言，至少在近两年里，还难以负担无人 仓储系统的成本。仓储、分拣类岗位需求虽已呈现下行走势，但幅度相对平缓一些。 22开源时代 2019 人才资本趋势报告 基础翻译 机器翻译经历了不断的演变发展，从早期基于语料库匹配，再到如今基于深度学习和神经网 络，机器翻译的译文质量有了显著的提升。尽管在“信达雅”和情感表达方面，AI 翻译技术尚 无法与资深译者抗衡，在同声传译等高专业要求场合也明显能力不足，但目前机器翻译所展现 出的能力已经能够应付一些基础笔译和口译场景。 过去两年，企业对翻译类，特别是英语翻译人才的需求出现放缓。机器翻译技术的成熟减轻了 企业在多语种业务方面所面临的压力。2018年，除个别小语种外，英语、日语等常见语种的翻 译人才需求普遍下降10-20%。随着智能翻译技术的不断迭代和应用范围逐步扩大，机器翻译 将对仅以语言技能为核心竞争力的人才产生更大冲击。 23 开源时代 2019 人才资本趋势报告 储备未来技能 以上列举的只是在招聘市场中需求有直观下降的技能。随着技术的飞速发展，在不远的将来会 有更多简单重复型技能被数字化技能取代，留给求职者的时间已所剩无几。 对于求职者来说，保持旺盛的学习兴趣和较强的学习能力，努力掌握新兴技能，或在已有技能 基础上扩展关联技能，是为迎接数字化浪潮冲击而能够做的 好储备。对于政府来说，在鼓励 科技型企业创新发展的同时，还应引导教育资源合理分配，扩大高校新兴技能课程规模，集中 培养一批高素质人才，缩小高端岗位人才缺口，加速社会数字化转型。 应对未来， 好的时机就是现在。 参考文献 [1] Chris Smith, et. al, The History of Artificial Intelligence, https://courses.cs.washing- ton.edu/courses/csep590/06au/projects/history-ai.pdf, 2006 [2] Yann LeCun, Unsupervised Learning, Lecture, New York University, 2016 24开源时代 2019 人才资本趋势报告 25 开源时代 2019 人才资本趋势报告 THE RISE OF META-SKILLS: REDEFINING CORE COMPETITIVENESS 趋势3 元技能的崛起：重新定义核心竞争力 在上一章中，我们讨论了几种在未来几年中，就业市场上存在巨 大需求的专业技能。“硬技能”（hard skills）较容易通过培训 和课程获得，能够迅速帮助求职者提升职场竞争力。 然而正如趋势2所言，我们身处一个人工智能汹涌来袭的时代，尽 管爆发点尚未降临，“被机器替代”已经成为人们新的普适性焦 虑。应该发展哪些机器难以获得的能力，组织结构应该如何演进 以适应更加复杂的竞争环境，已经成为一个虽然不新鲜，却必须 讨论的趋势。 职业能力矩阵 新时代分工方式的变化和新技术的爆发促成了大量“新技能”的诞生。如何对职业能力进行归 类，并有的放矢地进行提升，是一个值得首先理顺的问题。 在综合参考我国人社部颁发的《国家职业技能标准编制技术规程（2018年版）》[1]与美国劳 工部就业与培训署的O*Net职业能力数据库[2]的基础上，我们列出一个核心职业能力矩阵，如 表3.1所示。 整体来看，职场能力可以拆分成知识（Knowledge）、技能（Skills）与机能（Abilities）三 大部分。其中，“知识”是对不同学科或领域内的事实/公理的理论及实践理解，暂不展开。 职业能力矩阵（表3.1） 26开源时代 2019 人才资本趋势报告 基本技能（Basic Skills） 复合技能 (Complex Skills) 机能 (Abilities) 资源管理技能：时间管理、财务规划、人力资源和团队管理、工具与设施管理 认知机能：归纳、演绎与推理、记忆力、创造创新、空间感、形体知觉、专注力、 身体机能：灵活和柔韧性、动作协调性、力量与耐力、平衡性 神经运动机能：动作稳定与精确控制、手指与手臂灵活性、手眼协调、反应速度 感官机能：听力、视力、色觉 文字和语言理解及表达 社交技能：人际沟通与协调、谈判与说服、指导他人、团队合作 系统性技能：判断与决策、系统有效性分析、策略有效性评价 技术技能：设备选择与维护、设备运营与监测、质量控制、故障检测与维修、技术设计 解决复杂问题技能 一般智力：主动学习、批判性分析、自控力与自我评价、学习方法、阅读理解 表达技能：写作、对话、有效倾听 计算技能：数学技巧、应用科学定理和方法论 从STEM到STREAM 第二章中我们提出，对未来型技能和大数据技能的需求正迅速扩大。从“学好数理化，走遍天 下都不怕”到人工智能热，以STEM（科学Science, 科技Technology, 工程Engineering, 数 学Math）为核心的技术化浪潮数十年来从未退去。在我们列出的能力矩阵中，STEM相关技能 以“知识”为核心，并且不断迭代，持续挑战着人才的智力基础与学习能力。 可以确定的是，数学、统计能力和逻辑思维对于任何想要在未来获得更多职业选择和上升空间 的人才都很重要，然而仅有STEM作为核心技能的人群将很快发现，人类社会迅速的自动化和 智能化为他们的职业发展设置了天花板。 在BOSS直聘“2018企业人才需求趋势调查”中，我们询问企业“对掌握哪些技能的人才需求 增长 大”。结果显示（图3.2），尽管大数据、人工智能和增长相关的技能至关重要，在管理 者心中更加急需的两项技能是“品牌/公关/营销/内容相关”和“管理和组织发展相关”，占比 分别达到62.1%和52.2%。 这个调研结果直接呼应着我们在第二章中提出的“管理培训一体化 技能”。 27 开源时代 2019 人才资本趋势报告 企业2018年对掌握哪些专业技能的人才需求增长最大（图3.2） 对这两项技能的需求提升，也印证着目前商业竞争中的特点：单纯构建技术壁垒已经不能满足 企业发展需求。“品牌/公关/营销/内容相关”与“管理和组织发展相关”技能的核心是“关系 管理”，一个是对外，一个是对内，是明确的复合技能。 0 5 1510 20 25 30 35 40 45 50 55 60 65 70 品牌/公关/营销/内容相关 管理和组织发展相关 大数据相关 增长相关 人工智能相关 62.1% 52.2% 26.6% 24.5% 12.1% 在“2018企业人才需求趋势调查”中，我们还询问了企业“ 希望员工或候选人提升哪些素质 型能力”。人际沟通与协调、团队合作、自主学习、抗压与情绪管理成为企业管理者 看重的 四项能力（图3.3）。 28开源时代 2019 人才资本趋势报告 企业最希望员工或候选人提升哪些素质型能力（图3.3） 0 10 3020 40 50 60 70 80 人际沟通与协调能力 团队合作能力 自主学习能力 抗压与情绪管理能力 批判性分析能力 创造创新能力 解决复杂问题能力 信息检索与处理能力 读写与表达能力 39.1% 38.4% 10.4% 7.7% 6.8% 69.3% 60% 59.6% 62.7% 如果将品牌/公关/营销/内容、管理和组织发展、人际沟通与协调、团队合作、自主学习、抗压 与情绪管理这六项能力并列，可以清楚地看出，它们都对阅读、写作、表达、创意、审美等软 技能提出了很高的要求。 为了与STEM进行类比，我们在某种程度上可以将“人文型技能”统称为 艺术（Art），再单独强调读写（Reading and Writing），STEM已经 演变成STREAM。 相比STEM，艺术与读写能力更难量化，需要漫长的时间来积累与训练，很难通过课程在短时 间内迅速提高。“艺术将是人类相对机器 后的优势”的观点被许多人认同。相似地，人际沟 通能力与管理能力对工作经验和阅历提出了更高的要求。 艺术、读写、沟通与学习能力贯穿了文明发展史，是跨越所有学科，应用于几乎一切社会场景 的“元技能”，推动人类实现数次技术革命。 站在本次智能技术革命的黎明，元技能的价值再次崛起，并显得前所未有的重要。我们认为 STREAM型人才的黄金时代已经到来，他们将拥有更加丰富的职业选择和更强的岗位迁移能 力，作为真正的“复合型人才”，获得核心竞争力。 29 开源时代 2019 人才资本趋势报告 技术变革、人才迁徙、灵活用工、新一代劳动力涌入……令传统的金字塔形组织崩塌的助推力 正与日俱增。 BOSS直聘研究院2018年3月发布的《新招聘白皮书》中提出，科层分明的巨型组织 终将面 临“巨人的分解”[3]。仅就国内企业而言，阿里巴巴、腾讯、海尔集团等都已经落实卓有成效 的制度，在内部合适的部门中分解出小而美的团队。这些小团队的灵活性高，结构扁平，迭代 迅速，试错成本低，能够支持MVP（Minimum Viable Product， 小化可行方案）项目发 展，提升组织整体运转效率。 在战斗主要讲究规划和纪律的年代，结构清晰，层级分明的组织结构是高效的。 如今，新模式和新技术层出不穷，商业竞争手段也前所未有地多样化，敏捷 和创新变得更加重要，整个作战部队的机构生态系统，应该是步调协调一致 和实时自我调整的结合[4]。 在组织内部打造大量具有强大自我调整能力的小团队，是实现这一目标的前提。前文我们提到 了人才的“元技能”重新崛起，对于企业来说，想要尽快适应时代变化，提升抗风险能力，同 样需要组织发展的“元技能”。我们这里提出两个维度供参考。 1. 决策权力的去中心化 传统的自上而下的决策路径已不再适用。95后对于个人意见表达的需求前所未有地强烈，与上 级直接沟通的意愿也远超出其他代际的员工。BOSS直聘《新招聘白皮书》数据显示，57%的 95后在求职过程中会选择直接和用人部门负责人沟通，他们的行为活跃度是90年之前出生求职 者的2.5倍。在形势瞬息万变的今天，漫长的决策链条不仅会让组织错过关键机会，还会错过大 量来自年轻人的重要意见。作为组织的神经末梢，新人始终是对新鲜事物反应 快的一群人， 决不容忽视。 30开源时代 2019 人才资本趋势报告 组织的自我革命： 基因重组与信息共享 有活力的企业必须打造并拥有具有高超决策能力的中级管理层。企业需要在多个场景中提升基 层员工的决策参与程度，并及时提供正向反馈，不断训练员工的决策能力。需要注意的是，提 升员工的决策能力，不代表一定让他们“替你做出决策”，而是强调开放决策过程，传达行之 有效的方法论，并不断在实践中调试。 英国海军上将霍雷肖·纳尔逊早在200年前便提出，一旦开始混战，每个指挥官必须自行决 断，进行关键性的思考，并发挥主观能动性。纳尔逊率领舰队在1805年的特拉法尔加战役中击 溃法国-西班牙联合舰队，迫使拿破仑彻底放弃了海上进攻英国本土的计划。在这场战役的尾声 中，纳尔逊中弹倒下。然而将士们并没有注意到主将受伤，依然在各自位置上高效工作，并在 两个多小时内结束了战斗。在死去之前，纳尔逊目睹英国海军取得了胜利[5]。 2. 充分的信息共享 扁平化组织结构早已不是新鲜事，但当组织发展到一定规模，沟通效率会不可避免地下降。在 更多企业开始尝试拆散大型部门，建立小团队的情况下，为了避免“各自埋头苦干”造成的重 复工作与信息不对称，企业需要更充分的信息共享。 充分的信息共享除了能够降低沟通成本，还能够帮助更多员工建立“全局思维”，进而提升工 作和决策质量。 麻省理工学院教授彭特兰（Alex “Sandy”Pentland）提出了“理念流”（Idea Flow）的概 念，指出信息共享能够有效提升事务运转效率，并产生精妙的群体智慧。他的团队通过对1000 万笔投资交易的研究发现，那些与同行产生合理互动，并适当吸收他人意见的交易员，投资回 报率比完全靠自己决策，或是过多依赖互动的同行高出30%[6]。 31 开源时代 2019 人才资本趋势报告 不同年龄段职场人的求职活跃度分布（图3.4） 90前90-94年95后 1.4 1.0 0.57 32开源时代 2019 人才资本趋势报告 在企业实行信息共享的实践中，我们有几个建议： 在不同团队之间设立“Link leader”, 即接口人，充当信息传递渠道和项目统筹人； 搭建内部信息共享平台，设置协同分享制度； 建立基于“竞合（Co-opetition）”的晋升制度，尽量避免让小团队间因“生存竞争” 关系而人为设立信息长城。 面对快速发展的社会，我们在多个章节中都会提到，无论是企业还是人才，学习能力是生存的 基础。唯有不断学习和进化才能获取竞争优势。学习，学习，再学习，是终极的“元技能”。 参考文献 [1] 人力资源与社会保障部，《国家职业技能标准编制技术规程（2018年版）》 [2] O*Net Online, https://www.onetonline.org, Sponsored by the U.S. Department of Labor, Employment & Training Administration [3] 快公司,“BOSS直聘发布《新招聘白皮书》”, http://www.fastcompa- ny.cn/news/3243.html [4] 斯坦利·麦克里斯特尔、坦吐姆·科林斯、戴维·西尔弗曼、克里斯·富塞尔，《赋能：打 造应对不确定性的敏捷团队》，中信出版社，2017年 [5] 同上 [6] Alex Pentland, Beyond the Echo Chamber, Harvard Business Review, Nov. 2013 33 开源时代 2019 人才资本趋势报告 THE ART OF MIGRATION: IN QUEST OF GREATEST COMMON DIVISOR 趋势4 掌握迁徙的艺术：寻找 大公约数 BOSS直聘研究院数据显示，2018年的活跃求职者中，已经有 38%是95后。新老交替是时代的必然走向，新生力量的喜好与选 择，推动着职场的变迁。同时，人才对新兴行业的向往，对当前 岗位发展空间的不满意，对进入大型企业发展的憧憬，对自我定 位的重新认知，对当前行业的忧患意识等因素，促成了在行业和 岗位间更加普遍的人才大迁徙。 各行业人才需求洗牌 图4.1是2018年人才在部分岗位之间的流动示意图。2018年有跳槽经历的人才总量较2017年 增加了32.3%。我们发现，技术类岗位的迁徙密度明显更高。总体上看岗位技能互通性强，对 于成功跨行和转岗更有帮助。此外，2018年产业发展趋势以及薪资差异性，同样驱动着人才迁 徙大潮。 人才岗位流动示意图（图4.1） 34开源时代 2019 人才资本趋势报告 视觉设计师 服务员 C# 客房服务员HTML5 NET机械工程师 市场推广 活动策划 BD经理 市场营销 店员/营业员 英语翻译 商务渠道 产品运营 媒介专员 UI设计师客服专员运营专员 会计行政专员 HRBP 代理商销售 公司法务 会展活动策划 渠道销售客户代表 教师 出纳人力资源测试工程师 培训讲师 软件测试 用户运营 文案策划 运维工程师 品牌公关 通信工程师 财务主管电商运营 IT技术支持 新媒体运营 网络营销 外语教师 审计 销售专员 ios 视频编辑行政主管翻译 Hadoop android 广告设计师产品经理 机械维修 PHP 商业数据分析数据挖掘 Python 数据分析师 插画师Java 行业分析师C++ web前端 律师 前台 Javascr ipt 证券研究员 平面设计师 财务 美工 网页设计师 后期制作 2018年人才需求同比增幅和降幅最大的五个行业（图4.2） 2018年，从各行业在整体人才需求中所占比例的变化情况来看（图4.2），我们有如下发现： 金融行业受一系列政策变化和市场波动影响，人才需求占全行业整体需求的比例同比 2017年下降2.47%，是需求占比降幅 大的垂直领域； 互联网/IT行业已经成为成熟市场，招聘热度亦有一定回落，但在人才需求比例上依然占 据第一宝座； 房地产/建筑行业同样面临严格的政策管控，但在二三线城市房市上涨的带动下，人才需 求依然比较旺盛，所占比例较2017年有0.55%的提高； 教育和文化/娱乐行业在2018年发展势能尤为充足，吸引了大量年轻求职者。BOSS直聘 研究院发布的《2018年三季度人才吸引力报告》显示，文娱体育行业三季度人才吸引力 指数超越互联网/IT行业，首次成为人才吸引力指数 高的行业。 金 融 交 通 制 文 化 娱 乐 广 告 媒 房 地 产 建 筑 教 育 培 训 专 业 服 务 互 联 网 IT -2.47% -1.84% -0.71% -0.3% -0.05% 0.31% 0.41% 0.55% 0.8% 1.61% 35 开源时代 2019 人才资本趋势报告 行业动荡，促使人才被动出走 金融行业是2018年一个较为典型的人才流动案例。2018年，国家出台多项政策对金融行业加 大规范与管控，尤其是针对近几年野蛮生长的互联网金融行业。一年来，P2P理财平台频繁爆 雷，股市震荡下行，去杠杆和资管新规全面出台。资本紧缩迫使人才流动，作为人才需求始终 位列前三的金融行业，带来的人才迁徙效应更加突出。 2018年，金融行业平均招聘薪资水平同比增长6.3%。然而面对动荡的金融市场，单纯的薪酬 提升没能阻止人才外流。2018年，金融行业人才流动率注释1为0.92，专业金融岗位人才流动率 仅为0.79，呈现人才净流出状态。与此同时，求职者对金融行业的关注比例为5.1%，也明显 低于金融行业人才需求占比的8.9%。 虽然2018年出现了一定困难，但金融业凭借多年的发展积淀，在2019年有望逐步迈入调整 期，维稳发展。BOSS直聘研究院有一组数字可以用来观察这种趋势： 2018年金融业的平均招聘薪资为9536元，仅次于互联网/IT行业； 2018年，正在向智慧金融方向迈进的金融行业进一步加大了对技术人才的需求，相关岗 位平均招聘薪资为15179元，是所有行业中 高水平； 金融业人才需求占比虽然出现回落，但整体人才需求较2017年提升38.2%； 进入第四季度后，金融行业发展正在有序过渡。参考趋势1中的JMPI指数，金融行业就 业市场繁荣指数在二季度出现了波动，四季度开始逐渐回到正轨。2019年，我们期望看 到价格这个杠杆对金融行业供需关系的进一步调整。 36开源时代 2019 人才资本趋势报告 以教育行业为例，庞大的K12教育(学前至高中)需求，知识付费和继续教育的火爆，以及智能 技术的不断渗透，在近几年推动教育培训行业高速发展，人才需求量持续走高。BOSS直聘研 究院数据显示，2018年教育培训已成为人才需求量第二大的行业。2018年二三季度，教育培 训行业人才吸引力指数连续位居前五名。 在迎来发展黄金期的同时，国家开始对教育培训行业实施更为严格规范的监管，从资金、教师 资格、办学面积、消防条件等多个方面对教培机构制定了标准，教育培训行业面临一次“优胜 劣汰”的行业洗牌。如何做好行业的转型升级，甄选优秀人才，成为企业的核心关注点。 BOSS直聘研究院数据显示，2018年，教育培训行业对教学专业岗位人才注释2需求量增幅 大，人才需求量占比58.2%，较2017年增加5个百分点。同时，对教学专业人才的学历要求更 高，明确要求具备本科及以上学历的岗位占比达到70.8%。 千人以上规模的教育培训企业对专业人才的学历要求更为严格，明确要求具备本科及以上学历 的岗位占比高达77.6%，同比2017年提高了7个百分点。为了应对更加严格的政策考核，大型 教育培训企业的招聘标准不断提升，行业升级逐步显现。 我们还看到，随着智能技术与教育行业的深度融合，技术人才开始涌入教育 行业。掌握各种专业技能证书和未来型技能的人才的就业竞争力较2017年 有显著提高。 2019年，教育培训行业转型升级将持续发酵，教学专业人才的准入标准将不断提高，大型企业 的人才门槛将进一步提升。求职者需要不断加强自身能力，紧跟时代发展。 行业升级，导致人才优胜劣汰 37 开源时代 2019 人才资本趋势报告 同岗低薪，造成“人才挤出效应” 尽管产业界限的模糊带来了更高的跨行和转岗比例，BOSS直聘研究院数据显示，2018年转岗 跳槽人才的平均薪资是未转岗跳槽人才平均薪资的85.3%。同处一个岗位，但薪资水平较低的 情况下，部分人会通过自我提升实现升职加薪；部分人会选择通过跳槽更换平台获得加薪；同 时，还有一部分人倾向于认为自身能力与岗位不匹配，而走向跳槽转岗的道路。 当前，数字技术人才是各大企业争抢的重点，越来越多的人才期待通过学习转为技术岗。技术 类岗位也一直是人才流出比例 低的职业之一。BOSS直聘研究院数据显示，2018年，由技术 岗转为非技术岗就业的人才比例为14.2%。 值得注意的是，2018年，选择转向非技术岗位的技术人才，其平均薪资水平较未跳槽或同岗位 类型跳槽技术人才的平均薪资低出21.8%，超过五分之一的薪酬差距，从侧面反映了这部分人 才的资历尚浅或岗位发展前景受限。 由薪资差异诱发的转岗情况在产品、金融类岗位中亦有明显的表现。从这两类岗位跨领域跳槽 到其他职业的人才，其平均薪资普遍较未转岗或相似岗位跳槽人才的平均薪资低超过20个百分 点。这几类岗位的人才竞争普遍较为激烈，缺乏核心竞争力和持续进步能力的从业者只能被迫 出局，另谋他路。 薪资差异，影响人才跨行跳槽 38开源时代 2019 人才资本趋势报告 高薪诱惑，加速通用型人才转型升级 近年来，就业市场对未来型人才的需求持续呈倍数级增长。为了吸引这部分人才，企业纷纷高 薪求才，招聘薪资连年提高。广阔的发展前景和优越的薪资待遇带来了转岗热潮，BOSS直聘 研究院数据显示，2018年希望跳槽从事人工智能、大数据等相关岗位的人才总量较2017年翻 了三倍。其中，具有通用性技能的技术类岗位占比人才依然 高，为66.6%，但同比2017年下 降了6.2个百分点，人才背景愈发多元化。 2018年前十个转职比例最高的技术岗位从业者最期望从事的岗位（表4.1） 表4.1统计了前十个转岗比例 高的技术职位从业者 期望进入的领域。我们发现，2018年在 转而从事AI、大数据类高端岗位的人才中，前十位完全由掌握通用性技能的技术岗位霸屏。其 中，能够容纳多种技术工具和模型的算法类和机器学习类岗位各占三席，架构类和大数据类岗 位各占两席，这四类职位成为转岗热门。 TOP 1 TOP 2 TOP 3 TOP 4 TOP 6 TOP 8 TOP 9 TOP 10 TOP 5 TOP 7 Java工程师 Python工程师 C++工程师 Hadoop工程师 Android工程师 C语言工程师 PHP工程师 测试工程师 Web前端工程师 嵌入式工程师 转职前 架构类 大数据类 算法类 大数据类 机器学习类 算法类 架构类 机器学习类 机器学习类 算法类 主要期望岗位类型 30.0% 32.8% 37.3% 54.1% 28.0% 26.4% 42.9% 28.8% 25.8% 29.3% 占比 39 开源时代 2019 人才资本趋势报告 人才的迁徙是一种自然规律，同时也是一门艺术。求职者在岗位和行业之间流动的时候，要保 持理性的态度，不可盲目跟风。在迁徙之前，应该对岗位竞争力、自身已有技能的通适性以及 长/短期的回报率进行理性的分析思考，寻找“ 大公约数”，提升跨行转岗的性价比。 2019年，人才迁徙大潮将持续上演。随着行业冲击滞后性显现和产业转型升级的持续深化，在 薪资信号与职业规划的牵引下，人才迁徙的规模将持续上涨。掌握迁徙大军特性的企业将逐渐 进入冷静和升级期；同时，深谙迁徙艺术的高端人才将更好地把握自己的意愿，而缺乏核心竞 争力的人才也将面临更激烈的竞争。 注释 1. 人才流动率=流入人才数/流出人才数，大于1表示人才净流入，小于1表示人才净流出。 2. 专业人才：从事教学和培训工作的人员，如教师、教练、职业培训员等人员。 掌握迁徙的艺术 40开源时代 2019 人才资本趋势报告 41 开源时代 2019 人才资本趋势报告 GEM-FINDING MOVEMENTS: RE-ALLOCATION OF HUMAN CAPITAL 趋势5 人才拓荒潮：资本的再分配 商业环境瞬息万变，企业需要在不同场景下展开多维竞争，通过 持续扩大规模，推动自身竞争力不断增强。在流量红利已至尾声 的时候，开拓新市场的重要性不言而喻。 随着消费升级和新中产的崛起，新一线和二三线城市已成为大型企业和独角兽企业争夺的战略 要地。相比北上广深，这些城市庞大的用户数量为市场新蓝海的形成打下坚实基础。另一方 面，新一线和二三线城市相对更慢的生活节奏和多样化的用户构成激发了更多的消费需求，使 创新型公司可以通过深挖机遇，在蓝海中构建生态矩阵，实现弯道超车的可能。 因此，除了趋势4中提到的人才在岗位和行业之间的迁徙，2018年，我们还看到企业的扩张和 下沉潮，更多企业为了触达人才主动出击。 如图5.1所示，在BOSS直聘“2018企业人才需求趋势调查”中，当被问及“是否开始在其他 城市建立分公司或计划搬迁总部”时，回答“是”和“2019年有计划”的企业分别占到42.4% 和15.9%。 扩张与下沉潮 42开源时代 2019 人才资本趋势报告 是否开始在其他城市建立分公司 或计划迁移总部（图5.1） 不确定 2019年有计划 否 是 42.4% 11.5% 15.9% 30.2% 尽管有诸多市场空间和成本方面的优势，企业向二三线城市扩张的过程中，往往要面对精英人 才难求的尴尬局面。 2016年以来，在人才回流潮的带动下，二三线城市多数岗位供需比有所提 升，但中高层管理、研发等关键岗位供不应求的现状有所加剧。 高质量人才稀缺，迫使企业需要投入更多招聘精力。我们发现，初创公司在二三线城市发布的 高级管理和研发类岗位，普遍需要浏览和面试更多求职者，才能找出相对合适的人选。在北上 广深和新一线城市，资深岗位人才难招的现象同样广泛存在，但供需矛盾远不如二三线城市突 出。此外，硕士研究生以上学历人才存量尚不够充足，人才多样化程度不高等因素，也提高了 企业的招聘难度。BOSS直聘“2018企业人才需求趋势调查”也显示，招聘者普遍认为人才质 量参差不齐（40.6%）和高质量专业人才存量不足（35.9%）是为分公司招聘人才过程中遇到 的主要困难。 为破除人才招募障碍，越来越多中型企业开始基于战略要求和业务模式，建立更加完备的内部 培训体系，通过逐级储备，形成内部人才供应链。在趋势2引用的“2018企业人才需求趋势调 查”中，我们提到过，2018年，有69.4%的企业拥有员工培训制度，19.4%的企业在2019年 有计划开展，绝大部分公司将培训重点放在提高员工专业能力上。为完成这一目标，不少500 人以上规模企业会设立专职培训师岗位，而实力相对有限的初创公司也会通过招聘管理培训一 体化领导者，以达到近似效果。 45 开源时代 2019 人才资本趋势报告 多数企业对分公司的人力成本预算控制更为严格，薪酬范围更为收敛，相同岗位的平均薪酬浮 动空间仅为本部的72%，薪酬弹性大幅低于母公司。特别是市场推广、活动运营等招聘量较大 的市场拓展类职位，薪酬上下限极差只有其他职位的五至六成。 无论是下沉到二三线城市还是对薪酬的强化控制，均体现了企业深知在“人 才开源”的同时要做好“成本节流”，才能适应商业环境的复杂变化。 我们认为，虽然当前宏观经济存在一定压力，投资市场也出现紧缩，但这同时也在帮助市场大 浪淘沙，加速了各领域的优胜劣汰。能够找准自身定位，不断适应市场环境的企业，无疑将借 助寒冬的洗礼变得更为强大。 47 开源时代 2019 人才资本趋势报告 对于企业来说，人才的拓荒既是机遇，也是挑战。我们期望，无论趋势1中提到的均衡价格维度 还是趋势3中提到的元技能，都能成为拓荒者在人才甄选方面更为有效的工具。“拓荒”本身， 是人才资本在空间维度上的一次再分配，只有不断对这个过程进行优化，才能真正实现企业到 新城市开辟人才战场的初衷。 人才拓荒 48开源时代 2019 人才资本趋势报告 49 开源时代 2019 人才资本趋势报告 VYING FOR TALENT: THE ESSENCE OF SMART CITY 趋势6 人才之战：智慧城市竞争的本质 2017年下半年开始，新一线城市注释1陆续推出人才吸引政策，人 才大战以燎原之势延展开来。2018年第一季度，北上广深也推出 了各自的高端人才吸引政策。2018年几乎可以称为“人才大战元 年”，各地大力推进人才发展战略，以期靠人才激发经济内生动 力，备受各界关注。 城市间人才之战的根本，除了人才引入，更在于人才留存。诸多 新一线城市通过极大降低落户门槛、提供就业创业扶持和住房补 助等一系列新政广泛吸引各地人才，特别是青年劳动人口。 2018年的人才之战打响至今，新一线城市人才引进效果如何？应 该关注哪些重点? 这一章中，我们将提供一些数据观察，以供各 位参考。 人才争夺战第一枪首先在人才需求和薪资增量方面打响。BOSS直聘研究院数据显示，2018 年，杭州、成都、武汉位居新一线城市人才需求量三甲。2018年，新一线城市平均招聘薪资为 7193元人民币，同比增长3.7%，杭州以11.0%的平均薪资同比增幅领跑新一线城市。 人才需求和薪资的稳步增长，是城市发展的积极信号，也为新一线城市打造了良好的人才吸引 基础。2018年8月，英国经济学人智库（Economist Intelligence Unit）发布《2018年全球 最佳宜居城市报告》[1]，中国新一线城市中的苏州、天津、青岛入围榜单前一百；2018年12 月，福布斯发布“中国大陆最佳商业城市”榜单[2]，新一线城市中13座城市入围前二十。 新一线城市凭借良好的发展空间，更宜居的城市环境，更舒适的生活节奏等优势，正在慢慢展 现出强大的人才吸引力，极大促进了人才良性流动。以长三角经济带、粤港澳大湾区为代表， 新一线城市的快速崛起同时是区域城市群协同发展的重要基础。 需求与薪资稳定增长 夯实人才吸引基础 50开源时代 2019 人才资本趋势报告 2018年以来，15个新一线城市各自发力吸引一线城市人才前来发展。截至2018年12月，新一 线城市相对一线城市的平均人才流动率（一线城市流入人才数/流出至一线城市人才数）为 1.19，2017年则为1.11，人才净流入增幅显著。 如图6.1所示，西安和郑州并列成为2018年相对一线城市人才流动率（1.32）最高的新一线城 市。2018年，15个新一线城市全部实现对一线城市人才的净流入，人才新政效果初显。 主动出击 强势争夺一线城市人才 51 开源时代 2019 人才资本趋势报告 2018年15个新一线城市相对一线城市的人才流动率分布（图6.1） 目前，新一线城市对一线城市人才的吸引力稳步提升。我们认为，2019年新一线城市的人才吸 引力依然会稳步上升。然而，江山易打不易守，新一线城市全部面临一个更加重要的长期课 题：如何“守才”。 1.32 1.3 1.26 1.24 1.19 1.15 1.1 1.321.311.281.251.21.17 1.111.07 苏 州 杭 州 沈 阳 无 锡 东 莞 宁 波 成 都 西 安 郑 州 重 庆 青 岛 武 汉 长 沙 天 津 南 京 2018年由一线城市流动至新一线城市人才平均期望薪资变化（图6.2） 不可忽视的薪资差距： 如何留住高级人才 BOSS直聘研究院数据显示，2018年由一线城市来到新一线城市发展的人才，仅有流入杭州的 平均期望薪资持平甚至有小幅提升；流入到其他14座城市的一线城市人才，平均期望薪资有 3%--20%不等的降幅，如图6.2所示。 52开源时代 2019 人才资本趋势报告 其中，从一线城市来到沈阳的人才平均期望薪资降幅最大，为20.1%；其次是青岛，降幅为 11.8%；第三是长沙，降幅为11.5%；变化幅度最小的是流入到东莞的人才，平均期望薪资降 幅为1.7%。 苏 州 杭 州 沈 阳 无 锡 东 莞 宁 波 成 都 西 安 郑 州 重 庆 青 岛 武 汉 长 沙 天 津 南 京 67996280694263916714674969267056 5917612369077536 63786696 9575 788887579049905392109688977410106 8712 976210589106521043610296 12537 985210156102261029410519107611076510900110081129611316115221167112483 8028 流入前薪资 流入后薪资 2018年平均招聘薪资 虽然期望薪资已经有不同程度的降幅，一线城市流动人才的平均期望月薪依然在万元左右，相 较于新一线城市普遍在6000-8000元区间的平均薪资水平，仍然有着20-60%的显著差距。 尽管在做出更换城市的选择之前，人们普遍已经做出了权衡和妥协，生活成本降低和宜居性提 高带来的“隐性收益”也能够平衡一部分绝对收入上的差距。但是长期来看，如何让人才政策 效果可持续，为流入人才提供真正的价值增值，成为新一线城市人才引进的过程中需要攻克的 一大难题。这是一个城市综合治理的问题，绝不仅仅是单纯提高部分人的工资，或是依靠专项 补贴能够实现的。 在2018年的城市人才大战观察中，我们始终提倡，城市的人才引进不能只考虑学历、年龄等 “硬件条件”，而应该根据本地发展状况，真正做到因地制宜，引入与城市产业结构升级相适 应的人才群体。 一座宜居的、发展可持续的、经济活力旺盛的城市，应该是人才结构丰富立 体的城市。 不断提高居民收入水平，深化发展第三产业，发掘人才核心价值，提供充足以及高质量的教 育、医疗、交通等公共服务，营造人才归属感，方能真正做到“守才”。这也是防止人才短时 间内集中涌入，又集中回流的关键。 53 开源时代 2019 人才资本趋势报告 新一线城市就业均衡指数象限图（图6.3） 2018年，本科及以上学历人才成为新一线城市争夺的焦点，各城市都出台了近于“零门槛”的 落户政策。特别是对青年高学历人口的争夺，已经是具有城市发展核心战略意义的动作。 BOSS直聘研究院对2000年-2018年毕业的，拥有本科及以上学历人才的就业轨迹进行了跟 踪。数据显示，在近三年里，新一线城市对高学历人群的就业均衡指数[注释2]，由2016年的 0.91，提升到2017年的1.01，再到2018年的1.05。新一线城市本科及以上学历人才由外流逐 步过渡到平衡，再到引进，且引进比例正在稳步提升。 可以简单理解为，作为一个整体，新一线城市的人才大战已经取得了初步成果。对本地高校毕 业生的政策立场，由被动地防止外流，转变为主动出击吸引人才。新一线城市在与一线城市之 间的人才战争中，对目标人群的争夺同样开局有利。 然而我们的进一步分析发现，15个新一线城市在高学历人群就业均衡指数的具体构成方面存在 明显差异，这为城市接下来的人才发展政策提供了一定的角度参考。 高学历人才争夺地图： 岗位与资源的平衡 54开源时代 2019 人才资本趋势报告 东莞 苏州 杭州 无锡 成都 西安 长沙 南京 天津武汉 郑州 沈阳 重庆 宁波 青岛 硕士及以上 本科 在图6.3中，我们绘制了新一线城市本科及以上学历人才就业均衡指数分布象限图，就业人数统 计截止时间点均为2018年12月。 第一象限表明，毕业于2000-2018年的本科和硕士及以上学历在该城市就业人数均高于 2000-2018年从本地高校的毕业人数； 第二象限表明，该城市本科学历就业人数低于本地高校本科毕业人数，硕士及以上学历就业人 数高于本地高校硕士毕业人数； 第三象限表明，该城市本科和硕士及以上学历就业人数均低于本地高校毕业人数； 第四象限表明，该城市本科学历就业人数高于本地高校本科毕业人数，硕士及以上学历就业人 数低于本地高校硕士毕业人数。 整体上看，新一线城市对本科及以上学历人才的虹吸效应在稳步提升，但各城市间因教育资源 分配和城市发展程度不均衡等问题，就业均衡指数分布差异显著。 可以看到，新一线城市的就业均衡指数集中分布在一三象限中，仅有郑州处于第二象限。 第一象限：高学历人才净流入 第一象限中的七个城市，包括：东莞、青岛、宁波、成都、无锡、杭州和苏州，截至到2018 年，本科和硕士及以上学历人才均呈净流入。整体来看，这几座城市培养的高学历人才供不应 求。但这七座城市之间仍然存在明显差异。 高等教育资源不足 人才引入依赖性较高 教育部公布的全国普通高等学校名单显示，无锡、东莞、苏州、宁波、青岛这五个新一线城市 高等教育资源相对匮乏，分别有2所、3所、7所、8所、13所本科层次院校（包括民办高 校）。而这五座城市中人口最少的无锡，2017年常住人口数也超过655万，本地培养的高等教 育人才存量不足成为一个客观现实，对于人才引入的依赖性较高。 以拥有强大的贸易加工和制造业的无锡和东莞为例，其本科学历人才就业均衡指数分别为2.40 和2.09，表面看处于较高水平。然而2018年，两地明确要求需拥有本科学历的职位仅占三成左 右，在产业转型升级的岗位和人才储备方面还有一定距离。 这也是新一线城市在人才引进过程中需要着力思考和解决的典型问题：究竟能否为“有心”的 人才创造充足的岗位，实现引入人才的高质量就业。这不仅是人才引进政策的效果问题，也是 城市发展的题中之义。 55 开源时代 2019 人才资本趋势报告 岗位需求充足 人才择优而入 同属第一象限中的杭州与成都则与上述五个城市有着截然不同的局面。教育部全国普通高等学 校名单显示，杭州与成都的本科层次院校均为27所，与哈尔滨、长春并列全国第九位，高等教 育资源比较丰富。在此前提下，两地本科及以上学历的就业均衡指数均高于1，表明当地创造的 岗位需求能够满足本地培养的高等教育人才就业。 2018年，杭州的本科学历人才就业均衡指数为2.36，硕士及以上学历人才就业均衡指数为 1.85，均处于高位。根据高校年均培养人数，我们对就业均衡指数进行了一个简单换算，在目 前的发展态势下，杭州需要77所高校，方能满足当地企业对于本科及以上学历人才的需求。看 似是巨大的人才缺口，实则是杭州的发展已经远超出本地范围，吸引着毕业于全国高校的学 子。BOSS直聘研究院数据显示，2018年，杭州的平均招聘薪资和人才需求稳居全国前四；人 才吸引力在三季度一举夺魁；技术人才需求占比仅次于北京、上海……一系列数据显示，杭州 发展已经向第一梯队看齐。 我们认为，杭州和成都的发展，不再仅满足于扩大企业数量和规模，而是要更加注重企业转型 升级，加大战略新兴产业投入力度，让企业做强、做大。 杭州和成都的人才争夺，不是单纯的增量，更要聚焦人才质量和结构平衡， 由“需”入手，择优而入。 56开源时代 2019 人才资本趋势报告 第三象限：高学历人才净流出 图6.4中，我们将第三象限进行了放大，更清楚地展示各城市所处位置。第三象限中七个城市的 本科及以上学历人才均表现为净流出。整体上看，这些城市的高质量就业岗位规模不够，无法 满足本地高等教育人才的就业需求，造成了人才的流出。 就业均衡指数象限图：第三象限放大（图6.4） 57 开源时代 2019 人才资本趋势报告 硕士及以上 本科 西安 长沙 天津 南京 武汉 沈阳 重庆 武汉是典型的第三象限城市。武汉是中国高等教育重镇，高校总数仅次于北京，拥有46所本科 层次院校，在校生规模超过百万。雄厚的高等教育资源多年来聚集和培养了大量人才，让武汉 在人才选择上占据了天然优势。 在象限图中可以看到，武汉本科学历人才表现为被动流出。截至2018年，武汉本科和硕士及以 上学历人才的就业均衡指数分别为0.63和0.60，大量的本地培养的高校毕业生流失到其他城 市。而在本轮人才大战中，武汉的一个重点项目便是“五年百万大学生留汉计划”。 一线城市是吸引武汉高校毕业生的主要目的地。进入21世纪以来，流出武汉的本科及以上学历 人才中，超过半数去到一线城市发展，超过两成流入其他新一线城市。面对严峻挑战，2018 年，武汉开始发力人才吸引，人才需求同比增速超过四成；平均招聘薪资达到6900元；小微企 业招聘活跃度不断增强；高校应届生留存率也升至72.1%。 我们建议，以武汉为代表的高学历人才流出城市，在2019年应切实“扩大内需”，创造更充足 的就业岗位，全面提高岗位质量，尽可能提升本地高校毕业生留存率。在这个过程中，持续出 台中小企业扶持政策，激发就业活力，提高就业市场承载量；加大战略新兴产业发展，利用优 势产业集群效应，提升高端人才承接能力；打造企业名片，引入一流企业，利用雇主品牌效应 吸引人才。 58开源时代 2019 人才资本趋势报告 真正的人才战争 2018年，BOSS直聘对多个新一线城市的人才趋势进行了深入研究，并以“城市100”的形式 在五个城市进行了公开发布，包括：天津[3]、成都[4]、西安[5]、杭州[6]、武汉[7]，作为亲历 者记录了这场城市之间的人才战争。 我们预测，人才之战刚刚拉开序幕，对于人才的争夺在2019年仍将持续，在趋势5中我们观测 到，企业纷纷在新一线和二三线城市建立“根据地”，新的人才之战正在酝酿之中。 59 开源时代 2019 人才资本趋势报告 注释 1. 本报告中的新一线城市列表采用第一财经·新一线城市研究所2018年4月发布的榜单，包括 成都、杭州、重庆、武汉、苏州、西安、天津、南京、郑州、长沙、沈阳、青岛、宁波、东莞 和无锡。 2. 就业均衡指数=本地就业人数/本地高校毕业人数。其中，“就业人数”指毕业于 2000-2018年，获得本科或硕士及以上学历，截至2018年12月在该城市就业的人才数量，不 限制高校所在城市；“毕业人数”指2000-2018年从该城市高校毕业的人才数量。 参考文献 [1] Economist Intelligence Unit, The Global Liveability Index 2018, https://pag- es.eiu.com/rs/753-RIQ-438/images/The_Global_Liveability_Index_2018.pdf [2] 福布斯中国，《2018年中国城市商业百强榜》，http://www.forbeschina.com/re- view/201812/0067429.shtml [3] 新华网，《“津门100”计划助力天津企业提升人才竞争力》， http://www.tj.xin- huanet.com/qyzx/2018-07/13/c_1123121073.htm [4] 成都商报，《2018上半年蓉城人才趋势报告：平均期望薪酬达7075元》，http://ww- w.sohu.com/a/249631144_100126234 [5] 三秦都市报，《BOSS直聘推出“长安100”计划 百人以下企业成关注对象》，http://e- paper.sanqin.com/html/2018-09/21/content_62535_390104.htm [6] 钱江晚报，《“杭城100”计划助推创业企业高质量招聘》，http://hznews.hang- zhou.com.cn/jingji/content/2018-11/15/content_7098546.htm [7] 楚天都市报，《江城半数流入人才来自北上广深》，http://ctdsb.cnhubei.com/HTM- L/ctdsb/20181214/ctdsb3303392.html 60开源时代 2019 人才资本趋势报告 61 开源时代 2019 人才资本趋势报告 TALENT CULTURAL TOPOGRAPHY: BUILD DEEPER UNDERSTANDING OF TALENT BEHAVIOR AND INTENTION 趋势7 绘制文化地形图： 更深刻地理解“人才动向” 21世纪的第二个十年正进入尾声，意味着“千禧一代”已全部成 年。过去五年里，社会公众和企业管理者无时不在体会着“90 后”进入职场后对既有观念，以及组织管理模式带来的巨大冲 击，“如何招聘和管理90后”成为一个被反复讨论的话题。 BOSS直聘研究院数据显示，2018年的活跃求职人群中，38%为95后。我们在2018年3月进 行的一次针对20-35岁青年职场人工作态度的研究则发现，73%的年轻人认为工作的价值是自 我实现，而非“为雇主奉献”。 2019年夏天，将有数百万出生于1997年的高校毕业生开始职业生涯。国家统计局数据显示 [1]，1997年中国新出生人口数为2038万，这也是我国在现行人口政策下，出生人口超过2000 万的最后一年。青年劳动人口总量的下降和这一代“数字时代原住民”前所未有的成长环境共 同构成了人才招募和管理的重大挑战。 人才地图 (Talent Mapping) 长久以来都是企业重要的人才寻猎和管理工具。然而，面对劳动 力结构、人才特质和职业观等关键维度的变迁，完成人才定位和画像分析所需要的信息开始超 出了静态数据（背景、资历、薪酬、地理分布等）的边界。 面对愈发复杂的场景，剖析90后仅仅是理解人才动向的开端和示例。在这一章中，我们想探讨 一个人才地图的新维度：文化地形图（Talent Cultural Topography）。 BOSS直聘研究院20-35岁青年职场人工作态度调查（图7.1） 文化地形图 62开源时代 2019 人才资本趋势报告 20-35岁青年人 对工作价值的看法 自我实现 其他 20-35岁青年人 对个性与职场规则能否相容的看法 能 不能 27% 73% 21% 79% 为什么要引入文化视角 很多时候，人们将90后的特立独行归因于“代沟”。21世纪以来社会经济环境的重大变迁造就 了前所未有的代际差异，这为探究“如何理解90后的想法和行为”，或其他特定群体的行为提 供了上佳的文化视角。正如英国文化理论家雷蒙德·威廉斯指出，“文化”的涵义已转化为 “表达特定意义与价值的特定的生活方式, 它不仅存在于艺术与学识中, 还存在于制度与日常行 为中。” 日常工作和生活中，人们并不缺少对各种群体特质的感性认知。但这些感性认知往往同时带来 思维惯性，形成了刻板印象。正如80后普遍被认为有“独生子女的骄娇二气”，90后则是“以 自我为中心，任性，缺乏规则感，眼高手低”等等。 外部人才地图中的一个重要元素是“求职或跳槽动机”，招聘者的任务是寻找或创造最合适的 时间窗口来促使这一动机成熟。特征标签能够对沟通产生一定的帮助，但它们也可能带来对他 人行为的误判。例如，我们的 20-35岁青年职场人工作态度研究发现，高达79%的年轻人认为 “个性与职场规则完全可以有效融合”，只要“规则是合理的”。 面对日益多元化和个性化的人才池，企业招聘者和管理者的一个苦恼是，虽然对人才的专业能 力做出了正确判断，但这个人依然不合适或者流失了。 意外的人才流失不见得是手里的信息出错，而可能是缺少对他人思维方式的 了解和预判，进而造成对其意向和潜在行为的误判[2]。 大众文化正深刻地建构并改变着人们的思维方式，开展文化研究对于获得一份更加立体准确的 人才地图显得愈发重要。这里我们想展示一个基础框架，配合一系列个性化问题清单，从五大 维度入手，绘制人才的文化地形图。 63 开源时代 2019 人才资本趋势报告 认同、行为范式、价值观、 观念滤镜与流行符号 除了文化研究界，政策与情报研究领域也已经在使用文化地形图作为研究工具。我们下面展示 的五角框架参考了基础理论[3]，并结合了人才招募和管理中的实际情况。需要指出的是，这并 非唯一的或最权威的框架，但是一个不错的起点。 64开源时代 2019 人才资本趋势报告 人才文化地形图的五大维度（图7.2） 文化地形图可以同时应用在组织外部和内部。除了具有鲜明代际特色的群体（例如95后），还 可以对具有不同职位、教育背景和亚文化标签等特征的人才群体进行分析。尽管个人行为在本 质上几乎是随机的，但职场的特殊环境决定，人需要在一系列社交规则下活动，基于个人背 景，会产生不同的行为模式。将多个分析进行交叉，有助于更加立体深入地了解人才的行为动 机和潜在动向。 流行符号 认同 感性滤镜 行为范式 价值观 人才文化地形图的维度拆解（表7.1） 65 开源时代 2019 人才资本趋势报告 认同 核心元素维度 企业的基础问题 价值观 感性滤镜 流行符号 行为范式 哪些规则或表达会让该群体感到被 冒犯或被尊重？ 该群体在哪些情况下会团结一致或 产生分裂？ 成员认为个人的哪些社会角色是至 关重要的？ 希望引入的某些核心人才是否会对 公司内部群体的认同产生影响？ 该群体普遍喜爱的文化风格和具体 作品有哪些？ 该群体共通的笑点有哪些？他们容 易轻信的谣言类型有哪些？ 哪些事物在他们看来是可以被嘲讽 的对象，即“鄙视链”？ 该群体的成长过程中最重要的文化 IP和事件有哪些？ 哪些行为或者成绩被这个群体视作 荣誉？ 哪些观念与企业制度是有矛盾的？ 哪些观念有利于企业推行新策略？ 哪些制度或沟通方式可能会引发群 体反弹？ 群体的哪些常见行为模式与企业利 益一致？ 想要推行的措施会为群体中的少数 派提供新的机会吗？ 该群体对于企业形象的预设观点是 什么？ 向他们传递信息时可能遇到哪些观 念障碍？ 该群体对未来的看法是什么？ 群体赋予自己的性格特征 群体崇尚什么样的名声 个体成员的社会角色和地位分配 具有通用所指的流行文化意象 影响成员价值判断的产品或现象 能够唤起成员共同情感的意象 被接受的和可预期的行为模式 在特定/典型情境下可预测的反应 群体视为珍贵、值得捍卫的事物 能够提升成员地位的事物 对其他群体“下结论”的工具 被成员普遍接受的既成观念 文化地形图的绘制要点： 身体力行 目标清晰 文化研究是一项有趣、有效但同时十分琐碎的工作。看似清晰的框架随时可能受到挑战，各个 元素之间有千丝万缕的联系，难以理清。初看之下，框架中的基础问题并不难回答，材料也十 分丰富。但这恰恰也是最需要警惕的：仔细探究这些问题需要大量的材料涉猎、访谈、数据分 析和亲身感受。否则，这将成为被精美包装过的刻板印象而已。在日益激烈的竞争环境下，针 对企业重点关注人才群体进行外部和内部的文化地形分析，更精准地掌握其行为偏好和潜在动 向，具有很高的战略价值。 要绘制有效的文化地形图，人才官必须对目标群体和要研究的问题（例如某项制度的推行，某 类型员工的管理障碍等）保持清晰的把握，在资料收集和访谈中始终围着绕核心目标展开。由 于“文化”是个非常宏大的概念，有具体目标能够防止自己陷入无穷尽的信息陷阱中。 在绘制文化地图时，有几种常用的调研方法： 收集并阅读与目标群体相关的报告和研究。如有必要，延展至历史、社交范式、群体文化 等领域，这对于跨国企业的人才官深入了解来自各国的员工尤其有帮助。经典著作和文献 有利于夯实基本认识，尽管它们阅读起来并不容易。 焦点小组访谈。这个在市场调研中被广泛应用的方法同样适用于文化地形图。需要注意的 是，焦点访谈的对象和访谈问题必须经过精心挑选。选择访谈对象时，建议同时包括“意 见领袖”和“质疑者”，可以简单理解为群体中“最典型的代表”和“一点不像XX”的 代表。意见领袖（KOL）能够提供核心信息，质疑者由于对自己所处群体的文化持有某 种批判态度，因此能够提供另外的观察角度[4]。 找到该群体中最流行的社交平台并进行一段时间的沉浸式观察。可能是微博、微信群、论 坛，或具体的APP，在其中尝试定位该群体最关心的话题，流行的观点，哪些话题会引 起辩论，以及各方的立场反映了什么样的价值观，社群中重要的事件，甚至于各群体内部 的“黑话”。 了解和观看在目标群体中最流行的大众娱乐作品。包括但不限于电影、电视剧、漫画、动 画、综艺、音乐、短视频等。你很可能不喜欢这些东西，但你的目标人才或员工对它们如 痴如醉，这直接关系到你们能否“在一个频道上沟通”。 66开源时代 2019 人才资本趋势报告 人才官的新ID： 通识者、共情者、弄潮儿 “企业文化建设”是人力资源部门一项十分重要的工作。但在今天，已经很难对成长在多元环 境下的年轻员工灌输统一的价值观。BOSS直聘2018企业人才需求趋势调查显示，仅有 14.8%的企业管理者认为员工培训的主要目标是“理解和接受公司文化”。 企业对人才的要求正不断提高，“人才官”绝不仅限于人力资源专职员工，而包含了全体管理 者。我们建议企业管理者在钻研业务的同时，不断拓展人才认知的边界，并将其与企业的发展 路线图紧密结合。可以尝试从构建以下这三种身份出发： 67 开源时代 2019 人才资本趋势报告 人才官的三种新身份（表7.2） 通识者 弄潮儿 不是只有新媒体编辑、公关经理或者市场营销经理才需要“追热点”，企业管理者同样 需要对时事热点的高度敏感，特别是与团队成员紧密相关的事物，并观察他们的反映； 练习从热点事件中提炼和获取不同群体价值判断的能力，并结合自身的工作进行情景演 练，即“我的员工这样想，我该怎么做”。 共情者 践行换位思考，尝试打开心态，与不同生活方式的群体进行有效沟通； 不仅仅关注人才的工作业绩，也关注其情感需求，这对管理95后尤其重要； “共情”不是失去自我，既要体察员工的心态变化，又要站在客观的角度进行分析。 了解团队在工作之外的重大兴趣和关注话题； 涉猎更多领域，注意探索和思考企业中那些有特点的群体行为背后的本质原因； 社会学、心理学、文化研究和大众传播是几个尤为有帮助的学科，尝试了解一些常识和 基本原理。 BOSS直聘研究院数据显示，2018年中国职场人前一份工作平均在职时长为18.9个月，较 2014年缩短4个月。职场人更加频繁的跳槽行为进一步提升了企业人才存留的难度，与高级人 才沟通的时间窗口也在变窄。 在判断工作能力之外，企业与人在观念和情感上的契合程度，开始变得更加重要。以文化地形 图为例，尝试非传统工具，并引入多学科概念，将有利于企业人才官更好地预测和理解人才的 行为与潜在动向，并作出相应的调整。 参考文献 [1] 国家统计局关于1997年国民经济和社会发展的统计公报，http://www.stats.gov.cn/tjsj/t- jgb/ndtjgb/qgndtjgb/200203/t20020331_30011.html [2] Rob Johnston, Analytic Culture in the US Intelligence Community: An Ethnographic Study, Center for the Study of Intelligence, 2005 [3] Jeannie Johnson & Matthew Berrett, Cultural Topography: A New Research Tool for Intelligence Analysis, Studies in Intelligence, Vol.55, No.2, 2011 [4] H. Russell Bernard, Research Methods in Anthropology: Qualitative and Quantitative Approaches, Alta Mira Press, 2002, 188-193 68开源时代 2019 人才资本趋势报告 ESCAPING THE PROMOTION DILEMMA: FOCUS ON EMPLOYEE COMPETENCE 趋势8 破除掷骰子式晋升：关注员工学习力 企业中的多数员工都希望通过个人努力升级加薪，实现职业梦 想；为了自身的可持续发展，企业也始终乐于培养和提拔内部人 才。但是，企业在进行人员调整时，会面临一个困局：虽然被提 拔的大多是组织中在当前岗位上能力较强的员工，却会出现员工 被晋升至与其能力不匹配的岗位的现象，最终导致企业整体效率 的下降。该现象被称为“彼得原理”，由劳伦斯·彼得于1969年 在其畅销书《彼得原理》中根据千百个组织中不能胜任的失败案 例归纳出来，他认为“在企业中每个员工总会被晋升到其不称职 的岗位上”。 69 开源时代 2019 人才资本趋势报告 企业管理者对彼得原理的认同情况（图8.1） 彼得原理所描述的后果可能会导致企业中人力资源的逆向选择。按彼得原理所述，本来在低级 职位上能够施展才能的员工被晋升至其不能胜任的高级职位上，阻塞了其他胜任者的晋升途 径，使得具有胜任力的高能力员工离开，留下了低能力员工，最终导致“每个岗位都被不能胜 任其工作的员工所占据”。 人才是企业的核心资产。人岗不匹配会降低企业对人才的使用效率；同时也对无法胜任工作的 员工造成了心理压力，影响企业发展的活力，使企业的战略目标难以实现。 虽然彼得原理的结论已被很多研究广泛证实[1-4]，但是并没有得到当代企业管理者的完全认 同。在BOSS直聘“2018企业人才需求趋势调查”中（如图8.1所示），我们发现，有26.5% 的企业高级管理者完全不认同彼得原理的结论，仅有4.5%认为彼得原理是完全正确的，69% 的高级管理者虽然认可彼得原理，但大多数人只认为彼得原理在少数情况下才成立。 企业管理者的实际经验在一定程度上说明了彼得原理并不是绝对真理，成立也是有条件的。但 是彼得原理所产生的潜在危害，确实影响着企业的健康发展。设计更加有效的晋升制度，破除 彼得原理，是企业提升效率的重要武器。 企业面临的晋升制度困局 70开源时代 2019 人才资本趋势报告 80 26 .4 9% 24 .5 3% 24 .5 3% 57 .1 9% 16 .2 4% 2. 03 % 56 .1 8% 15 .3 6% 3. 93 % 54 .0 5% 14 .9 5% 4. 5% 0 20 60 40 核心高级管理者 部门负责人 HR专职人员 少数情况下是对的 大多数情况下是对的 几乎完全正确几乎完全不对 彼得原理的本质是 统计回归效应 彼得原理通常被认为是管理心理学中的一种心理效应，但本质上彼得原理是一种描述衰退规律 的统计回归效应[5]，即员工在不同岗位上的工作能力终将回归到均值水平。用于解释彼得原理 的数学模型其实也很简单，假设员工在每一层级岗位上的工作能力包括员工自身固有的工作能 力和在该岗位上所要求的特殊工作能力。彼得原理假设各级岗位上所要求的特殊工作能力相互 独立。根据统计学规律，我们不难发现，在原岗位上表现优异的员工在新岗位上的平均工作能 力要低于原岗位上的工作能力。 为了更直观地理解彼得原理，我们借用“掷骰子”的过程： 6 1 6 试想一下，我们很难在每次晋升后都掷出高点，当你连续掷出6点后，后面将很可能会出现低 点，再也无法获得晋升。完全随机地掷骰子，能够产生员工能力的平均值是3.5，根据统计回归 效应，一切表现都将回归到这个均值上。所以，从统计意义上，员工在当前岗位上的能力值较 高，在未来工作岗位上的能力必将下降。 将彼得原理从职场推广到日常生活中，相信很多人都会有这样的经历：一部非常好看的电影在 不断地翻拍续集后，总会有一部让你觉得非常糟糕而感到失望；一家第一次去感觉非常好的餐 厅，当你连续去过后总有抱怨越来越不好吃了。彼得原理实际上是从统计意义上描述了上述的 衰退现象。日常生活中的经历与在职场中的彼得原理所蕴含的道理是完全一样的，那就是在统 计学意义上一切表现终将回归到均值。 斜体 71 开源时代 2019 人才资本趋势报告 职业转换后在新岗位上胜任力的变化图[8] （图8.3） 对彼得原理的再思考 通过对彼得原理数学模型进行深入分析，我们发现，彼得原理的统计学规律是基于个体与岗位 相关的特殊能力是独立同分布的假设。因此，彼得原理的成立是有条件的，需要员工在各级岗 位上的匹配能力完全不相关，而且员工的知识、技能和能力在工作过程中不变，也就是企业只 给你一次掷骰子的机会。 但在现实中，员工在新岗位上的胜任力是动态变化的（如图8.3所示），个体的职业发展是一个 具有高度复杂性[9]的过程。彼得原理的“掷骰子”模型完全忽略了员工的主观能动性和职业适 应性，因此彼得原理仅仅提供了一种职业发展过程中准静态分析的悲观结果。 73 开源时代 2019 人才资本趋势报告 价格 胜任力 时间职业转换的起点 在真实的企业中，各级职位上工作所要求的岗位能力不可能完全独立无关，员工也会在其职业 发展过程中不断学习和发展其职业技能。因此，晋升后所出现的人岗不匹配的问题，往往是一 种暂时状态，通过企业内部的系统培训以及员工的自主学习可以逐渐缓解。但彼得原理所揭示 的潜在危害不容忽视，企业至少需要意识到这一点，注意优化企业的绩效评估和激励机制，充 分调动员工自主学习的积极性，激发员工的工作潜能。 彼得原理作为一种“职场原理”已经存在了大约半个世纪。当今社会处于知识爆炸和经济全球 化的时代，新兴技术和职业层出不穷，人们的职业观念较之前也发生了巨大变化。职业逐渐变 得“无边界”[10]，人们在职业生涯中将会拥有更多元化的选择。 未来的员工不仅需要面对彼得原理所述的组织内部的晋升变动，还会经历更多的职业转换 [8,11]。频繁的职业变动要求员工不断地学习新的知识和技能以适应外部环境的变化。正如我 们在趋势3中所述，学习能力是最核心的元技能。 74开源时代 2019 人才资本趋势报告 破解彼得原理 彼得原理存在的主要原因是忽略了员工在职业转换过程中的适应性和自主学习的能力。最为有 效的应对方法就是提升组织中个体的学习能力，营造针对员工的终身学习氛围。回到我们“掷 骰子”的例子中，就是让员工可以通过自主学习享有更多“掷骰子”的机会，将原本投出的低 点重新掷回高点。学习型的社会需要学习型的企业，学习型的企业更需要学习型的员工。当所 有的组织和个体都能够以终生学习来应对外部环境的变化时，职位转换所要付出的摩擦成本将 会大幅下降，个体的职业转换过程也将会变得更加的平滑。当彼得原理的假设条件都被彻底打 破的时候，彼得原理也就只能作为一种理论存在了。 参考文献 [1] Chan, Eric W. Promotion, Relative Performance Information, and the Peter Principle. The Accounting Review 93.3 (2018): 83-103. [2] Brilon, Stefanie. Job Assignment with Multivariate Skills and the Peter Principle ☆. Labour Economics 32 (2015): 112-21. [3] Acosta, Pablo. Promotion Dynamics the Peter Principle: Incumbents Vs. External Hires. Labour Economics 17.6 (2010): 975-86. [4] Anderson, Ralph E., Alan J. Dubinsky, and Rajiv Mehta. Sales Managers: Market- ing's Best Example of the Peter Principle? Business Horizons 42.1 (1999): 19-26. [5] Lazear, E. P. The Peter Principle: A Theory of Decline. Journal of Political Economy 112.1 (2004): S141-S63. [6] Romaine, Janet. The Peter Principle Resuscitated: Are Promotion Systems Useless? Human Resource Management Journal 24.4 (2014): 410-23. [7] Fairburn, J. A., and J. M. Malcomson. Performance, Promotion, and the Peter Principle. Review of Economic Studies 68.1 (2001): 45-66. 75 开源时代 2019 人才资本趋势报告 [8] Parker, Chris, and Ralph Lewis. Beyond the Peter Principle—Managing Successful Transitions. Journal of European Industrial Training 5.6 (1981): 17-21. [9] Bloch, Deborah P. Complexity, Chaos, and Nonlinear Dynamics: A New Perspective on Career Development Theory. Career Development Quarterly 53.3 (2005): 194-207. [10] Arthur, Michael B, Svetlana N Khapova, and Celeste P M Wilderom. Career Success in a Boundaryless Career World. Journal of Organizational Behavior 26.2 (2005): 177-202. [11] Louis, Meryl Reis. Career Transitions: Varieties and Commonalities. Academy of Management Review 5.3 (1980): 329-40. [12] Farmer, J. D., and D. Foley. The Economy Needs Agent-Based Modelling. Nature 460.7256 (2009): 685-6. [13] Lempert, Robert. Agent-based modeling as organizational and public policy simula- tors. Proceedings of the National Academy of Sciences 3(2002):7195-6. [14] Phelan, Steven E, and Zhiang Lin. Promotion Systems and Organizational Perfor- mance: A Contingency Model. Computational & Mathematical Organization Theory 7.3 (2001): 207-32. [15] Pluchino, Alessandro, Andrea Rapisarda, and Cesare Garofalo. The Peter Principle Revisited: A Computational Study. Physica A: Statistical Mechanics and its Applications 389.3 (2009): 467-72. 76开源时代 2019 人才资本趋势报告 附录：彼得原理的数学模型 假设企业的组织结构是层级的（如图8.5），员工在第k层级岗位上的工作能力为Ek=A+ϵk[5]， 其中A为员工不变的工作能力，而ϵk为层级k上职位所要求特殊工作能力，ϵk被假设为独立同分 布的随机变量。若晋升的条件是员工的能力达到标准A*，即A+ϵk>A*，则能够得到， E(A+ϵk-1│A+ϵk>A* )A* ) (1) 上式等价于 E(ϵk-1│A+ϵk>A* )A* ) 为了简单但不失一般性，可以假设E[ϵk]=0，又由于ϵk-1和ϵk是独立的，可知 E(ϵk-1│A+ϵk>A* )=0 所以（1）等价于 E(ϵk│A+ϵk>A* )>0 将上式展开，则有 E(ϵk│ϵk>A*-A)=∫+∞dμ(a) ∫+∞ xdμ(x)>0 这是因为dμ(a)>0,且∫+∞xdμ(x)>0（注意到∫+∞ xdμ(x)=0），便得到了公式（1）的结论。 公式（1）说明了员工从等级k的岗位晋升到等级k-1的岗位后，员工的在新岗位上的平均工作 能力Ek-1要低于在原职位上的工作能力Ek。 在经济学模型中，为了使结果具有解析性，往往加入了较强的模型假设条件。在过去的几年 中，借助基于智能主体的计算模型（agent-based model）对复杂社会经济系统中的人类行 为进行了更为深入的探索[12,13]，提供了更有洞见的分析结论。在对彼得原理的研究中， Phelan和Lin[14]首先使用计算机仿真模型验证了彼得原理的正确性，比较了不同的晋升方式 对组织效率的影响，发现在某些情况下随机选择人员晋升机制的组织效率要高于基于绩效选择 的晋升方式。Pluchino等人[15]同样利用计算机仿真模型验证了彼得原理，并且发现在每层选 拔时随机选择或者晋升能力最差的员工可以提高组织的整体效率。 77 开源时代 2019 人才资本趋势报告 -∞ -∞ A*-A A*-A 上述反直觉的研究成果虽然指出了改进彼得原理负面影响的方式，但是也从一个侧面揭示出了 彼得原理模型的局限性。彼得原理在理论分析中，假设了各级岗位上所要求的特殊工作能力是 完全独立无关。我们可以得到公式（1）的结果，但同样若假设通过的晋升条件是员工能力没有 达到标准A*，即A+ϵkE(A+ϵk│A+ϵk