以数字化转型为契机 推动人才工作科学化

近年来我国快速进入数字时代，以智能化、数字化为核心的“大数据、物联网、云计算”等新一代信息技术，业已成为国家治理体系和治理能力现代化的关键力量。《中华人民共和国国民经济和社会发展第十四个五年规划和 2035 年远景目标纲要》明确提出要“加快建设数字政府，以数字化转型整体驱动治理方式变革”。

在人才发展治理领域，人才工作数字化转型以“赋能人才”为最终目标，是指充分运用大数据、云计算、人工智能等数字化技术，获取、挖掘和应用一切有价值的人才数据，对政府人才工作战略决策、政策的制定、宣传和执行以及人才引用育留体制机制等工作职能、方法、手段和流程进行全方位、系统性重塑，是精准高效回应人才需求、促进人才工作决策科学化、助推人才发展治理能力现代化的重要手段。当下，各级地方政府积极探索人才工作数字化转型，已产生大量丰富的实践进展。

我国人才工作数字化转型的改革探索与成效

在党和国家的统一部署下，在“数字中国”建设背景下，地方政府迅速响应中央关于数字化发展的新要求，以数字技术为抓手、以数字应用为载体，丰富人才工作数字化转型应用场景，推动人才工作向“数字赋能”转变。

以服务集成推动人才工作提质增效

2021年浙江启动数字化改革，将原有“人才码”迭代升级为“浙里人才管家”。总体框架是“1+4+N”，其中“1”为人才数据库，“4”为引才云、项目汇、人才码、人才谱等4个子应用，“N”指在4个子应用下的多场景应用。从人才“顾客端”来看，“浙里人才管家”统筹了市直属单位、76家企事业单位、163个众创平台和49家金融机构等多个实体服务机构，实现省市区（县）三级互联互通；改变了既有人才办事事项的审批流程，通过算法模型代替了人工审核和人工判定，将多环节审批并联整合为一键办事，缩短了办事时间，提升了办事效率。截至2022年1月，“浙里人才管家”应用已赋码超过390多万人，提供服务900多万人次。

2021年10月，上海市上线“上海公共招聘”平台，凭借跨区域、跨平台资源整合和人职匹配智能化技术算法，为人才求职、企业招聘提供公益、免费、权威的人才供需信息和“一站式”解决方案。平台上线仅4个月，已有1.4万余名求职者登录新平台，其中已投递简历1.02万名，累计投递简历超过12万次；5600余家用人单位登录、累计发布职位信息4.6万条、招聘人数超22万。

以流程优化再造提升人才管理效率

2021年，江苏苏州工业园区发布“人才政策计算器”。以人才政策数据库为基本前提，全面梳理各级各类人才政策，在进行标准化和结构化分类后，形成了人才计划项目、人才待遇落实、人才企业发展和人才公共服务等四大类人才政策产品。结合苏州工业园区的政务数据，通过匹配人才和企业的技术画像与人才政策，点对点地生成个性化、定制化政策报告，提高人才政策的契合度和适配度。更重要的是，人才和企业在使用过人才政策计算器后，平台自动开启政策申报信息精准推送功能，在项目或政策申报启动时，将主动提醒适配用户，减少漏报、错报等情况的发生，最终做到“政策找人才”。

上海市虹口区人才服务中心不断完善“数字化智能工作平台”，引入AI人才服务专员，加快建成数字政务创新生态，大力推进人才落户、居住证积分、职称受理等事项流程再造和“不打烊”全程网办，人才业务从“串联”到“并联”，大幅提高办事效率及人才获得感。

以数据挖掘赋能人才治理变革

2021年，山东济南人才服务中心推出人才数据中心。为深入推进产才融合，人才数据中心首先贯通了公安、人社、教育等部门权威数据，构建形成涵盖全市900万户籍人口、600万社保缴费和200万人才业务的人才“数据池”；以身份证件号码为唯一识别码，联合学信网、国家职业资格网、全国专技证书系统等权威网站，在对有关人才信息数据认证和比对验证后，进行分类入库。

其次，结合济南人才数量、类型、分布与地方产业布局，绘制了“产业人才地图”，对全市的重点产业人才分布、存量、专业领域等供给侧信息，以及重点企业分布、企业急需人才专业、学历等需求侧信息进行综合研判，生成可视化动态地图，为招才引智提供科学判断基础，切实解决了供需错配和结构性矛盾，推进人才链和产业链的精准对接。

2019年，江苏省常州市基于大数据技术开发全国地级市首张“人才地图”。通过“常州人才地图”可以清晰呈现人才来源、人才分布、人才流动和人才决策预警等功能，为分析人才竞争力、提升人才吸引力和制订相应对策提供依据，为高校专业设置、人才培养提供决策参考，为优化产业结构、实现“产才融合”提供数据支撑。

总体来看，这场覆盖全国各地的人才工作数字化转型背后，蕴含的是通过数据归集、服务归集和具体场景应用，实现以数字全面赋能人才工作，实现人才工作从单纯资金激励到综合服务提供，再到五链融合机制构建，最终实现战略谋划科学决策的系统转型，本质上是一个人才生态体系的重塑过程。

首先，人才工作数字化转型实现了破除数据壁垒、整合服务资源。通过系统梳理有关安居落户、就业补助、交通出行等人才服务事项，对接政府服务、公共服务和市场服务等各类服务机构，将服务事项、部门信息、地区信息和人才信息进行系统归集。

其次，人才工作数字化转型推动了现有人才工作手段工具和工作流程的优化再造。通过一个综合性和集成化的运行平台，在平台前端，人才只需要拥有一部手机，就可以实现“一键办理”“个性定制”和“智能服务”等功能；在平台后端，数字技术简化了人工录入、整理、分析、审核等程序，能够有效提升服务质效。

最后，人才工作数字化转型强调数据赋能人才管理。借助数字技术手段，人才工作职能部门可以收集大量有关人才行为数据、相关政策以及企业等关联主体需求等数据。在对数据进行充分挖掘分析的基础上，为数字赋能人才工作科学决策提供可能性。

我国人才工作数字化转型面临的问题与挑战

由于政府组织形态变革和政府数字化转型改革才刚刚拉开序幕，人才工作数字化转型的前进道路仍然面临着诸多挑战。

第一，数字化多跨场景应用难以整合，制约人才工作整体智治效能。

一方面，人才服务事项呈现出模块化特征，在出入境签证、人才项目引进、人才政策兑现等业务办理时涉及多部门多领域协同治理。由于社保、市场监管、财政、税务等数据没有充分对接，或部门之间数据掌握情况和收集标准不一致等问题，跨部门服务事项的业务协同治理水平不高。

另一方面，应用场景无序开发现象初显，数字平台建设尚未充分发挥人才工作全链条集成和五链融合的必要价值。不同部门、不同层级为凸显改革特色和工作亮点，探索开发建设了单一功能的数字平台，用户常常需要在各种不同应用之间来回切换，单一数字平台难以满足人才服务端的多元需求，致使开发出的数字应用系统用户黏性和活跃度不高。

第二，新型数据壁垒正在生成，阻碍区域人才工作协同发展。

当前全国各地都在积极推进人才工作数字化改革，人才数字化系统“遍地开花”。但由于各地政府建设进度不一，选择的技术供应商不同，所采用的技术架构不同，跨省市间系统建设标准、人才数据采集标准、网络安全标准以及建设进度不统一，使得区域间人才系统和平台端口难以兼容。在数据结构多源、标准异化，且地方政府对数据的主动共享意愿不强、动力不足的前提下，国家整体层面或区域层面的人才数据集成、互联和共享难以实现，生成新的数据壁垒。

第三，基于数据深度挖掘赋能人才决策科学化仍有发展空间。

当前，人才工作数字化转型多以政府为主导，市场和社会力量参与较少，数源部门较为单一。跨越人才信息数据本身，如何通过数据集成，与企业信息、专利信息和论文信息等外部数据源进行碰撞和配对，以数字化实现人才链、创新链和产业链的融合，成为新的增长点？此外，数字技术为建立决策场景和模型分析提供了可能，但技术和数据需要被人的行为目的赋予内涵，理应重点考虑如何赋予人才结构化数据和非结构化数据的建模意义，最终实现人才决策科学优化。

进一步促进我国人才工作数字化转型的思考与建议

通过梳理我国人才工作数字化的改革探索，分析人才工作数字化转型面临的问题与挑战，笔者对进一步促进我国人才工作数字化转型提出以下建议。

第一，打造数字化人才工作生态，实现人才工作全链条变革。

一方面，完善政府部门主体间数据归集机制，实现底层数据互联互通。以提升人才服务获得感为改革目标，打造省域层面一体化公共服务平台，系统梳理各部门的核心业务、办事流程和细化指标，归集人才创新创业全生命周期服务场景。

另一方面，架构多跨协同的一体化人才服务平台，集成融合多部门应用系统，增强人才工作业务协同水平和需求响应能力，提升用户使用黏度。更重要的，牢固树立“人人皆可成才”观点，以“大人才观”为指导，扩大人才公共服务覆盖面和服务边界，让广大人才共享人才工作数字化改革成果。

第二，落实顶层战略，以数字化推进人才区域一体化发展和人才统一大市场建设。

首先，从国家层面建立和完善人才大数据的相关标准体系，围绕管理标准、收集流程、平台架构、安全保障和技术标准等方面，对人才工作数字化转型涉及的内容和信息化系统建设逐一加以规范，避免各级地方政府重复建设和资源浪费，降低统筹难度。

其次，强化区域间人才协同发展战略。以推进政务服务“跨省通办”为契机，通过建设跨区域数字基础设施，制定跨区域人才数据共享和统筹管理机制，实现区域间人才政策互通、人才服务互享和人才联合认定等。

第三，推动多主体参与，以数字驱动人才决策科学化。

首先，完善多元主体参与人才治理机制。推动政府、市场和社会等主体参与人才工作数字化转型，实现政务信息系统和人才数据库、企业数据库和市场化服务机构数据库等资源的整合和共享，打通人才、技术、产业、创新等服务端和政府治理端的链接枢纽。通过多源数据碰撞挖掘、多元主体参与决策，充分释放数据价值。

其次，在数据建模和结果分析过程中，综合考虑计算机、人工智能、法学、心理学和人力资源管理等多学科领域专家的意见，注重数据价值导向，增强数据分析结果的可解释性，并为基于数据分析结果提供解决方案做出重要参考。同时，加快人才工作者数字能力建设，强化人才工作者的主体作用，充分认识到技术和算法可能存在缺陷，将数据、算法和技术作为决策的辅助者，避免盲目地遵从。