人力资源管理的改革对策建议论文（共3篇）

　　随着现在企业的不断发展，也让人力资源成为了人力资源当下管理当中非常热门的学科，而且现在市场上这个专业也是非常吃香的，那么人力资源的论文怎么写？下面就跟着小编一起来看看吧。

　　第1篇：企业人力资源会计的计量与修正

　　刘雨川（河南省教育厅，河南郑州450000）

　　摘要：随着企业人力资源管理理念和实际工作的深入，人力资源会计适当的准确的计量被提到了重要的位置。如何根据企业的实际情况选择人力资源会计的计量方法，并按照人力资源的特征对计量模型进行必要的修正，成为企业的当务之急。在这一背景下，对企业人力资源会计的计量问题进行了系统研究，首先对企业人力资源会计的意义和特性进行了阐述，然后从成本和收益两个角度分析了企业人力资源会计的计量方法和存在的局限，最后对企业人力资源会计进行了不同角度的修正。

　　关键词：人力资源会计；企业；会计计量；修正

　　作为企业会计工作的核心职能之一，会计计量一直发挥着重要作用。而对人力资源计量来说，长期以来被看作推行人力资源会计的关键环节，并一直是这一系列工作的难点。事实上，对人力资源加以计量，并非是狭隘的、单纯的对人的“价格”进行的量化模式，而是要借助对人的脑力（智力）、体力的综合研判，确定其已经或者可能会创造出的价值水平，然后再以货币的形式进行计量；或者，从另一个角度讲，人力资源会计指的是对人力资源的取得、开发与使用和在管理过程中产生的各项支出加以计量与确认的过程[1]。从目前的情况来看，现有的人力资源会计计量一般有成本和价值两个不同的视角，人力资源会计以此被划分为人力资源成本会计与人力资源价值会计。对于这两种模式，前者指的是企业对人力资源投资的资本化，后者则针对产出。随着企业人力资源管理理念和实际工作的深入，人力资源会计适当的准确的计量被提到了重要的位置，如何依照企业的实际情况确定人力资源会计的计量模式，并依据人力资源的特征对计量模型加以调整和修正，成为企业当下亟待解决的问题。本文在这一背景下，对企业人力资源会计的计量问题进行了深入研究，首先对企业人力资源会计的意义与特性予以阐述，然后从成本和收益两个角度分析了企业人力资源会计的计量方法和存在的局限，最后对企业人力资源会计进行了不同角度的修正。旨在通过本文的努力，为时下企业人力资源会计的计量问题提供可以参照的信息。

　　一、企业人力资源会计的意义与特性

　　（一）企业人力资源会计的意义

　　当前，人力资源的价值被前所未有地“高估”，社会对人力资源计量工作也给予了高度重视，人们逐渐认识到，构建人力资源会计计量体系已经超越了适应国民经济发展的需要，更是对社会发展预见性的一种客观表达。因此，在对人力资源价值进行研究的过程中，对其当前价值和未来价值进行综合考察具有一定的现实意义。对当前价值而言，需要将人力资源当期投入价值和当期创造的已实现价值求和，并将其作为计量人力资源的基本价值量，这一价值量也成为人力资源未来价值计量的基础[2]；对未来价值而言，虽然存在很大的不确定性，难以准确计量，但是从发展的角度讲，这明显是对企业未来获得良好发展的一种积极态度。

　　（二）企业人力资源的会计特性

　　毋庸置疑，人力资源的所有权归属人的本身，企业无法对其实行完全的控制，从这个角度讲，人力资源符合会计计量中的“资产”概念[3]。这一资产具有以下特性：（1）在对人力资源予以取得、开发与使用时，任何因此发生的成本与产生的价值都可以借助货币进行计量；（2）作为企业生产过程中不可或缺的基本生产要素之一，人力资源对企业而言，具有一定的服务潜能，能够通过自身效用的发挥，给企业带来一定的经济利益；（3）虽然所有权归属人的本身，但从法律的角度讲，企业对人力资源拥有法定的所有权和控制权，即具有控制劳动者劳动能力的权力，这就使得劳动者劳动能力的所有权和使用权发生了分离，而后者成为企业的一种重要资产。

　　二、企业人力资源会计的计量方法及其局限

　　（一）成本法计量模型及其局限

　　（1）历史成本法。该方法中的成本由人力资源管理过程中产生的费用构成，涉及诸多方面——人力资源的招聘成本、甄选和管理成本等，并将由此产生的费用分期摊销到特定个体效力的资产项目之上[4]。考虑到这些资产会在退出时产生一定的损失（残值），因此，需要追加因人才补充而产生的资产价值，这样一来，资产的潜在收益就得到了增加。虽然该方法比较客观和实用，数据的可验性也较强，但其存在的局限也是非常明显的。

　　（2）重置成本法。该方法涉及的成本是对某一岗位上的新员工进行重新招聘、雇用、培训和开发，使其达到既定水平所产生的全部费用[5]。从企业的层面讲，重置成本是一个双重概念，其中“职务重置成本”指的是用一个能够在当前职务上提供同等服务的个体替代该职务上原有人员而现在产生的成本；个人重置成本指的是用一个能够提供同等服务的个体去替代当前雇用的人而现在产生的成本。前者关注的是替代既定服务的任何任职者所能提供的一组服务的成本，后者则指用另一个个体提供同等服务而代替某个人的服务的成本。

　　虽然重置成本法能够很好地用现在的市场价格重新计算原有人力资源的成本，但是该方法也存在一定的不足。比如，企业个别职工的价值要明显高于相关的重置成本，或者难以找到对等的对所给定的人力资产进行重置的证据，而重置所有职工本身就极难做到。

　　（3）机会成本法。该方法从机会成本的层面出发，从员工离职使企业遭受的损失的角度，对企业的人力资源加以计量，这种方式的计量如果能够很好地降低时滞效应，其结果将与人力资源的实际经济价值非常接近[6]。

　　当然，该方法一直被认为是对传统会计模式的“背叛”，与会计属性相去甚远，且计量工作相对繁重，因此对企业的要求较高，那些雇员素质高、流动性大、机会成本容易获得的企业应用效果会相对较好。

　　（二）收益法计量模型和局限

　　（1）未来工资报酬折现法。这一方法主要在于对员工未来工资报酬进行折现，折现期为企业受益期限（比如n年），对所得现值求和之后就得到了人力资源的价值。计算公式如下：

　　pagenumber_ebook=113，pagenumber_book=108

　　上式中n为员工为企业工作的时间，f（t）为第t年员工的工资报酬（实际报酬或者通过计算得出的平均报酬），r为折现率。

　　虽然该方法计算简单，但其局限性也比较明显，具体表现在：该方法以工资报酬作为计量基础，但人力资源的实际价值有与其背离可能；当企业的人员流动性较大时，“受益期限”难以得到正确的估计；贴现率更像是一个主观上的选择，但其却是影响人力资源价值最重要的要素。

　　（2）调整的未来工资报酬折现法。考虑到不同企业之间的赢利水平与人力资源的素质不同，因此有必要通过对员工未来工资报酬的现值乘一个效率系数对其进行平衡，该系数主要反映企业赢利水平和本行业平均水平之间的差异。计算公式为：

　　pagenumber_ebook=113，pagenumber_book=108

　　其中，Pn（t+1）为员工直到第t+1年才离开企业的概率；Si为员工第i个年度的平均工资函数；r为折现率；T为员工离开企业的实际年龄。

　　该方法较之于未来工资报酬折现法更进了一步，但其仍以工资为计量基础，倘若企业的赢利水平超过同行业平均水平时，计算结果将大于未来工资报酬折现法的结果，高估了人力资源的价值；相反，计算结果将低于未来工资报酬折现法计算的结果，低估了人力资源的价值[7]。

　　（3）未来收益折现法。该方法又称随机报酬模型，是在调整的未来工资报酬折现法的基础上，将企业的未来收益进行折现，并从投入产出的角度对人力资源价值进行计量，即在企业的未来收益中，由于人力资源投资而产生的剩余价值尤其初始投资占全部投资的比重来决定。其计算公式为：

　　pagenumber_ebook=114，pagenumber_book=109

　　其中，Si表示第i种状态下预期服务的货币表现；P（Si）表示职工处在Si状态下的概率；r为折现率，其他变量含义如前。

　　该方法由于考虑到了“投入-产出”，使得人力资源价值的计量更加客观，但其并未把人力资源的交换价值全部释放出来，造成了实际上的低估。同样，其中的未来净收益具有明显不确定性，是个预测值或者估计值，更为明显的是，人力资源的产出与其投入之间并非以单纯的线性关系出现。

　　（4）商誉法。应用该方法首先要计算企业在过去若干年中超过行业平均收益的部分，将其资本化后作为其商誉的价值，然后求出人力资源投资额占企业总投资额的比重。实际上，该方法是将企业的超额利润通过资本化的程序，确认为其人力资源价值。计算公式为：

　　pagenumber_ebook=114，pagenumber_book=109

　　其中，R为企业的实际净收益（净利润），C为企业的总资产，γ为行业的平均投资报酬（利润）率。

　　该方法计算简单，可是未能考虑到人力资源的交换价值，对剩余价值也未能完全涉及。通过公式可知，当企业的实际利润不高于行业的平均利润时，该企业的人力资源便失去了价值，这是对人力资源是一种重要经济资源的严重违背。

　　三、企业人力资源会计的修正

　　综上所述，现有的计量方法无法完全涵盖人力资源成本和价值的全部，因此，有必要对其进行修正，使其更加符合企业人力资源会计计量的实际。

　　（一）增加对公允价值的运用

　　作为一种新的计量属性，公允价值的典型特征是对公平交易市场的确认。因此，在对人力资源会计进行计量时，有必要将公允价值补充到历史成本计量属性中去[8]。为此，需要将多种人力资源要素（健康状况、知识储备、技术技能等）加入到生产过程，通过实际的分析和论证计算这些要素为企业创造的价值。这些信息虽然难以获得，但是一旦准确地获取，就会明显增加人力资源会计计量的“精度”，这一点毋庸置疑。此外，在对人力资源进行会计计量时，体现人力资源的时效性特征非常重要，该时效性不但与人力资源的生命过程有关，还关乎技术进步，因为从技术进步的角度讲，人力资源储备的知识和技能会因为迟于更新而失效，这明显符合公允价值计量人力资源的动态性和时间性的要求。

　　（二）通过完全成本法进行会计计量

　　通过完全成本法计量的人力资源包括两方面内容：由劳动者自身投资形成并投入企业的初始人力资源和企业对人力资源投资形成的后续人力资源[7]。前者指的是员工入职企业后对企业进行知识和技能投入而形成的资源；后者指的是企业为了取得、开发和使用员工，将投入的成本资本化形成的资源。其中，企业初始人力资源的计量公式可以表示为：

　　pagenumber_ebook=114，pagenumber_book=109

　　其中，C（t）为第t年企业的全部投资成本，r为利率或折现率，即由企业投资形成的人力资源要根据企业实际发生的投资成本进行会计计量。

　　（三）增加计量工作的非货币因素

　　通过前文的叙述可知，未来收益折现法（随机报酬模型）对每种工作状态下服务的货币表现的计量并不够清晰，未将人力资源的诸多方面考虑其中。一般而言，不同企业不同员工的要素分解和相应的权重系数是不同的[8]。因此，需要在计量人力资源时，增加相关的非货币因素对人力资源会计进行调整。调整后的人力资源价值计算公式为：

　　pagenumber_ebook=114，pagenumber_book=109

　　其中，L为非货币因素调整系数，其余变量含义见前文。

　　四、结语

　　虽然对企业人力资源会计计量内容和方法的关注和研究由来已久，但即便如此，在实际应用中还存在诸多值得探讨的问题。比如，环境因素如何影响人力资源的会计计量，货币性计量和非货币性计量模式的结合使用能在多大程度上降低计量的模糊性和主观性，这些都还没有统一的严格的标准等。这些都需要实践和研究的持续深入，通过多个层面的努力——法律法规的约束、市场环境的良性运行、人力资源的自由流动等——实现人力资源会计的准确计量。

　　第2篇：大数据人力资源管理：变革与挑战

　　姚凯桂弘诣

　　(复旦大学管理学院，上海200433)

　　【摘要】以商业智能(BusinessIntelligence)为代表的数据分析已在运营管理、市场营销以及财务金融领域取得了丰硕成果，但人力资源部门依然处于数据分析的初始阶段，其管理职能的实现主要建立在经验和直觉的基础上。数据爆炸和大数据技术的兴起彻底改变了商业分析的面貌，也为人力资源部门向数据驱动转型提供了前所未有的战略机遇。在人才的重要性日益凸显、企业间人才竞争加剧的形势下，利用大数据技术重塑人力分析和人力资源管理成为人力资源部门应对挑战、支撑企业长期竞争优势的关键。文章尝试从人力分析(数据搜集、数据整合和清理、数据分析、数据洞见的呈现)、人力资源管理部门(规划、招聘、绩效、留任、员工问题)和组织(人力资源部门的角色、组织架构、组织文化)三个层面建立大数据人力资源管理的理论框架，系统阐述大数据技术给人力资源管理带来的变革和挑战，并从学科交叉的角度解释其内在逻辑，探讨了大数据人力资源领域将来的研究方向。

　　【关键词】大数据人力分析人力资源管理

　　一、引言

　　从管理学正式作为一门科学诞生之日起，管理者就一直在不遗余力地推进管理对象的量化，并且使自己的决策能够更多地基于数据和模型(data-driven)而不是直觉(instinct-driven)。基于事实的定量分析方法作为现代科学的重要标志，伴随着管理学和管理实践的发展历程(McAfee&Brynjolfsson，2012)*。

　　时至今日，以商业智能(BusinessIntelligence)为代表的数据分析已经在运营管理、市场营销以及财务金融领域取得了丰硕成果。在这些管理领域中，数据和模型已经成为如水和空气一般的生存必需品，商业智能提供的相关数据已经成为管理者决策仰赖的基本依据。包括谷歌在内的商业智能领域的先行者，不止一次在媒体和公开场合表达他们使一切商业决策都基于数据分析的野心。

　　然而，如果进一步审视不同领域的管理实践在数据分析功能上的发展，那么就会发现这一趋势并不是均衡协调推进的。其中一个明显的掉队者，就是人力资源管理部门(Boudreau&Cascio，2017)*。尽管人力分析(HRAnalysis)的概念久已有之，相关的软件公司亦提供了标准化的人力资源数据系统(HRIS)，但目前大部分公司的人力分析依然停留在所谓的“初级阶段”，以对过去人力资源情况的描述性统计为主，例如员工人数、年龄、出勤率和薪酬的统计等。尽管大量的组织都对人力分析表现出强烈的兴趣，但是他们依旧处于从“人力资源报告”到“人力分析”转型的探索阶段。根据德勤公司的一项调查，尽管有75%的受访公司认为人力分析对于提高公司的绩效至关重要，但是只有8%的公司认为他们在这方面具有较强的实力(Bersinetal.，2015)*。人力资源经理在大多数人力资源决策上，例如招聘选拔、绩效评估和培训上，依然倾向于相信自己在多年的工作中积累的经验和直觉，而不是表格中的数字(Sullivan，2013)*。

　　回顾商业智能的发展历程，技术进步，特别是信息技术的进步在其中起到了决定性的作用。进入21世纪以来，随着电子商务、物联网、移动互联网、智能终端设备以及社交网络的蓬勃发展，与商业智能相关的数据量经历了爆发式增长，远远超过了当时的数据处理系统能够应付的水平，海量数据中隐藏的商业价值有待开发(Manyikaetal.，2011)*。因此，大数据技术应运而生，在短短的数年时间内就从概念的提出发展到建立以分布式存储和分布式运算为核心的数据处理架构，实现了大规模商业应用，犹如一股浪潮席卷了商业世界，甚至达到人人自危的地步。大数据技术犹如为过去的商业智能插上了翅膀，彻底改变了商业分析的面貌，数据分析处理的数据量和分析速度得到了极速提升，并且使得企业家对于数据分析的重视达到了空前的高度(Anderson，2008*；Bollieretal.，2010*；Floridi，2012*)。

　　与此同时，人力资源管理部门正面临前所未有的巨大挑战。人才，特别是尖端技术人才和团队正日益成为企业竞相争夺的对象。Facebook、百度、华为等公司已经开始尝试将尚未毕业的学生提前揽入麾下(Isson&Harriott，2016)*。高端人才在不同公司甚至不同国家之间的流动更加频繁，以整体获得目标企业研发团队为目的的兼并收购层出不穷。以谷歌为代表的科技公司甚至将最大限度地激励“创意天才”、使其创造力得到最大可能的释放作为公司未来核心竞争力的关键所在(Schmidt&Rosenberg，2014)*。

　　大数据技术为人力资源部门在数据分析上取得突破提供了绝佳的战略机遇(Boudreau&Cascio，2017)。通过使用传感器或者可穿戴设备跟踪员工的个人和团队工作、在办公场所的物理移动、与他人的交流互动等行为，大数据能够成为管理者分析个人和团队行为的潜在有力工具(Georgeetal.，2014*；Chenetal.，2012*)。人力资源部门如何用好大数据这一工具，像当年的市场营销部门一样，实现向数据驱动的转型以应对当前人力资源管理的各种挑战，已经成为实践中迫在眉睫的问题(Fairhurst，2014)*。这对于在新的技术条件下进一步拓展商业智能和人力分析的理论研究空间，开拓崭新的研究方向也具有重要意义。遗憾的是，除了少数论文和著作涉及这一话题(Isson&Harriott，2016)，学术界对此几乎保持沉默。

　　在这里，首先需要对几个概念进行界定，以作为本文进一步讨论的基础。人力资源大数据是指一切对于人力资源管理中的决策支持、洞察发现和流程优化具有潜在价值的大数据的集合。大数据人力资源管理是指充分运用大数据技术和其他数据处理技术，获取和分析包括人力资源大数据在内的一切有价值的数据，并将其转化为与人力资源管理相关的商业洞察，用于指导人力资源管理实践，最终实现商业价值提升的人力资源管理模式。

　　二、文献综述

　　(一)人力分析的相关研究

　　1.人力分析的内涵

　　人力分析可以被看作是商业智能在人力资源领域的一个细分职能，其基本定义和方法与商业智能一脉相承。人力分析的本质是在人力资源管理中通过数据建立完整的逻辑链条。它通过对原始数据进行挖掘，得到有价值的信息，最终通过一个完整的逻辑框架建立从人力资源到组织目标之间的逻辑联系(Momin&Mishra，2015)。由于在管理实践中人力分析项目发展缓慢，故目前人力分析的内涵还处于不断丰富的发展过程中。

　　2.人力分析的原则和步骤

　　综合过去的研究文献，组织开展人力分析主要遵循如下三条原则：第一，人力资源部门的负责人必须从战略的高度理解组织的人力资本是如何为组织目标的实现做出贡献的(Boudreau&Ramstad，2007)*。第二，人力分析想要得到有价值、有意义的结果，必须建立在对于数据本身以及搜集数据的环境有深刻理解的前提上，也就是所谓的逻辑驱动的分析(Boudreau&Jesuthasan，2011)*。第三，人力分析必须能够识别组织中的关键人才，即对于组织的战略目标影响最大的那一部分雇员(Boudreau&Jesuthasan，2011)。

　　雇员研究协会(IES)在2014年的报告中指出了人力分析的五个基本步骤：将具体的商业问题转为数据分析问题；搜集、结构化、存储和操纵数据；用标准化的统计处理技术对数据进行初步分析；采用机器学习和神经网络等方法对数据进行深入分析；将数据分析的结果以清晰且具有说服力的形式传递回商业世界(Fairhurst，2014)。

　　当前学术界对于人力分析的原则和步骤的研究基本上基于先进企业最佳实践的经验总结或者一般性的商业智能方面的研究，主要缺陷在于没有能够与人力资源管理部门的具体职能深度融合，未充分体现人力分析的独特性。

　　3.人力分析对人力资源管理的影响

　　随着人力资源管理与商业活动的联系日益紧密，循证人力资源管理和人力分析变得日益重要(Boudreau&Ramstad，2007；Gibbons&Woock，2007*)。如果没有严格追踪人力资源措施和结果，人力资源决策就难以被认为是科学的。尽管很多人力资源决策需要直觉和经验，但人力分析有助于使人力资源管理向专业和严谨的方向发展(Ulrich&Dulebohn，2015)*。

　　(二)大数据及其对人力分析的影响

　　得益于数字化技术，越来越多的人类行为都留下了数字足迹，并且这些足迹的收集、存储和整合已经可以通过自动化的方式完成。大数据技术用于人力分析的主要障碍在于整合。整理和分析传统人力资源信息系统中的数据与这些非结构化数据的技术手段尚不成熟，并且存储和分析这些个人数据会导致尖锐的个人隐私和道德上的挑战(Angraveetal.，2016)*。

　　大数据能够反映所关注对象的整体情况并且提供很高的分辨率；不要求一定有前置性的理论、模型和假设；数据能够“自己说话”，不受人们主观偏见和思维定式的影响，从大数据中浮现的任何模式和相关性都具有其现实性；数据分析结果的意义超出了内容和专业领域的限制，可以被任何能够理解可视化分析结果的个体所掌握(Kitchin，2014)*。这些都将对当前人力分析的范式产生深远影响。

　　当前，学术界一致认为大数据技术将会对人力分析产生革命性的影响，但遗憾的是，除少数著作外(Isson&Harriott，2016；王通讯，2016*)，能够具体而系统地阐述大数据技术如何应用于人力分析的各个环节，以及大数据将会如何改变人力分析和人力资源管理的研究还极为有限。

　　三、人力资源分析系统的变革

　　(一)数据搜集

　　1.数据内容

　　过去人力分析涉及的数据内容主要是基于人力资源信息系统中的结构化数据，主要包括简历、年龄、籍贯、教育经历、工作经历、出勤情况、绩效和薪酬等。大数据技术大大拓展了人力分析所能够使用的数据内容。本文认为，人力资源大数据可以分为生理大数据、行为大数据和关系大数据这三种基本类型。

　　生理大数据主要包括实时的生理指标和人类基因数据这两种基本类型。人的生理活动是一切外在行为的基础和支撑，不受主体自身意志的控制，对人力资本现在和长期中价值的实现具有重要影响。得益于可穿戴设备和便携式生理分析技术，实时连续监测人体包括心跳、体温、睡眠、激素水平以及其他理化指标并进行数据存储和传输已经成为现实。这些指标动态、全面地反映了一个人的生理状态和健康水平，对于企业降低因病缺勤损失及员工保健开支具有重要意义。目前，生理大数据在体育产业等高度依赖雇员身体素质的行业中已经得到广泛的应用。另一方面，人类基因包含了海量的遗传信息，属于典型的大数据范畴。这些信息从遗传的角度上揭示了一个人天生的禀赋，对于人力分析具有重大的参考价值。目前，以华大基因为代表的基因大数据公司正致力于降低基因检测的成本并推动这项技术的大规模应用。虽然人类基因数据目前还限于医疗健康领域的应用，但在将来，基因数据却很有希望成为人力分析的重要组成部分。

　　行为大数据主要包括教育、求职、工作、娱乐和消费等方面的行为数据。相比于过去企业掌握的行为数据，这些数据在精细程度上有显著提升。例如，教育行为大数据包括在线教育资源的使用、图书资料的购买和借阅、参与非正式的技术分享等；求职行为大数据包括在线浏览职位和公司信息、投递简历、与猎头的接触以及参加面试等；工作行为大数据包括在办公场所的移动、办公软硬件设备的使用情况、使用讨论室的频率、使用工作场所休闲设施的频率以及在会议中的发言等。

　　关系大数据主要包括在线互动行为和线下互动行为。在线互动行为包括成员之间在包括电话、邮件系统以及其他即时通讯系统上的联系行为，及其在各种社交网络中的发布和互动行为；线下互动行为包括项目团队内部的沟通和合作、茶水间的交流行为以及非工作场所的互动等。关系大数据为勾画成员间的联结网络和联结强度、进行社交网络分析提供了数据基础。

　　2.数据来源

　　人力资源大数据有两个主要来源，其一是公司内部数据，其二是外部数据合作。公司内部的数据来源主要包括智能手机(包括APP)、可穿戴式设备，办公场所物联网和传感器设置，公司内部通讯系统、数字化办公系统和erp系统等，主要涉及公司内部跨部门的数据整合和共享(McAfee&Brynjolfsson，2012)。外部数据合作主要包括与网络运营商、电子商务网站、在线社交平台(Tufekci，2014)*、即时通讯软件厂商等开展数据合作(Jagadishetal.，2014*；Heuvel&Bondarouk，2016*)，以弥补公司内部数据的不足。

　　在大数据条件下，人力分析的数据来源具有如下特点：首先，尽可能从多种不同来源获得数据，以便于对数据进行三角验证，提高数据质量(Georgeetal.，2014)。其次，数据搜集手段以自动化采集为主，不需要人工调查或填报，搜集的速度很快，绝大部分数据是实时数据。最后，尾气数据(exhaustdata)在人力分析中占据主导地位。尾气数据不是为人力分析的目的而有意识收集的，而是在提供服务的过程中自然产生的。对于数据的产生者来说，这些数据都不是有意识地提供的，而是其行为的忠实记录，大大增加了关于人的数据的真实性、连续性和实时性。缺陷在于数据的非结构化、低相关性，以及由于当事人不知情而造成的隐私问题。

　　(二)数据整合

　　1.传统人力资源数据和人力资源大数据的整合

　　过去人力分析主要依赖企业人力资源信息系统中结构化的数据，主要包括现任雇员和未被雇佣的求职者的职业履历、技能特长、正式教育经历以及人口统计信息，对于现任雇员来说还有工龄、历史薪酬和绩效、培训记录等信息(Angraveetal.，2016)。这些数据的优势是与人力资源相关性强，准确、完整，数据质量高；但局限性在于数据搜集成本高，数据延迟时间长，缺乏连续性的数据，反映的内容有限。这些传统数据库中的数据恰好可以与人力资源大数据形成优势互补。因此，在大数据条件下，需要将这些传统的结构化数据和多种不同来源、结构化程度不同的人力资源大数据进行整合，并将数据结构化，最终得到可以进行分析的数据集(Angraveetal.，2016)。

　　2.人力资源数据与其他业务部门的数据整合

　　人力分析要真正创造价值，必须“跳出”人力资源部门进行人力分析。例如，通过跨部门的数据共享，将人力资源大数据与组织的业务部门数据、运营数据、财务数据等进行整合并予以综合性的商业分析(Fairhurst，2014)，将人力资源投资与公司经营成果之间，以及人力资源管理与公司的战略目标之间建立起清晰的关联性。

　　(三)数据分析

　　1.数据分析方法

　　在数据分析的方法上，呈现出如下三个方面的变革。首先，数据分析的自动化程度提高，分析方法的通用性增强。随着人工智能和机器学习在大数据分析中的应用，不需要改变程序就能够分析不同类型、不同结构的数据，有些系统甚至能够自动做出反馈。其次，数据分析的实时性要求提高，大多数情况下要求立即得出结论。最后，人力资源管理的理论不再是人力分析的必要前提，相关分析方法逐渐占主导地位(Kitchin，2014)。

　　2.数据分析目标

　　在数据分析的目标上，预测成为人力分析的核心目标(Heuvel&Bondarouk，2016)。精准的预测能力是人力分析能够支撑人力资源决策并创造商业价值的关键，例如通过预测候选人的工作潜能和忠诚度来优化招聘决策能够提高员工的生产率并降低离职率。

　　在过去的人力分析中，对于不能直接进行观察的能力和动机等因素，主要在人才测评理论的指导下，依赖人力资源经理的直觉和经验进行判断。得益于大数据技术对于人才生理活动、行为以及人际关系角度的全面观察，大数据条件下人力分析的另一项重要目标就是通过可以观察的外在表现和行为推断不能观察的能力、动机、情绪和心理状态，以及产生绩效的原因等内在因素(Davenportetal.，2010)*。

　　(四)数据分析结果的呈现

　　如果止于分析本身，则是不能创造价值的。对人力分析而言，只有当分析得到的商业洞察被决策者采用时，才有可能创造价值。这类似于一种内部销售的过程。要达到使分析结果变得容易理解和转化为行动的目的，最核心的变革在于将数据的洞见与决策者关心的商业问题相结合，强调分析结果呈现的时效性和针对性，通过规范分析提供切实可行的建议，并且用后续数据不断证明人力分析所创造的商业价值(Boudreau&Cascio，2017)。

　　(五)人力分析的组织和流程的变革

　　1.人力分析组织架构的变革

　　从事人力分析的人才方面，需要数据科学家、人力资源专家、部门经理和公司高层参与协作(Fairhurst，2014)。例如，谷歌公司的人力运营部门(PeopleOperationDepartment)的人员构成即是人力资源经理、业务咨询顾问、数据科学家各占三分之一。

　　2.人力分析流程的变革

　　传统人力分析的流程是从问题出发，有针对性地搜集数据并完成数据分析工作。而基于人力资源大数据的分析，则既可以从问题出发，也可以从数据出发。

　　基于大数据技术的人力分析流程的另一项变革是通过算法和模型的迭代进化形成数据分析的闭环。从人力资源大数据到商业洞察再到管理决策和行动，人力分析的过程并没有告一段落，而是依据行动的反馈来检验人力分析的有效性，并且进一步改进、优化或者放弃现有的数据分析模式，使得人力分析本身在应用中不断迭代进化(LaValleetal.，2011)*。

　　四、人力资源工作流程和工作方式的变革

　　(一)人力资源职能的变革

　　1.人力资源规划

　　基于大数据技术的人力资源规划以满足实现公司战略目标对人力资源的需求为目标，基于人力资源大数据、公司运营和财务大数据、产业和市场大数据以及宏观经济大数据，采用机器学习等现代预测技术来预测人才供给和需求。预测的内容更加广泛、精确和细致，不仅包括人才的数量，还包括人才的具体类别和所需要的素质。预测的范围可以拓展到5～8年，使得中长期人力资源规划成为可能。例如，在过去的几十年里，陶氏化学公司根据公司4万名员工的历史数据以及产业和资金大数据，预测出整个化工行业以七年为一波动周期的劳动力需求情况，据此测算企业的员工晋升率、内部职位调动和其他人力供应等情况，并设计了一个模型工具——陶氏战略性人员配置模拟，用以测算5年后的人员需求以及剩余员工的数量(Isson&Harriott，2016)*。

　　2.招聘

　　人力资源大数据将会改变招聘的运作方式。从人才搜寻的角度，从过去基于公开招聘信息的被动搜寻转向基于大数据的人才定位的主动搜寻。在数字化时代，人才必定会在网络中留下“数字足迹”，这些线索为企业主动定位相关人才提供了依据。例如，人才在社交网络上发布的简历信息、与已知人才之间的互动行为、在搜索引擎中的搜索记录、移动智能终端记录的位置信息，以及在包括GitHub等专业网站上的活动记录等等。人力资源大数据为企业提供了全新的人才搜寻渠道。例如，巨兽公司旗下的TalentBin从诸如GitHub、StackOverflow、推特、领英、谷歌以及其他利基网站和社交媒体平台上汇总候选人的资料，然后为每个人创建唯一的标识档案，包括数字足迹、微型工作产品以及可公开获取的联系方式和简介信息(Isson&Harriott，2016)③。这对于难以填补的科学、技术、工程和数学领域里的职位空缺非常有用。

　　在人才的筛选和测试方面，人力资源大数据缓解了劳动力市场的信息不对称问题(Barman，2015)，帮助企业以最少的投入甄别出最佳人选。基于文本分析的大数据技术从简历筛选环节就开始缩小了需要进入测试的候选人范围，其筛选条件基于历史简历数据和入职后绩效数据不断迭代优化以提升简历筛选的精确度。人力资源大数据使得招聘测试得以简化，只保留数据证明与入职后表现高度相关的部分，甚至不再需要现场测试。这是因为过去只能通过复杂的测评手段才能够获取的人才信息在当下已经能够在人力资源大数据中找到替代品，且其数据取得的成本要低廉得多。

　　3.绩效

　　大数据技术使企业从周期性绩效考核转向实时跟踪绩效波动，为员工提供及时的绩效反馈，并依据绩效动态调整薪酬激励。过去的绩效考核数据搜集成本高，费时费力，所以大多以半年或一年为绩效评价的周期。人力资源大数据提供了丰富的定量绩效数据，并且其中大部分是实时更新的，能够反映员工的绩效波动情况，并通过在线系统对员工提供自主性的绩效反馈。例如，容器商店公司(TheContainerStore)正在使用可穿戴设备实时跟踪其店员与同事、顾客之间的交流互动情况，以及店员在店内的位置移动状况，将此作为绩效考核的依据之一。

　　此外，绩效评估的主观因素降低，过去难以量化的因素被大数据所囊括，评估方式更为透明。基于能够细致反映员工工作过程的人力资源大数据，新的绩效评估不仅衡量工作的结果，也解释产生结果的原因，为绩效反馈提供更具体的改进建议。

　　4.留任

　　大数据分析能够发现早期的离职倾向。不同于以往当员工明确表现出离职意向的时候才进行留任干预，通过分析历史上的离任行为和对应的大数据特征，就能够建立离任预测模型。通过对员工进行持续监测，可以提前3～5个月识别具有潜在离职倾向的员工，为人力资源经理提供了主动干预的时间。例如，德勤公司基于员工的出勤记录、工作时间、休假时间、对客户的影响、付出的努力以及旅行的频率和距离等大数据，通过统计模型识别出离职倾向排名前10%的人，其离职意愿是德勤以往案例研究所得到的平均水平的330%，并且能够识别出人物、时间和原因。

　　5.员工问题

　　相比于过去企业为员工提供的周期性的体检和心理评估，大数据技术能够实时监控员工的生理指标和健康状况，这为发现早期的员工问题提供了数据支撑，使得企业能够将过去广泛提供的健康和员工福利变为主动为有需要的员工提供个性化服务，将过去由于员工问题导致的缺勤损失以及医疗支出变为预防性的保健支出。员工健康数据也能够用于评估当前相关设施和员工关怀项目的有效性。

　　(二)大数据技术使人力资源管理的工作方式发生了根本转变

　　首先，大数据技术使人力资源从经验和直觉驱动向数据驱动转型(McAfee&Brynjolfsson，2012)。其次，大数据技术提升了人力分析的预测能力，使人力资源管理从被动处理问题转型为主动发现潜在问题和提升商业价值的机会，并采取行动。最后，人力资源管理的主要职能可从周期性工作转变为实时连续跟踪，做到立即处理、立即反馈(Barman，2015)。人力资源管理的敏捷性和快速反应能力得到了质的提升。

　　五、组织架构与组织文化的变革

　　(一)人力资源部门角色的变革

　　人力资源部门的角色将从成本中心和服务支持部门转型为以人才管理为核心的战略决策部门(Boudreau&Ramstad，2005)。从人力资源管理到人才管理意味着人力资源范式的转变，以及人力资源部门角色的变革。这意味着高层管理者将人才看作组织最重要的资源，将获取、发展和保留最优秀的人才作为实现公司战略目标的根本保障。这也意味着人力分析将着眼于公司重大战略目标的实现，着眼于应对激烈的人才竞争(Heuvel&Bondarouk，2016)。

　　(二)组织架构变革

　　企业组织架构的设计需要适应组织内部原始数据搜集和共享、业务部门与数据分析部门高效协同、数据分析结论高效转化的需要。整合组织内部各业务部门的数据，实现数据互联互通是建构人力资源大数据的前提。在组织架构设计上需保留各部门间数据共享的接口，建立有利于部门间数据共享的激励机制(Barman，2015)。建议采用矩阵组织和设立分析小组的形式以促进数据分析人才在组织内部的灵活流动(McAfee&Brynjolfsson，2012)。

　　(三)组织文化和管理心智模式的变革

　　人力资源大数据最大的改变不是技术层面的，而是组织中的人对于数据分析态度的改变(McAfee&Brynjolfsson，2012；LaValleetal.，2011)。受到历史观念的影响，在过去，组织在涉及人的决策上普遍依赖于经验和直觉，而不是数据；即便涉及数据，也往往是利用数据来论证一个先入为主的结论。要改变这种状况，应从组织文化的层面推行数据驱动，提高组织成员的数据素养，使更多的成员能够以直接或者间接的方式参与人力分析项目，并用客观的数据证明人力分析创造的价值，以此促进管理心智模式的转变。

　　六、大数据技术应用于人力资源的挑战

　　(一)个人隐私问题

　　大数据技术应用于人力资源最大的挑战就在于个人隐私问题。不同于其他类型的大数据，人力资源大数据聚焦的对象是人而不是物。为了达到人力分析的目的，很多时候需要识别分析对象的身份，即便这些数据并未公开且仅仅用于人力资源管理、即便保证了分析对象的知情权，这些分析行为也依然有可能给分析对象造成窥探个人隐私的不安全感和不满，导致额外的副作用，同时也可能违背个人隐私保护的法律法规，给组织造成重大损失。

　　(二)复合型大数据人才

　　大数据技术的广泛应用造成了全球范围内数据分析人才的紧缺。然而无论是数据科学家还是人力资源专家，都不能够独立完成大数据人力资源管理的全部工作。因为人力分析既涉及对人力资源管理职能和公司战略目标的理解，也需要从海量数据中挖掘商业洞察的分析技能(Frederiksen，2012)*。在人力分析项目中时常出现人力资源专家和数据科学家之间无法有效沟通和理解的问题。综上，复合型大数据人才是未来制约人力资源大数据发展的主要瓶颈之一。

　　(三)两个重要的权衡关系

　　数据和经验直觉的权衡、相关关系和因果关系的权衡是人力资源大数据中最重要的两对关系。人力资源大数据要求经理人从依赖经验直觉转向依赖客观数据(McAfee&Brynjolfsson，2012)，但这绝不是否定经验直觉的重要性。数据和经验直觉之间权衡的挑战包括：如何利用经验直觉更深入地解读数据中浮现出来的模式和相关性，从而产生更准确的分析结论；如何利用数据分析的结论填补经验直觉中的盲区和误区，拓展经验的范围；如何在经验直觉与数据分析结论冲突的时候准确判断哪一个更为接近人力资源管理的现实，并做出相应的调查和修正。

　　大数据技术一度宣称理论和因果关系不再重要，对企业来说相关关系就足够了(Kitchin，2014)。然而统计专家正对大数据技术中相关关系的可靠性提出质疑。从人力分析的角度看，在预测分析能够创造巨大商业价值的领域，苛求相关关系的可靠性是没有必要的，因为预测创造的价值能够包容预测误差所造成的损失(Agarwal，2014)*。然而，当分析时效性要求不高，且我们有充足的时间和条件通过实验设计检验因果关系的时候，理论解释和因果关系依然是有必要的(Harford，2014)*，这可以确保我们在将一项人力资源政策大规模实施时所要求的可靠性和稳定性。

　　七、未来的研究方向

　　(一)围绕个人隐私问题的研究

　　个人隐私问题作为制约人力资源大数据发展的最大瓶颈和潜在风险，需要在将来从多个不同的层面深入研究，这是人力资源大数据管理能够实施的前提。首先，从技术的角度，研究能够帮助人力分析部门构建最大限度地挖掘人力资源大数据的商业价值、同时减少对个人隐私的窥探的风险之定制化的大数据分析系统是解决这一问题的根本出路。例如，通过数据脱敏减少数据中个人敏感身份信息的暴露，开发自动化的数据处理技术，使得人力分析从原始数据到结果反馈的过程在黑箱中运行以减少个人隐私泄露的机会。

　　其次，开展关于人力资源大数据相关的法律法规和行业规范的研究，明晰其应用的边界和运行的规范性。个人隐私保护的制度设计既要给人力资源大数据的进一步发展留有余地，也要明确个人隐私保护的底线，这是将来人力资源大数据研究的一个重要方向。

　　最后，开展人力资源大数据的产权研究。例如，个人在社交网站或求职平台上的数字足迹的产权究竟属于个人还是相关平台？平台需要以怎样的方式取得数据授权？平台是否有权或以哪些形式利用这些数据开展商业分析或者将这些数据出售、转让给其他组织？个人是否对于自己产生的其他尾气数据具有完全的产权？在数据产权受到侵犯的时候如何实现权利救济？诸如此类。

　　(二)建立适应于人力资源大数据的人力资源管理理论

　　过去的人力资源理论已经不能完全解释人力资源大数据在人力资源管理中的应用，当前很多全新的人力资源管理实践本质上在理论真空中运行。例如，谷歌公司通过大数据分析发现，基于过去的人才测评理论设计的面试问题与员工入职后的绩效相关性很低，真正能够预测员工入职表现的是一些以往理论认为无关紧要的问题，但这种不能被理论解释的相关性却能够很好地提升招聘绩效。因此，开展适应于人力资源大数据的新的理论的建构研究非常有必要。人力资源大数据带来的人力资源管理实践的变革、创新，以及全新的数据搜集手段，也为人力资源理论的拓展创造了得天独厚的条件。

　　(三)探索模块化、可定制的大数据人力资源管理解决方案

　　项目建设成本高昂、相关人才缺乏是当前人力资源大数据发展缓慢的重要原因。为了解决这一问题，学术界需要从大数据人力资源管理的共同基础和适应于特定行业的特殊需求出发，以模块化和可定制相结合为目标，努力开发出类似于目前ERP系统的成熟的大数据人力资源管理技术解决方案。

　　第3篇：茶叶企业人力资源管理的对策建议

　　杜思锦，谢文丽（吉林师范大学博达学院，吉林四平136000）

　　摘要：人力资源是企业的核心因素，完善而充足的人才，不仅需要有系统化的方案，同时也需要现代化的人才思维。因此，结合目前茶叶企业的转型诉求看，优化人才管理机制，创新人才服务体系，完善配备人才体系，尤其是完善配备专业管理人才、技术人才，这就为当前该企业的转型发展注入了重要的人才动力。本文拟从茶叶企业人力资源管理活动的优势分析入手，结合当前茶叶企业人力资源管理活动存在的问题，从而分析茶叶企业做好人力资源管理活动的具体实施对策。

　　关键词：茶叶企业；人力资源管理；对策建议；人本精神；价值引导

　　在当前市场经济全面发展的今天，做好企业自身的人力管理活动，极为重要。但是，结合当前茶叶企业经营过程中，其人力资源发展存在的诸多欠缺与不足，客观的看，对人才的价值挖掘不够充分，企业人才的素质相对较低，尤其是这些人才往往对时代的更新性，乃至知识内容储备相对不足，从而大大影响了企业的转型动力。

　　1茶叶企业人力资源管理活动的优势分析

　　当前茶叶企业在具体发展过程中，其往往是从传统小作坊发展起来的，所以，这些企业的人力资源管理活动，普遍未能形成现代化、系统化的管理机制。但是，在茶叶企业自身人力资源管理时，也形成了诸多属于自身的独特发展优势。具体来说：

　　首先，茶叶企业自身的人力资源管理较为专一、简单，茶叶企业自身的人力成分较为单一，尤其是以极具茶叶生产、加工制作经验的技术人员为主。所以，在开展这一管理时，更多较为简单。当然，茶叶企业在经营过程中，缺乏对管理人员、除茶叶生产技术外的人员的足够重视。

　　其次，当前茶叶企业的人力规模普遍较小，所以企业的管理层级较小，这就降低了企业自身在开展人力管理活动时的成本消耗，从而有效降低了企业的人力成本支出，当然，对于茶叶企业自身发展而言，企业人数较少，规模不大，这大大了缩减了茶叶企业的经营成本。在这一过程中，也让茶叶企业的经营气氛更加温和，有利于茶叶企业贯彻各项经营决策。

　　当然，最后，当前茶叶企业经营时，其所需要的人才较为专业、集中，加上这些人才的职业成长性较为系统化，所以，在茶叶企业人力资源管理过程中，无论是招聘成本、培养成本等等，都相对较小。茶叶企业在具体发展时，其需要的人力需求，也更容易被解决。所以，在目前茶叶企业发展时，如果有各种类型的人才需要，通常就可以在短时期内，以最少的成本和时间，予以具体解决。

　　客观的看，茶叶企业在当前经营发展时，其正处于转型发展的全新阶段，无论是企业自身的经营规模，还是发展理念，乃至经营策略等等，都面临转型创新的多种任务。在这一过程中，茶叶企业如果想要破解经营上的难题和困局，就必须从人才完善配置出发，尤其是要用现代化的思维，来认知自身经营过程中的人才需求。因此，茶叶企业想要破解自身发展上的难题，就必须注重探究合适的问题解决方向，通过优化人才配备机制，从而实现茶叶企业的发展动力。

　　2当前茶叶企业人力资源管理活动存在的问题

　　实际上，大多数的茶叶企业都是从小型作坊发展起来的中小规模的企业，因此，其整体经营过程中，更多是以传统经营理念、思维为主的企业，无论是企业自身的规模，还是人才体系都较为落后，这都大大制约了茶叶企业的经营效率。具体来看，当前茶叶企业经营时的问题，制约了其转型发展，通俗的看，这些问题集中反映为：

　　首先，多数茶叶企业缺乏落后的人才管理理念。客观的看，很多茶叶企业仅仅把人力资源定义为“职工”，缺乏人才资本、职业培养、资源等等现代化的管理意识，所以，很多茶叶企业的人才管理活动都是一种粗放型管理，无论是对人才的价值挖掘，还是人才体系的构建状况都存在诸多问题。所以，在当前很多茶叶企业在人才管理时，缺乏对人才的能动性考量，无论是绩效管理，还是具体的激励机制等等，都缺乏科学性。甚至很多茶叶企业也缺乏必要的人力部门和人才体系，因此，当前茶叶企业在发展时，如何从传统的职工管理升级为新型的人力资源管理，就成为很多其发展转型的重要问题。

　　其次，对于目前茶叶企业发展来说，缺乏必要的培训体系，乃至文化引导，所以，在当前茶叶企业经营时，人才的成长性较差。其一，很多茶叶企业未能开展系统化的人力培训活动，因此，影响了员工的职业成长和工作积极性。其次，当前很多茶叶企业未能构建体系化的人才培养机制，部分茶叶企业未能对培训活动的实施价值形成必要认知，所以企业的培训热情大受影响。最后，很多茶叶企业的员工未能形成相应的职业成长思维，甚至是规划理念，这都影响了职工自身的科学发展。如今，茶叶产业转型升级加速，各种新技术、新理念，也发展成为广大企业职工所必须融入的价值思维和内涵理念。

　　最后，在目前很多茶叶企业经营时，出现了较为严重的人才流失现象，一方面很多企业未能形成有效的应对，同时也大大影响了企业自身的稳定性。所以，在当前茶叶产业转型发展时，人才短缺、人才流失就成为制约企业健康发展的核心难题。对于企业而言，稳定与否是决定企业发展的重要动力。客观的看，目前企业人力资源上的效率不高，不仅是一种人才资源的浪费，更是企业现代发展的“隐患”所在。事实上，当前茶叶企业发展过程中，所需要的人才侧重于技术型与营销型人才，这些人员直接影响其发展的稳定性。但是，就当前多数茶叶企业的经营实际看，很多企业未能对人才流失形成足够认识，从而影响了茶叶企业自身发展进程中的具体人才诉求。

　　3茶叶企业做好人力资源管理活动的具体实施对策

　　对于企业的人力资源来说，作为一种持续性的动态资源，如何才能让该资源得到最大价值发挥，就需要融入茶叶产业的时代趋势，实现自身真正发展与全面创新。对于茶叶企业来说，如何破解自身发展难题，就需要融入现代思维，构建人力资源管理新机制。

　　首先，茶叶企业要自身发展实际，制定清晰化、科学化的人才体系，通过构建科学的岗位体系，清晰制定各个岗位的职责，从而助力茶叶企业的经营诉求。在制定清晰的人才管理机制时，也要构建与之相匹配的考核体系与培养体系，通过构建清晰的人才思维，从而为茶叶企业发展提供新动力。当然，整个人才体系中，不仅要完善配备人才，更要有服务员工，尊重员工的意识，同时，通过融入员工管理的危机意识，防止人才流失。

　　其次，要以绩效管理的视角来对茶叶企业的职工进行考核和约定，通过塑造良好的企业人才导向，乃至工作氛围，进而让茶叶企业能处于发展的“快车道”之上。在制定绩效管理时，要制定清晰的绩效目标、员工的个性素质，乃至员工的能力、职业成长性等等，通过尊重广大职工的创造性与创新性，从而为企业发展提供核心动能。所以，结合目前茶叶企业的发展环境看，只有塑造人才为先，人力为本的发展理念，构建现代化的人才管理思维，才能真正构建与企业发展相匹配的经营体系。因此，在当前茶叶产业电商化、国际化贸易环境下，如果茶叶企业想要得以生动发展，就需要茶叶企业结合自身发展趋势与方向，充分发挥人才优势，构建与之相关的经营策略与创新体系。

　　最后，要以人性化、创新化，乃至服务化的视角来开展茶叶企业的人才应用，尤其是要从茶叶产业的时代趋势角度来认识该活动，通过融入科技元素和时代内容，进而真正构建现代管理机制。在各种技术日益成熟的今天，如今茶叶产业在参与市场竞争过程中，其各项优势实际上，需要以茶叶企业发展创新作为根本性动力，因此，对于茶叶企业来说，除了要有综合人才，更要注重科技培养。通过做好创新，从而实现最佳管理效果。

　　4结语

　　在我国茶叶产业升级发展的今天，茶叶企业承担了极大职责，市场化的企业经营，不仅为茶叶企业转型发展，提供了全新动力，同时也为当前茶叶企业的现代转型与全面升级，探索到合适的道路。但是我们也需要看到，对于多数茶叶企业来说，其更多为中小企业，因此，他们可能有着灵活的经营机制，重要的社会发展影响力。但是，其在管理活动的完善性上，也存在诸多问题，因此，如何优化人力资源管理的实施机制，就至关重要。