《帆软&赛迪顾问：2024企业数字化人才实践研究报告（39页）.pdf》由会员分享，可在线阅读，更多相关《帆软&赛迪顾问：2024企业数字化人才实践研究报告（39页）.pdf（39页珍藏版）》请在三个皮匠报告上搜索。

1、帆软数据应用研究院赛迪顾问股份有限公司联合发布让数据成为生产力地址：无锡市锡山区安镇街道文景路51-3号映月湖科技园B2栋帆软软件有限公司商务咨询电话：400-811-8890转微信公众号帆软官方小程序CONTENTS001前言如何打开这本企业数字化人才实践研究报告02时代背景030405企业数字人才建设案例-数据生产力大赛节选44制造企业 Case：某汽车制造业企业58金融企业 Case：华夏银行股份有限公司附录72参考文献73版权声明和免责声明1目录04关键词：数字经济|数字中国|新质生产力|数据要素06国家及各地区密集出台厚育数字人才政策企业数字人才现状解读08数字人才缺乏是企业数字化转

2、型失败的关键原因09当前大部分企业数字人才建设现状：踌躇观望数字化人才建设体系14数字化人才定义16企业数字化人才建设框架PREFACE01前言*所有案例节选自“2024 年中国数据生产力大赛”，欢迎扫码查看完整案例，以及咨询帆软数字人才服务。数字化转型目前已经成为了不可逆转的变革趋势，经过多年发展，中国企业数字化转型已进入“深水区”。对于许多企业而言，当下数字化转型最需解决的问题是如何在已有的数字化基础上进行再创新。这需要数字人才作为支撑，通过其数字化的思维来分析业务。然而，很多企业内的数字人才供给都存在着缺口，而这样的缺口往往会影响企业重金打造的数字化建设的业务应用。未来，数字人才将是企业

3、引发质变的关键。企业如何建设并管理好自身的数字人才团队将是一个不可避免的话题。帆软数据应用研究院依据 2024 年 4 月人力资源和社会保障部等九部门印发的 加快数字人才培育支撑数字经济发展行动方案（20242026 年）中重点提到的数字人才“育、引、留、用”等专项行动，以及走访调研 500+企业客户收集到的实践经验，发布企业数字化人才实践研究报告、提出“规划人才-培育人才-善用人才-保留人才”的数字人才建设框架。如何打开这本企业数字化人才实践研究报告本篇研究报告主要包括以下几个重点内容目前国家及各地区密集出台了哪些数字化人才相关政策？当下数字人才定义是什么？包括哪些类别的人才？企业如何规划（

4、plan）自身的数字化人才？岗位及重点能力画像包括哪些？企业如何培育（construct）数字化人才？方法论是什么？企业为什么要善用（employ）数字化人才？如何用好数字人才？企业如何保留住（retain）数字化人才？需要关注什么？“规划人才-培育人才-善用人才-保留人才”都有哪些优秀案例可以学习？企业优秀数字人才建设实践完整案例1234567801 前言02前言扫码查看完整案例 扫码咨询帆软数字人才服务当下中国已进入优化经济结构、转换增长动力的攻关期中，新质生产力是其中重要着力点，也是改革开放以来“科技创新”使命的升华。新质生产力发展的根基是科技创新，而推动科技创新和技术进步是数字经济的建

5、设核心，新的经济增量又产生新的科技发展需求，形成正向循环。数字经济时代的数据中心等基础设施不断完善，数据资源不断整合和开放，为新质生产力的发展提供丰富的土壤。近几年密集出台的政策逐渐拼出数字经济相关版图，2024 年政府工作报告提出要“大力推进现代化产业体系建设，加快发展新质生产力”，数字中国未来可期。关键词：数字经济|数字中国|新质生产力|数据要素图：国家层面出台的数据相关政策03时代背景04关键词：数字经济|数字中国|新质生产力|数据要素02BACKGROUND时代背景关键词：数字经济|数字中国|新质生产力|数据要素国家及各地区密集出台厚育数字人才政策从本质上来看，数字经济是发展新质生产力

6、的主战场数字生产力是指在“数据+算力+算法”构筑的数字平台或数字世界中，人运用数字技术，充分开发利用数据这一新型生产要素，发挥数据的乘数效应，实现规模经济和范围经济，高质量地为人类创造物质财富和精神财富的新能力。因此，在数字经济时代，只有懂数字技术、会用数据工具的数字人才是形成数字生产力的核心因素。懂数字技术的人是发展新质生产力的优质生产要素让数据成为生产力中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见财政部 工业和信息化部关于开展中小企业数字化转型城市试点工作的通知促进大数据发展行动纲要企业数据资源相关会计处理暂行规定数字经济促进共同富裕实施方案中共中央 国务院关于构建更加完

7、善的要素市场化配置体制机制的意见财政部关于加强数据资产管理的指导意见数据资产评估指导意见数字中国建设整体布局规划“数据要素x”三年行动计划(2024-2026年).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年远景目标纲要来源:政府官网国家及各地区密集出台厚育数字人才政策05 关键词：数字经济|数字中国|新质生产力|数据要素图：数字生产力概念&八大存储形式06国家及各地区密集出台厚育数字人才政策注：以上政策汇总非完整数字生产力经济学视角企业视角管控体系(控制力)新质生产力X数据要素发挥乘数效应劳动者利用数字技术开发利用数据传统四大生产要素数字世界算法算力数据土地技术劳动资本信息数

8、据安全、IT 架构规划设计、数字化流程、数据管理等，确保数字化建设过程中良好的管理和控制能力数字化考核体系数据建设、数据应用、数据创新的激励机制和绩效考核体系，激励员工参与数据建设数字化服务平台支撑体系统一集成的数据服务平台来支撑以上七大体系的协同与管控明确的数字化战略结合公司的战略目标制定数据建设策略，明确实现目标的步骤和计划，确保清晰的方向，公司内部达成共识数字文化体系鼓励数据技术创新、应用场景、最佳实践、数据驱动，培育业务、数据、管理复合型人才观数字化生态合作体系数字化能力体系内外部数据生态合作伙伴体系、专家顾问体系的资源体系数字化能力矩阵构建大数据BI、数据分析、人工智能、云计算、数据

9、安全、运维等各类技术数字化人才体系数字化能力体系数字化服务平台支撑体系数字化生态合作体系数字化考核体系数字文化体系数字化管控体系数字化战略建议：三至五年以内可规划完成的数字生产力的八大储存形式数字化人才体系围绕数据能力体系目标的数据技能与知识的人才体系建设数据管理/应用分析人才等国家层面2024 年 4 月人力资源社会保障部、中共中央组织部、中央网信办、国家发展改革委、教育部、科技部、工业和信息化部、财政部、国家数据局等九部门印发加快数字人才培育支撑数字经济发展行动方案(20242026 年)：用3 年左右时间，扎实开展数字人才育、引、留、用等专项行动，增加数字人才有效供给，形成数字人才集聚效

10、应。重点围绕大数据、人工智能、智能制造、集成电路、数据安全等数字领域新职业。2024 年 7 月，北京市加快数字人才培育支撑数字经济发展实施方案（20242026 年）：以数字产业化和产业数字化为核心，着力培养数字战略科学家、数字领军人才、数字技术人才和技能人才。2024 年 7 月，北京市加快数字人才培育支撑数字经济发展实施方案（20242026 年）：探索举办北京市数字工程师创新创业大赛等数字领域人才比赛，对大赛表现突出的人员在人才引进、职称评审等方面予以倾斜。2024 年 7 月，北京市加快数字人才培育支撑数字经济发展实施方案（20242026 年）：将高层次数字人才纳入地方高级专家库，

11、通过国情研修、休假疗养，开展咨询服务、走访慰问等方式，体现对数字人才的关心关爱。2023 年 7 月，立足数字经济新赛道推动数据要素产业创新发展行动方案（2023-2025 年）：打造数据领域专业人才继续教育基地，培养兼具专业能力和数据素养的复合型人才。2022 年 6 月，上海市数字经济发展“十四五”规划：用好应届毕业生和留学生进沪就业以及外籍人才 永 久 居 留 等 相 关 便 利 服 务 政策，加大力度引进数字经济领军和青年人才。2024 年 6 月，虹口区关于推动数字经济高质量发展的若干措施（试行）：对数字经济领域海内外高层次创新创业人才、企业团队核心成员及业务骨干，经综合评估，最高可

12、给予安家费补贴 20 万元、购房补贴（含安家费）50 万元，或租房补贴每月最高 3000 元。2024 年 6 月，河北省加快数字人才培育支撑数字经济发展行动实施方案（20242026 年）：每年开展不少于 3 期，3 年不少于 10 期高层次数字人才高级研修项目和学术技术交流活动。2024 年 6 月，河北省加快数字人才培育支撑数字经济发展行动实施方案（20242026 年）：将实施数字人才国际交流活动，引进、组织和支持海外高层次数字人才回国服务和创新创业。2024 年 6 月，河北省加快数字人才培育支撑数字经济发展行动实施方案（20242026 年）：落实事业单位高层次数字人才到企业兼职或

13、创业待遇的有关政策，制定数字经济从业人员薪酬分配指引。2023 年 7 月，安徽省数字经济领域技术技能人才培育项目实施方案：从 2023 年到 2027 年末，培育数字经济技术技能人才 1 万人、数字经济工程师 5000 人、数字经济高级工程师 1000 人。2022 年 8 月，安徽省加快发展数字经济行动方案（20222024年）：积极吸引国内知名数字经济研究机构、优秀服务商来皖落地、合作，引入一批数字经济领域的高端人才。2023 年 7 月，安徽省数字经济领域技术技能人才培育项目实施方案：对符合条件的数字经济领域高层次技术技能人才，发放江淮优才卡，并提供子女入学、医疗服务、安居保障、出行便

14、利、金融支持等人才服务。人才培养人才引进人才保障数字人才相关政策北京市上海市河北省安徽省来源:帆软、赛迪顾问来源:政府官网08数字人才缺乏是企业数字化转型失败的关键原因03ANALYSIS企业数字人才现状解读数字人才缺乏是企业数字化转型失败的关键原因当前大部分企业数字人才建设现状：踌躇观望让数据成为生产力07 企业数字人才现状解读数字人才基础薄弱是导致许多企业数字化转型失败的主要原因之一。企业内部已有人才储备数字技能不足、IT部门难推广数字应用，业务部门仍然处于观望、高层参与度低等都是非常严峻的问题，是企业数字化转型亟需解决的难点。以民营企业为代表，根据 2022 年全国工商联经济服务部、国家

15、发改委宏观经济研究院等对大陆地区民营企业展开问卷调查结果显示，从转型投入及支撑保障来看，目前 68%左右的民营企业数字化主要痛点是资金紧张、人才缺失，制约了数字化转型的效果。数字人才缺乏是企业数字化转型失败的关键原因43.50%68.30%68.30%43.50%36.97%27.29%17.87%33.62%22.58%7.99%0.99%36.97%27.29%17.87%33.62%22.58%7.99%0.99%信息渠道少产品服务甄别能力弱内部组织架构、激励体系和企业文化支撑度不足应用场景匮乏，找不到业务场景与数字技术应用结合点业务板块割裂，不易打通和协同数据共享度不足，数据分析能力弱

16、信息安全和数据安全隐患过分追求短期财务业绩不愿承担失败风险其他资金紧张人才缺失投入能力有限图：民营企业数字化转型痛点问题来源:2022 中国民营企业数字化转型调研报告在大部分企业内部，IT 部门都是推动数字化发展的主力军，为企业构建数字化技术底座。但是企业要想实现数字化的成功，不能仅靠 IT 部门，更需要业务的多方协同。从数字化三阶段来看，目前大多数企业处于业务追随和业务协同阶段，IT 需要用业务视角去思考问题，需要深度参与业务，业务部门深度配合 IT，实现业务型 IT 和 IT 型业务。当前大部分企业数字人才建设现状：踌躇观望09当前大部分企业数字人才建设现状：踌躇观望10当前大部分企业数字

17、人才建设现状：踌躇观望缺乏清晰的数字化战略一些企业可能尚未制定明确的数字化战略，或者对数字化转型的益处和影响缺乏深刻的认识。1高昂的成本和复杂性培养和吸引高素质的数字人才可能需要企业进行长期的投资，包括培训、招聘、薪酬和福利等方面的支出。2人才供给与需求的不匹配数字化领域的人才需求在不断增长，但市场上高素质的数字人才却相对匮乏。3文化和组织变革的挑战培养和引进数字人才可能需要企业进行组织架构和文化上的调整，这可能会面临内部的阻力和挑战。在我们调研客户的过程中，常常能够听见这样的困惑点：数字化建设过程中，数字业务人才的培养是否有必要？公司内部已经有 IT 部门，是否还需要数字化业务人才？4企业数

18、字化最终形态应该是:业务引领，IT深度参与业务，业务深度配合IT？业务模式增长瓶颈新技术、新场景驱动变革局部化的业务引领、多点驱动业务型IT、IT型业务IT业务视角思考问题IT深度参与业务，业务深度配合IT业务是业务、IT是IT业务的发生和成长早于IT业务为主导、业务提出目标和要求IT信息化意识、数字化意识逐步加强由浅入深的数字化（业务与数字的协同、应用价值模式的创新、体系化的组织保障）特征IT部门自己懂短期规划、被动响应业务配套规划短期规划、被动响应信息化配套规划业务流程线上化、数据线上化存在断点仅支持到部分主要业务流程缺乏业务价值链的指导没有深入暂无数字化应用暂无业务价值创新暂无商业模式创

19、新基础的IT组织与运维支撑外部资源的推动业务部门个人懂中长期规划、主动协同业务规划的同时提前介入、并行参与中长期规划、主动协同信息化规划的同时提前介入、并行参与实现主要、核心业务流程全面线上化数据与分析体系的线上化全贯通基于业务价值链的指导深入到部分业务场景数字资产管理、有一些初步的数据服务对内提供数字应用核心业务价值创新为商业模式创新提供信息支撑体系化的IT组织架构、产品、技术、业务、安全、运维业务组织大家懂在业务系统的基础上主动融入相对成熟的创新技术（平衡考虑）在业务协同的基础上主动融入相对成熟的创新技术（平衡考虑）深度挖掘业务价值链（内外部）业务价值链导向的业务和数据信息化建设全面实现业

20、务价值链的纵向拓展全面的数据资产管理与服务体系打通对内外提供数字应用全面的、可持续的业务价值创新可持续的打造驱动商业模式创新的体系深度参与公司战略规划发展的IT组织体系驱动业务、管理协调发展的体系IT 业务信息化规划IT 数据信息化规划业务横向关联业务纵向深度数字化应用业务价值创新支撑商业模式创新支撑组织体系与制度保障阶段一:业务追随阶段二:业务协同阶段三:业务引领图：数字化的三个阶段来源:帆软、赛迪顾问11当前大部分企业数字人才建设现状：踌躇观望12当前大部分企业数字人才建设现状：踌躇观望对应数字化三阶段，企业数字化应用需要做到从“IT部门自己懂”，到“业务部门个人懂”，最终到“业务组织大家

21、懂”，意味着IT部门在数字化转型中角色从之前的“唯一关键责任人”，到“关键责任部门”，最终是和业务一起作为“协同责任部门”。从业务的角度来说，业务部门需要从“无关责任人，到“关键责任部门”，最终是和IT部门一起作为“协同责任部门”。IT部门和业务部门的“角色三步演变”主要是靠数字化人才实现，因为数字化人才不仅善于利用数字技术，更擅长利用数字技术和创新来推动业务增长和创新。数字化人才具备数据分析、人工智能、云计算、大数据等领域的知识和技能，能够应用这些技术来改进业务流程、提升客户体验、开发新产品和服务，并在数字化转型方面提供战略指导。而IT人才主要专注于维护和管理公司的信息技术基础设施，包括计算

22、机网络、硬件和软件的安装、配置和维护，以确保系统的稳定运行和数据的安全性等。以上问题表象都是数据的问题，包括是否建立统一的数据视角，是否标准化被观察的数据定义和口径等。深入去想这些问题其实和下一个阶段信息化方向有关，比如业务流程数据是否在系统中沉淀，是否在信息化系统中体现等。再继续深究下去，可以发现这些问题实际上也是业务流程是否跑通的问题，例如是否可以进行业务或者管理流程的循环。业务流程是否能够跑通，关键在于员工是否能够熟练进行业务流程梳理和应用搭建，是否具备数据挖掘、数据治理、数据分析的能力，将数据结果反哺业务，指导业务，形成“业务-数据-管理”正循环。可以看出来当某个数字化建设过程中出现问

23、题时，思考方式可以是遵循“数据流-信息流-业务流-人才流”的层层寻因,但是大多数的问题其实最终都归结于企业人才是否成功拥有数字技能、具备数字思维的问题。数字化人才和传统 IT 部门人才并不能一概而论帆软在调研客户的时候经常会碰到以下问题：1、数据不能及时获取，数据没有底层系统支撑2、就算有系统支撑，数据质量差，数据没有人使用3、员工不知道哪些数据有用，哪些数据没有用4、指标定义不明确、指标取数口径不一致、指标计算口径不一致等大多数数字化建设过程发现的问题，最可能的真正深层次原因是数字化人才建设是否完善IT 部门和业务部门的主要是靠数字化人才实现“角色三步演变”图：“数据流-信息流-业务流-人才

24、流”数据流建立统一的数据视角（维度）标准化的被观察的数据定义与口径（指标）逆向推动信息流与业务流的完善数据不能及时获取的问题数据没有底层系统支撑的问题有系统支撑，但是没人使用的问题不知道哪些数据有用，哪些数据没有用的问题指标定义不明确的问题指标取数口径不一致的问题指标计算口径阶段性调整的问题有系统，但是数据质量差的问题表象都是数据的问题表象信息流业务或管理流程在信息化系统中的体现业务流程结果数据在系统中的沉淀业务档案信息在多系统中的一致性其实是下一个阶段的信息化方向问题在数字化建设过程中的任何问题，都应该找到问题的“归属”，从“数据”、“信息化”、“业务与管理”、“人才建设”四个维度进行问题定

25、位并予以解决理解真实的原因业务流业务或管理流程的循环业务或管理逻辑的定义业务或管理体系的标准程度更是业务流程是否跑通的问题有可能真正深层次的原因人才流自主搭建应用流程的能力数据挖掘&治理&分析的能力数字化项目管理能力最终是数字化人才建设是否完善的问题最可能真正深层次的原因来源:帆软、赛迪顾问传统数字人才定义：从技能域角度出发04DIGITAL TALENT CONSTRUCTION数字化人才建设体系数字化人才定义企业数字化人才建设框架让数据成为生产力13数字化人才建设体系14数字化人才定义2018年左右，清华大学经济管理学院互联网发展与治理中心研究团队提出“ICT人才”，基于 OECD（经济合

26、作与发展组织）的ICT（信息通信技术），将能力域划分为ICT普通技能、ICT专业技能、ICT补充技能；并从产品与服务价值链供应端的数字化转型角度出发，将数字人才分为六大类：数字战略管理、深度分析、产品研发、先进制造、数字化运营和数字营销，职能分类对应于数字产品与服务价值链供应端的各个环节，通常包含战略制定、研发、制造、运营和营销五个基本环节。随着各种数字化工具、AI大模型等技术的快速发展，越来越多的企业或组织加速利用数字技术和数字化手段，持续推动自身业务、运营和管理模式的变革和创新，领导者需要适应和引领不断变化的数字经济和社会发展趋势。同时，业务部门也针对自身的具体的业务场景，提出更多的精细的

27、数字化需求。为了有效地解决业务需求，目前企业采用的方式是业务部门和技术部门共同承担的方式，各个业务部门也开始孵化出一部分既懂技术又懂业务的“兼职型”数字人才。这种新型数字人才不仅具备专业的数字技能，还能深入了解业务场景，以“用户思维”解决实际问题，成为连接业务和技术的重要桥梁。因此，数字人才的定义也正在从按照单一技能域分类，向兼具跨界能力的“全栈型”发展，按照岗位胜任情况定义分类。数字化人才定义数字化技术发展迅速，相关岗位和技能需求也在不断演变，单纯的学历或专业背景已经难以全面满足企业的数字人才需求，需要更加贴近实际的岗位胜任力定义来识别和培养数字人才。企业更多考虑和关注数字化人才在实际岗位上

28、的应用和贡献价值，来评估数字人才是否能够推动数字化创新和转型，因此，我们将从岗位胜任出发来定义数字人才：目前主流的数字人才定义：从岗位胜任角度出发结合2024年4月人力资源社会保障部等九部门印发的加快数字人才培育支撑数字经济发展行动方案（20242026年）中重点提到的“数字人才-育、引、留、用”等专项动作，以及走访调研500+企业客户的实际经验积累，帆软数据应用研究院对于企业数字化人才建设提出“规划人才-培育人才-善用人才-保留人才”框架。规划人才阶段可以根据数字化转型的需求，制定全面的人才需求计划和引进渠道，这样可以确保公司拥有合适的数字化人才储备，为后续的培养和应用奠定基础。培育人才阶段

29、可以通过系统的培训，帮助员工掌握数字化所需的技能和知识。这不仅包括数字专业技能，还包括创新思维、协作能力等软实力的培养。善用人才阶段需要用好“种子”人才的推广效应，并复制和延伸业务应用场景。另外，数字人才的流失会对数字化转型造成严重影响，因此需要重视人才的稳定性，在保留人才阶段可以通过完善的福利待遇、发展机会等，提高数字化人才的忠诚度和粘性。15数字化人才定义16企业数字化人才建设框架L-数字化领导人才具备数字化思维，在组织内可以自上而下持续、坚定推进数字化变革的高管团队，首先应当具备数字化领导能力，继而兼具敏捷性和适应性主要人员：董事长、CEO 等A-数字化应用人才利用数字化工具工作可以基于

30、不同业务场景、借助新技术推动数字化转型的业务部门，关注数字化技术如何与相关业务模式融合以创造新的价值主要部门：营销、运营、销售、市场、供应链、财务、人力、法务 T-数字化技术人才掌握数字化专业技术，能够做数字规划的人才，包括传统 ICT 专业人才和新职业中的数字化人才主要部门：IT 部门、数字化转型部门等企业数字化人才建设框架图：数字化时代 vs 信息化时代图：数字化人才建设框架内外筛选岗位盘点人才画像培养规划资源建设生态协同种子推广场景扩容组织协同岗位评估SUCCESS人才激励职业发展数字人才建设框架（Digital Talent Construction Framework）Plan 规划

31、人才Construct 培育人才Employ 善用人才Retain 保留人才数字人才传统型ICT人才基于OECD（经济合作与发展组织）的ICT（信息通信技术）ICT普通技能使用计算机打字、使用常见的软件、浏览网页查找信息等基础数字技能开发ICT产品和服务所需要数字技能利用特定的数字技能或平台辅助解决工作中的一些问题，例如项目管理能力、沟通能力等ICT专业技能ICT补充技能岗位技能要求综合化基础数字技能全员化业务创新需求加速化数字化转型趋势化数字人才“三角模型”数字化转型领导者数字战略管理深度分析产品研发先进制造数字化商业模型战略引导者数字化解决方案规划师数字化转型领导者数字化商业模型战略引导者

32、数字化解决方案规划师数字战略顾问工业4.0实践专家先进制造工程师机器人与自动化工程师硬件工程师数字化运营数字产品运营人员质量检测/保证专员数字技术支持数字营销营销自动化专家社交媒体营销专员电子商务营销专员产品经理系统工程师算法工程师视觉设计师软件开发人员数字化时代（技术创新）信息化时代（技术消费）董事长、CEO、CIO、CDO、CTO等营销、运营、销售、市场、供应链、财务、人力、法务大数据开发工程师、数据分析工程师、AI开发/测试工程师等首席架构师、数据部门负责人等高级：可以基于不同业务场景、借助新技术推动数字化转型的核心业务骨干，关注数字化技术如何与相关业务模式融合以创新的价值初级：掌握数字

33、化专业技术的人才，负责数据体系和 AI 体系的具体工作高级：负责数智/AI 规划统筹，作为落地主要负责人，是推动数字化转型的核心技术骨干具备数字化思维，在组织内可以自上而下持续、坚定推进数字化，变革的高管团队，首先应当具备数字化领导能力，继而兼具敏捷性和适应性初级：利用数字化工具工作，具有数字化仪式，了解数据治理和运营，适应数字化工作方法L-数字化领导人才A-数字化应用人才T-数字化技术人才来源:帆软、赛迪顾问来源:帆软、赛迪顾问数字化人才规划是队伍建设的重要基础，基于企业实际需求制定可落地的建设规划是第一步：判断企业需要的数字化人才是哪些，当前存量如何，对比标杆企业确定企业数字化人才定位，建

34、立人才标准，制定数字化人才队伍建设规划，补足差距。（1）人才规划准备：结合企业数字化转型战略需求研判，对标标杆企业的数字化人才建设现状，结合自身资源现状，找出数字化人才差距，并规划所需要的数字化人才岗位和胜任力。（2）内部筛选or 外部引进人才：结合自身企业培育数字化人才的成本和数字化人才能够带来的业务/管理等效益，决定获取数字化人才的方式。（3）关键岗位盘点：按照企业现状，结合短期和长期视角盘点出岗位，看短期内岗位能够带来的数字化业务价值，以及看长期内岗位是否符合企业数字化转型战略要求。（4）能力画像：企业可以按照普适性的数字化人才的种类-数字化领导人才、数字化应用人才以及数字化技术人才的能

35、力域对照已经规划好的岗位，结合企业自身现状，细化胜任力要求。PLAN 规划人才17PLAN 规划人才18数字化人才岗位能力盘点&画像图：数字化领导人才能力域图：规划人才结构图-plan数字化人才岗位能力盘点&画像Leadership talent-数字化领导人才能力定义：具备数字化思维，在组织内可以自上而下持续、坚定推进数字化变革的高管团队，首先应当具备数字化领导能力，继而兼具敏捷性和适应性。主要核心人员：董事长、CEO、CIO 等1.0 时代的企业股权结构高度集中，最佳组织形态是股东价值形态，成功要素是老板，组织能力是股东的个人能力。而 2.0 时代的企业股权相对集中，最佳组织形态转变为精英

36、价值形态，在这种形态下，企业的成功要素是精英，组织能力是精英的领导力。这两种形态中所呈现的领导力扮演的是控制角色：1、高度集权，决策权集中在高层领导手中；2、注重效率和稳定，要求员工服从和执行命令。3.0 时代的企业的股权结构相对分散，最佳组织形态转变为客户价值形态，以知识型员工为主的各类创新型团队开始崛起。企业的成功要素是团队，组织能力是团队的创新力。在这种形态下，领导力扮演的是服务角色：1、重视员工需求和发展，以谦逊的态度为员工提供支持和服务；2、相信员工有内在动力和创造力，鼓励参与决策。数字化领导人才能力域Digital Leadership创新性 Innovative战略眼光：能够平衡

37、新的和现有的业务领域，善于将趋势和过去的传统进行整合和创新创新思维：具有数字化等创新思维敏捷作风：在组织的数字化转型过程中积极主动地行动团队管理：能够迅速组建和管理团队，吸引新数字人才加入数字技术：对数字技术和数字转坚有最新的知识和技能支持性 Supportive数字偶像:为在数字化转型过程中工作的人员提供指导和榜样以员工为中心：在数字化转型过程中关注员工的福祉鼓舞人心：在数字化转型过程中遇到困难时鼓励员工引领变革赋能组织驱动业务工业 1.0 时代&2.0 时代&3.0 时代组织结构：直线型职能型流程型长期视角：数字化转型战略价值基础岗位基础岗位优待化岗位高潜岗位重要基础岗位基础岗位核心岗位高

38、潜岗位基础岗位短期视角：数字化业务价值高高中中低低胜任能力画像赋能组织驱动业务（1）需求研判-数字化转型战略（3）资源盘点-自身现状人才差距分析规划数字岗位和技能Plan内筛or外引Make-or-buy内筛Make decision外引buy decision初步盘点员工First assess监控数字化能力分析劳动力市场Analyze labor market深度评估数字潜力In-depth reassess深度评估数字潜力In-depth reassess完成人才“内筛”完成人才“外引”成本效益成本效益衡量用人成本和效益（2）标杆企业对标岗位盘点岗位盘点能力画像能力画像能力画像数字化领导

39、人才能力域创新性 Innovative战略眼光：能够平衡新的和现有的业务领域，善于将趋势和过去的传统、创新和整合创新思维：具有数字化等创新思维敏捷作风：在组织的数字化转型过程中积极生动地行动团队管理:能够迅速组建和管理团队，吸引新数字人才加入数字技术:对数字技术和数字转坚有最新的知识和技能支持性 Supportive数字化应用人才能力域沟通能力业务影响能力数据体系 业务管理架构管理数据思维 业务认知基础架构数据管理 调研分析流程搭建数据分析及展示数据产品设计敏捷转型数据指标梳理业务决策变革创新初级能力域数据体系AI体系通用体系专业能力通用能力数据分析AI开发架构设计数智化&AI应用规范团队建设

40、数据质量AI测试测试数据分析业务影响数据架构 算法工程运维数据治理系统思维数据安全 算法科学 项目管理数据运营项目管理数据开发数据产品模型训练数据产品复杂业务洞察高级能力域数字化技术人才能力域数字偶像:为在数字化转型过程中工作的人员提供指导和榜样以员工为中心：在数字化转型过程中关注员工的福祉鼓舞人心：在数字化转型过程中遇到困难时鼓励员工关键岗位盘点引领变革来源:帆软、赛迪顾问来源:帆软、赛迪顾问图：数字化时代领导者面临巨大挑战19数字化人才岗位能力盘点&画像20数字化人才岗位能力盘点&画像企业的股权高度分散，以维护和体现利益相关者的价值为主要原则，组织内部所有个体都成为创造主要价值的力量。企业

41、的成功要素是组织人格，组织能力是组织人格力。和工业 4.0 及以前的时代不同，数字经济时代拥有“VUCA”特质：因此，在这种组织形态下，面对“VUCA”挑战，领导力需要扮演的是驱动角色：1、注重前瞻性洞见，整合资源，赋能员工2、鼓励跨界协作和开放创新，以培养创新思维和数字化能力为导向数字经济时代-工业 4.0 组织结构：网络型图：领导力跃迁的底层逻辑：组织结构的演变领导力跃迁的底层逻辑：组织结构的演变Uncertainty（企业经营环境面临高度不确定性）Complexity（创业战略定位高度复杂性）Ambiguity（信息的模棱两可）Volatility（市场竞争炽热化）MIT研究团队在调研了

42、全球4300多位高管中发现，企业当前非常需要具备强大数字领导力的领导者。其中，68%的受访者表示组织确实需要新的领导力才能拥有更大竞争力。同时，处于不同成熟度类别企业之间受访高管的回答的差异非常小：早期阶段公司的 77%的受访高管表示他们需要新的领导者，同样，成熟阶段公司的 55%的受访高管也表示如此。总的来说，超过一半的数字化成熟企业仍表示缺乏强大的领导力。企业急需数字化领导力，超半数高管认同亟需培养新型领导者图：数字化成熟度同意或非常同意此观点的受访者比例我的组织需要新的领导者，带领团队制胜数字时代我的组织正有效地培养具备数字时代发展领导能力的人才起步阶段10%20%40%60%80%10

43、0%2345678910发展阶段成熟阶段领导力差异MIT研究团队经过调研，发现26%的受访高管认为领导者应该具备数字化战略视野；18%的受访高管认为领导者需要有创新意识，能够为员工提供数字化创新环境。同样，受访高管也认为数字化时代领导者还应该需要有跨组织协作能力，要鼓励员工进行数字化创新等。值得一提的是，受访高管都表示数字化领导者需要了解数字技术，但专业的数字技能本身并不是成功的数字化领导力的先决条件，数字化时代的领导力更需要具数字化领导人才所需要具备的能力：先决条件并不是专业技能，而是数字化战略视野工业1.0工业2.0工业3.0时代信息化，竞争优势的必要非充分条件数字资产，竞争优势的充要条件

44、工业4.0时代直线型组织架构职能型组织架构股东价值形态精英价值形态企业传承传统企业控制式领导力服务式领导力注重员工需求和发展为员工提供支持和服务鼓励员工参与决策高度集权强调权威和控制注重效率和稳定流程型组织架构客户价值形态传统企业转型驱动式领导力注重前瞻性洞见整合资源，赋能员工鼓励协作，开放创新培养数字思维及能力与员工共同同行网络型组织架构利益相关者价值形态数字经济时代最佳形态未 来企业的成功要素是老板，组织能力是股东的个人能力企业的成功要素是精英，组织能力是精英领导力企业的成功要素是团队，组织能力是团队创新力企业的成功要素是组织人格，组织能力是组织人格力来源:帆软、赛迪顾问来源:MIT Co

45、mmon Traits of the Best Digital Leaders来源:杨壮 新时代创新领导者的五力模型Application talent-数字化应用人才初级能力定义：具备数字化意识，具备数据分析能力与报告能力，了解数据治理和运营，适应数字化工作方法；能够了解基础的技术信息以进行问题反馈，执行数字化转型项目，推动落地与推广应用。主要核心人员：基础员工（营销、运营、销售、市场、供应链、财务、人力、法务等）高级能力定义：可以基于不同业务场景、借助新技术推动数字化转型的核心业务骨干，关注数字化技术如何与相关业务模式融合以创造新的价值；具备丰富的项目经验，具备端到端的流程思想，能够通过数

46、字化方式进行项目管理和业绩管理。主要核心人员：高潜、部门主管等（营销、运营、销售、市场、供应链、财务、人力、法务等部门）01 业务视角：数据是“业务循环的重要载体”通过收集、分析、应用数据，企业可以更好地了解消费者需求、市场趋势和竞争对手行为，通过数据分析洞察得出的结论可以帮助做好事前、事中、事后的预警和预测，最终回归起点，指导业务，实现降本增效。在企业数字化转型过程中，从底层数据互联到数据中台建设的各个环节，所需的数字人才主要集中在技术领域，而业务人才的参与相对较少。在我们的调研中发现，大多数企业即使具备较为完善的数据应用工具，仍然存在人员数据能力不足的问题，业务人员尤为明显。2024 年

47、4 月，人力资源社会保障部等九部门印发加快数字人才培育支撑数字经济发展行动方案（2024-2026 年），提出“实施数字技术工程师培育项目”，将大数据列为数字领域新职业的首位，并强调数据赋能为培育人才关键。重要显性能力：体系化的数据应用能力指导力：提供发展愿景和目标创新力：为实验创造条件执行力：鼓励不同看法协作力：允许跨界合作激励型领导力：吸引员工追随业务决断力：陷入僵局时果断决策人才培养：支持长期个人提升影响力：说服及影响利益相关人员不清楚/不确定26%18%13%12%10%8%7%5%1%数字化应用人才能力域沟通能力业务影响数据体系业务管理架构管理数据思维业务分析基础架构数据管理流程架构

48、敏捷转型数据分析及展示业务决策变革创新数据指标梳理数据产品设计应用开发图：数字化应用人才能力域图：业务视角分析准备统计&分析回归业务事前、事中、事后接入&存储Management预警、预测数据离线/实时更新数据整合数据管理数据洞察业务、管理优化lntegrationAnalysis业务洞察&管理洞察组织&合成优化和改善业务流程数据资产与服务管理离线/实时数据应用提升管理决策质量自动化标准化服务化协作化行动力Action信息共享与协同数据驱动的决策能够让业务和IT部门基于同一事实基础做出判断。数据分析提供了客观的依据，使得业务决策更加科学和精准，同时 IT 部门也能根据数据优化技术方案，提高整体

49、运营效率。102 战略视角：数据是“业务 IT 一体化融合”重要落地点备全新的视野和能力，能够在瞬息万变的数字化环境中，引领组织实现明确的变革和发展目标。21数字化人才岗位能力盘点&画像22数字化人才岗位能力盘点&画像来源:帆软、赛迪顾问来源:帆软、赛迪顾问来源:MIT Common Traits of the Best Digital Leaders决策科学化提升数据分析能力,高效挖掘数据价值,支撑公司科学经营战略层战略研究战略规划战略实施经营层用户洞察、市场变化、产品全生命周期、产销协同、费用与成本研发营销供应链职能产品SKU管控产品UE分析产品上市表现（销量、毛利率)产品全生命周期管理技

50、术评审通过率、立项及时率广告投放、用户转化任务达成、排名账期与回款、风险预警产品维修率、用户满意度大宗原材料价格趋势降本目标、达成呆滞物料处理、库存周转计划达成率、准确率单台费用成本生产效率人、财、物费用管理资源成本人才画像、人才培养预算管控、利润分析安全管理、风险预警数据分析模式变革业务IT一体化融合支撑固化自助,被动主动数据体系+人才体系+流程体系意识转变、知识互通、数据驱动业务业务层数字化技术人才和 ICT 人才的区别图：战略视角实时监控与反馈业务部门可以通过数据监控市场和运营情况，而 IT 部门则可以通过数据来监控系统和技术的运行状态。这种实时的反馈机制同样确保了业务和 IT 之间的快

51、速响应和协同。3效率提升业务部门人员能够自主做基础的数据管理、分析等，基于本身对 IT 部门有更深的业务理解的优势，能够更快、更准确解决业务痛点，实现降本增效。IT 部门可以专注数字化统筹，有针对性地对复杂的数据问题进行改进，将部分基础数据工作转移，减少压力。2图：数字化技术人才能力域图：ICT 人才 vs 数字化技术人才Technology talent-数字化技术人才能力定义：掌握数字化专业技术，包括传统 ICT 专业人才和新职业中的数字化人才。初级主要核心岗位：大数据开发工程师、AL 开发/测试工程师、数据安全工程师、数据分析师等高级主要核心人员：数字化规划师、首席数据官、数据项目经理、

52、首席架构师等初级能力域数据体系AI体系通用体系专业能力通用能力数据分析AI开发架构设计数智化&AI应用规范团队建设数据质量AI测试测试数据分析业务影响数据架构算法工程运维数据治理系统思维数据安全算法科学项目管理数据运营项目管理数据开发数据产品模型训练数据产品复杂业务洞察高级能力域数字化技术人才-强调技术创造Technology CreatorICT人才-强调技术消费Technology Consumer基于ICT技术使用ICT探索技术消费基于ICT技术创造未来解决方案企业创新设计思维设计及技术技术创造算法思维交互影响数据技术生产系统思考数字技术项目管理系统使用ICT交互利用ICT创造管理操作I

53、CT23数字化人才岗位能力盘点&画像24数字化人才岗位能力盘点&画像来源:帆软、赛迪顾问来源:帆软、赛迪顾问来源:Sam McNeill WHATS THE DIFFERENCE BETWEEN ICT CAPABILITY&DIGITAL TECHNOLOGIES?在做好数字化人才规划之后，企业需要进一步进行数字人才培育和技能训练，通过培养和训练，可以快速补充数字化人才，缩小人才供给和需求之间的差距，确保关键岗位和角色能够顺利到位。70-20-10 规则，也称为 70-20-10 模型或原则，是广泛认可的用于构建学习和发展计划的框架。这一模型强调了将学习扩展到课堂和课程之外的必要性。它还为改

54、进和扩展传统培训和学习，并将其应用于工作场所提供了一个框架，其中：1.“70”代表“项目实践学习”：主要通过真实的项目实践经验学习，形式包括真实业务实践、企业大赛、项目开发等。2.“20”代表“社交学习”：主要是向他人学习，包括向讲师专家、同事，形式包括企业内训、大会研讨、人才交流，以及走进灯塔企业等。3.“10”代表“结构化学习”：主要是补充数字化相关的知识领域，形式例如线上、线下课堂、书籍阅读，主要是提供基础知识和概念。CONSTRUCT 培育人才数字管理人才：数字化转型的直接负责人或组织关键节点的中高级管理者，负责制定数字化战略和推动其实施。数字技术人才：公司数字化转型过程中提供关键技术

55、的专业人才，这类人才通常具备扎实的计算机科学技术基础，熟悉各种数字工具和平台。1.业务平台建设初期，为企业选型应用平台工具、构建平台环境，启动业务平台建设项目；2.业务平台建设过程中，对业务部门开展技术赋能和技术支撑，协助业务部门应用落地；3.业务平台建设后期，为平台建设制定应用建设标准流程和数字管理规范，实现业务平台建设的标准化管理，以此保证业务平台科学的长久运行。业务开发人才：这类人才指的是那些不仅具备数字化思维，而且拥有数字平台应用技术能力、业务能力和创新思维的新型技术人才。他们不仅熟练掌握简道云平台的基础功能和高级功能，同时需具备出色的业务理解能力，能将业务需求转化为低代码平台上的实际

56、应用，在实际应用开发中，还需拥有强大的团队协作能力，能与各方有效沟通，确保设计的准确性和实施的可行性。最重要的是，他们还拥有创新思维，能不断创新应用设计方案，以适应企业业务的持续发展和变化。数据生产力大赛节选案例 1：中储粮镇江粮油有限公司-数字人才培养牵引数字应用建设图：培育数字化人才方式26CONSTRUCT 培育人才公司数字化转型战略目标培训体系培训方式课堂学习企业内训大会研讨真实业务实践企业大赛走进灯塔企业数字化应用人才数字化领导人才数字化技术人才数字化战略规划数字化领导力数字化思维行业发展趋势前沿政策解读灯塔企业案例解析.数字化思维数据分析实践数据资产建设数据产品数字化运营数字化营销

57、.行业数字技术趋势数据仓库人工智能数据治理区块链技术系统架构.培训内容平台人才库资源建设E-learning平台知识管理平台项目共享平台企业大学讲师库专家库打造数字人才培育框架：按照 70-20-10 模型应用方向平台建设项目规划人员培养与管理机制平台建设管理规范数字人才结构数字管理人才业务开发人才数字技术人才应用开发应用管理应用创新战略规划能力数据分析能力技术理解能力项目管理能力创新思维能力低代码平台技术应用能力业务理解与分析能力团队协作与沟通能力数据建模能力创新思维能力平台对接技术信息安全管理应用平台管理低代码应用技术业务理解能力培养路径底层思维数字认知培养基础技能培训数据思维|业务思维|

58、创新思维高阶技能培训业务分析培训应用实战培训25数字化人才岗位能力盘点&画像来源:帆软、赛迪顾问来源:中国数据生产力大赛案例节选同时，企业仅内部培养具有一定的局限性，动力不足，需要协同外部资源来完善企业的“培育人才体系”：1.外部专家合作：邀请行业内知名的数字化转型专家、咨询顾问等提供培训 与科技公司、高校等合作，引入前沿的数字化技术和案例分享2.外部培训体系：依托专业培训机构，建立系统化的数字化人才培养课程 参与行业协会或专业联盟的培训活动，学习标杆企业的最佳实践图：70-20-10 数字化培训方法27CONSTRUCT 培育人才为正确高效地培养数字化人才，赛力斯汽车对于整体培养方案提出“能

59、力三角 X 培养六步”培养模型，其中能力三角从数据能力、数据思维、数据环境三方面入手，培养六步指分六阶段进行数智人才培养，以“学+实践+比赛”的复合方式进行，将能力三角融合进六大培养阶段中，打造全方位数字化复合人才。企业培育数字人才案例（数据生产力大赛节选）案例 1：赛力斯汽车-价值驱动数智人才自主培养，助力数字化转型成功参与度数字化人才规模外部资源运营团队业务团队BI平台搭建BI工具培训数据底座搭建BI工具内部学习&场景验证BI推广准备提供场景给运营团队运营团队内部验证BI工具培训数据底座迭代优化组织常态化BI培训，筛选种子用户进行针对性能力提升数据底座迭代优化常态化BI培训BI管理制度建设

60、，规范开发&使用规范BI工具能力提升业务需求承接&报表规范开发BI工具培训翻转课堂FCA认证常态化BI培训报表资产管理工具&制度建设FCA初级认证组织BI工具认证完成数据思维、分析等能力提升资产驱动数据开发常态化BI培训积分运营制度建立FCP中级认证组织数字能力认证提升全面提升数字化能力价值驱动数据开发BI工具培训 比赛举办FCP认证持续支撑常态化BI培训ECS高级认证组织AI能力规划建设完备的数字化人才梯队AI赋能的数字化团队流程数字化监控能力50人规模了解BI20人规模熟练使用BI百人规模了解BI50人规模熟练使用BI百人规模熟练使用BI50人规模通过FCA认证百人规模通过FCA认证30人

61、规模通过FCP认证50人规模通过FCP认证10人规模通过ECS认证阶段一阶段二阶段六阶段五阶段四阶段三BI工具培训外部资源外部资源外部资源外部资源外部资源BI工具学习&实战应用运营团队运营团队运营团队运营团队运营团队业务团队业务团队业务团队业务团队业务团队28CONSTRUCT 培育人才运用 70:20:10 模式培养优秀员工队伍“几乎所有新的东西似乎都来自于工程师们预计用于副项目的那 20%的时间。”埃里克 施密特（谷歌公司前首席执行官）谷歌最成功的部分产品，如谷歌新闻、谷歌本地，都是由员工发起的与其核心无关的项目！遵循 70:20:10 模式的成功案例70:20:10在企业中的应用可口可乐

62、在其旨在到 2020 年将可乐消费量翻一番的新内容营销策略方面非常成功学习与发展管理创新由摩根 麦考尔和他的同事罗伯特 W 艾兴格开发商业资源管理模型以及迈克尔 L 隆巴科在创新领导力中心由埃里克 施密特开创从 2005 年在谷歌实行强调员工分配工作时间的比例大量关于成功管理者的调查研究显示数字人才培养真实业务实践企业大赛内部专家项目开发外部智库成果推广企业内训大会研讨内部讲师人才交流走进灯塔企业外部讲师外部讲师企业大学初阶课程高阶课程课堂练习案例演练书籍阅读知识答疑真正的“学习”是70%来自艰难的任务职场学习20%来自他人（通常是上司）社会学习（来自领导的的反馈和指导）10%来自课程和阅读结

63、构化学习（居家/外包/在线学习）时间分配70%公司核心任务20%与核心任务相关的事项10%与核心任务无关的事项702010需要将学习扩展到课堂和课程规范之外表示需要重新定义业务资源管理的（传统的）前景提供一个用于改进的框架，并将传统到培训和学习延伸到工作场所鼓励组织内的创造性、创新性和实验性，从而促成他们的个人成功来源:The 70:20:10 L&D Model for Developing a High-Performing Workforce来源:中国数据生产力大赛案例节选案例 2：东亚银行“数赢”杯赛-数据驱动银行服务 数赢人才引领未来案例 3：东风柳汽-业务人员搭建应用，引领数智未来

64、邀请帆软的智库专家，针对各大区的销售运营管理部门负责人和骨干人员进行，旨在进一步提升参训人员的领导力技能，采取为期两天的“理论+实战”领导力提升培训课程，营造高效和谐的团队氛围。培训内容涵盖两个主题：销售员工管理（方法论+案例研讨），数字化决策（方法论+案例探讨）。该课程注重实战性，通过讲解丰富的销售管理案例和数字化决策案例，并结合实际工作场景设计了多种实务模拟场景，采用角色扮演、案例分析、小组讨论等互动形式，让学员在模拟中深入体验。案例 4：某医疗企业-数字化领导力培训数字化转型的可持续发展，需要数字人才体系的配套支持，搭建良好的数字人才培养体系，为数字化转型提供可持续的人才力量是必要条件。

65、东亚银行秉承“数字发展，人才先行”的理念，牵头打造首家外资银行数字人才培养品牌“数赢”，通过开展面向全行的数据分析大赛，帮助行内员工学会使用数字化工具，提升全行上下的数字化意识，为银行持续输送具备数字化背景的业务骨干和管理人才。“数赢”杯赛文化推广2022 年，首届“数赢”杯赛启动。本次大赛有来自 32 个组织和 19 个业务条线的 208 人参加，全行 900 人关注并跟随大赛进行学习。大赛历时 5 个月，共 52 个方案入选数字化方案的案例集，其中 2 个方案开发落地。首届“数赢”杯赛的圆满举行在全行产生自上而下的影响，让各条线的广大员工在杯赛参与过程中通过数据分析深度洞察业务，良好的效果

66、坚定了管理层持续投入数字化转型的决心。2023 年，第二届“数赢”杯赛顺利开展。本次大赛历时 150 余天，全行 1150 人关注学习，252 人共 61 个专业团队参与，共有 90 个 Use Case 真实落地。本届比赛涌现出一批直击业务痛点、满足客户需求、综合价值突出的业务和流程优化探索者，打造了东亚中国的数字化 KOL。（1）成立数字化人才培养工作室人事部、公司团委、流程与 IT部联合开展开创的数字人才队伍建设工作室，目标按阶段推广各类数字化工具（包括但不限于零代码工具、RPA，任何对公司有效益的数字化工具），并以课题设计的模式实现工具运用的种子人才孵化,种子人才进行复制传播,逐步覆盖

67、全员掌握数字化技能。初期业务人员带课题进入工作室，课题结题发布可获得人事部数字化人才认证，进入公司数字化人才库管理。（2）建立内部培养体系培训计划：线上培训与线下培训结合，基于员工培训参与情况，每两个月开展一期线上基础功能培训营，每半年开展一期线下专题性功能培养课程（如系统架构思维、自建插件、接口等）；短期做到能取代excel、word、纸质协同工具，长期计划开发的规范性和拓展性。实践驱动：成立专门的数字化人才培养领导小组，负责统筹规划、组织实施和监督评估等工作。注重理论知识与实际操作相结合，通过组建课题小组开发业务应用、竞赛评比、论坛分享等方式，提高员工的实际操作能力和解决问题的能力。29C

68、ONSTRUCT 培育人才30CONSTRUCT 培育人才来源:中国数据生产力大赛案例节选31EMPLOY 善用人才32EMPLOY 善用人才EMPLOY 善用人才为什么要用好数字人才：“运营时代”企业更关注价值实现，数字人才助力投入产出最优化运营时代，企业的关注点从数字基础设施的建设转向资产价值的实现。在过去的大基建时代，企业的数字化转型以建设强大的数据平台为核心，企业的 IT 负责人过去思考的更多是自身平台是否完善、使用的技术是否先进。但这样的思路逐渐行不通了，因为随着宏观经济趋势的变化，高歌猛进的基建时代结束了。如今企业更加关注如何运营好已有的数字基建，充分发挥现有平台和系统的资产价值。

69、换言之，在当下的“运营时代”，各企业更加强调投入与产出的平衡，都在关注成本的控制和已有投资的价值实现，努力在现有的资源基础上实现更大的效益。企业需要用好数字人才，因为数字人才是企业连通技术与业务的桥梁，是实现投入产出最优化的杠杆支点。企业过往数字基建投资的效益和产出体现在具体的业务表现上：数据平台的建设是否带来了业务收入上的增长、是否导致了业务成本上的减少，这些问题是企业目前最为关注的。然而大部分企业的 IT 和业务部门之间天然存在着隔阂，这种隔阂带来了 IT 和业务之间的互相不了解，进而阻碍了价值从数字基建到业务的传导。为了消除隔阂，打通价值的传递路径，企业需要培养并利用好一批数字人才，让这

70、些数字人才将先进的技术、工具应用到具体的业务场景中，推动技术与业务的深度融合，最大化现有基建资产的价值，实现最佳的投入产出比。图：数字人才的价值基建时代数字基建投入业务产出运营时代数字人才基建时代，企业持续投入数字基建忽视业务产出运营时代，企业利用数字人才撬动现有投入产出比最优化数字人才IT部门业务部门数字基建投入业务产出IT部门业务部门用好数字人才的要求：让数字人才充分融入业务场景，赋能业务如前文所述，企业用好数字人才的目的是去连通技术和业务，实现数字基建投入产出比的最优化。因此，用好数字人才的一个关键要求即是让他们充分融入业务场景，赋能业务。企业需要打破IT和业务间的传统界限，让数字人才深

71、入一线业务场景，理解业务需求，找到技术解决方案与业务痛点的最佳契合点，成为“比业务人员更懂业务的人”。我们认为有以下几种方式可以帮助企业为数字人才深入业务场景做好准备：图：赛力斯汽车的跨部门协作让数字人才与业务深度融合的前提是建立跨部门的协作团队。传统企业里数字技能专家通常集中在IT部门，与业务部门间存在沟通壁垒。为了鼓励数字人才更贴近实际的一线业务、了解业务情况，实现技术解决方案和业务需求的精准对接，企业首先需要建立IT、业务间的跨部门协作团队。建立跨部门的协作团队以赛力斯汽车有限公司（以下简称赛力斯）为例，公司组建了由业务专家和数据专家两类角色构成的运营协作团队：业务专家由业务、数字复合型

72、人才组成，负责统筹BI平台的推广、业务与数据分析、数字化应用与规划相关工作；数据专家由数据开发资深人才组成，负责企业数据底座的建设。在业务专家下，赛力斯还设置了涵盖不同细分业务域的专家，后续将通过兼岗的虚拟组织方式陆续选拔人才作为团队成员。企业用好数字人才案例（数据生产力大赛节选）案例 1：赛力斯汽车-建立由业务专家和数据专家组成的运营协作团队部门owner职责:统筹数字化建设，落地集团数字化转型战略业务专家数据专家职责:能力要求:销售域业务专家交付域业务专家服务域业务专家职责:参与业务数字化项目建设，负责推进所在业务域相关数字化建设专项归口收集所在业务域的业务需求，并进行分级分类管理，落地相

73、关业务需求运营部实体组织协助运营管理部建设数字人才培养体系能力要求:运营部虚拟组织具备所在业务域业务对接能力 具备数据分析、数据建模等数据能力 至少通过FCP-FineBI认证.职责:参与数字化转型战略任务拆解及实施步骤制定解读业务需求并规划落地技术方案建立并落地数字人才培养体系能力要求:具备汽车行业全业务域业务对接能力具备数据分析、数据建模等数据能力具备数据库、数据开发等技术能力搭建数据仓库、教据集市将业务需求的技术方案进行开发落地搭建数据分析的公共数据具备数仓建设能力来源:帆软、赛迪顾问来源:中国数据生产力大赛案例节选京东方科技集团股份有限公司（以下简称京东方）成立了数据分析CoE专项小组

74、，从业务部门和IT部门抽调专家，人员包括业务专家、数据分析专家、建模专家、可视化专家等。通过小组内部的交流与合作，不断积累经验，形成了一套适用于京东方的数据分析标准与体系。此外，CoE专项小组还充当了企业内部各部门之间的桥梁和纽带，推进各部门之间的数据共享和协同分析。案例 2：京东方科技集团股份有限公司-数据分析 CoE 专项小组图：京东方的跨部门协作业务专家提供业务知识，将业务需求与分析相结合，确保数据分析看板能够实现最大的业务价值，为分析发现的异常提供业务解释销售组织数据建模人才使用数据建模技术 (回归、自举、树、聚类分析、生存分析等)生成帮助业务利益相关者所需的分析解决方案制造数据分析人

75、才与业务部门合作进行情景规划和分析，并解释趋势和差异，通过报告和演示向领导层传达并使用跨职能见解和分析结果财务数据可视化人才制定可视化方案,与领先的数据可视化实践保持同步并共享，确保组织自有分析项目的可视化一致性.华夏银行搭建并运营了企业微信群、论坛专栏等多种知识交流共享的平台，各分行的数据赋能官会每月在平台上进行优秀数据应用场景案例的分享。例如，在平台举办的第六期赋能官大会中，华夏银行济南分行的赋能官就从论坛帖子里敏锐地捕捉到了业务需求。通过主动与业务人员的交流，济南分行的数据赋能官洞察出了贷款客户还款差额的问题。后续数据赋能官基于FineBI开发数据分析看板，实现了及时、准确地捕捉和反映客

76、户的还款动态，显著提升了贷款管理部门的风险识别能力和响应速度，降低了潜在的不良贷款风险。综上，华夏银行的知识共享平台就是一个加速数字人才深度融合业务的优秀实践案例：分行内的数字人才通过共享平台捕捉到了业务领域的痛点，并通过自己的专业技术帮助业务团队解决了痛点，进而带动了业务团队对新技术的接纳和应用。案例 3：华夏银行-建立内部的知识交流共享平台用好数字人才的方法：从1到N，让一位数字人才孵化出一个数字团队，让一个业务场景演进成一个业务体系让数字人才与业务深度融合的加速剂是构建共享的知识平台。通过在企业内部构建一个集数据分析、业务案例、最佳实践等为一体的知识共享平台，数字人才能够迅速获取业务领域

77、的最新信息和洞见，同时将自己的技术知识分享给其他业务团队。这种双向的知识流动不仅加深了数字人才对业务的理解，也推动了更多业务团队对数字技术的接纳和运用，从而形成良好的互动氛围，进一步深化数字人才与业务的融合。构建共享的知识平台企业培育数字人才案例（数据生产力大赛节选）企业内的数字人才可以作为一粒粒“种子”，在跨部门的协作团队中发挥孵化效应，培养出更多的数字人才，最终孕育出一个庞大的数字人才团队。企业可以为“种子”数字人才设定经验分享的职责，确保他们不仅在自己的岗位上发挥出最大价值，还能通过分享和经验传授来带动其他员工的成长。为了实现这一目标，企业可以组织内部的讲座和分享会，由“种子”数字人才担

78、任主讲，分享他们的技能和业务实践。其次，企业可以设立“数字导师”的制度，将“种子”数字人才作为导师，有针对性地指导和帮助其他有潜力成为未来数字人才的员工。用好“种子”数字人才的孵化效应33EMPLOY 善用人才34EMPLOY 善用人才来源:中国数据生产力大赛案例节选图：数字人才的孵化和业务场景实践的复制、延伸重庆长安汽车股份有限公司的两江工厂充分利用了部门“种子”数字人才的孵化效应。两江工厂从全体员工中按业务部门分类，每部门抽调 2-3 人作为“种子”选手纳入人才库，并让他们统一参与工厂级的培训，深度学习数字化技术。后续这些“种子”人才作为导师，重点负责本部门整体业务系统的搭建以及其余人员的

79、培养。经过数月的内部传播，这些“种子”人才也不负所托，在各自的部门生根发芽，最终共培育出了 90多位数字人才，在工厂内形成了一支庞大的数字人才团队。案例 4：重庆长安汽车股份有限公司-种子人才库的选拔与转训企业培育数字人才案例（数据生产力大赛节选）伴随着“种子”数字人才在企业内各部门间的生根发芽，与之同步发生的是业务场景实践的复制、延伸，直至最终演进成一个完整的数字化业务体系。如前文所述，数字人才必须融入业务才能充分发挥他们的价值。优秀的“种子”数字人才在不同的业务场景下积累了技术+业务的最佳实践，这些宝贵的实践经验会在他们推广自己的理念时，传递给企业内其他的数字新人，成为这些新人的业务实践模

80、板。例如，零售行业中某个地区的门店店长利用可视化分析技能高效地管理着自己门店的库存情况，当他作为“种子”店长给其他地区的店长推广经验时，他的库存管理看板也会作为宝贵的素材被其他人借鉴和使用，这样一来，某个特定业务场景下的技术实践就实现了从1人应用到N人应用的复制过程。业务场景实践在复制的同时，也会延伸向不同的方向，裂变出多个新业务场景下的新实践。例如，其他地区的门店店长在应用了“种子”店长的库存管理看板后，认为可视化分析技能还可以被运用在顾客管理、商品利润分析、营销推广等多个业务场景下，因此自发地通过所掌握的技术开发了新业务场景下的管理看板。如此，业务场景的实践就完成了从1个场景（库存管理）到

81、N个场景（顾客管理、商品利润分析、营销推广等）的延伸过程。最终，多业务场景下的管理看板组合演进成了一个完整的地区门店管理驾驶舱，涵盖库存、商品利润、顾客关系、营销等业务流程的全方面，是一套完整的数字化业务体系。“种子”数字人才的孵化效应带来业务场景实践的复制和延伸效应“种子”数字人才部门B数字人才孵化孵化孵化延伸复制部门C数字人才部门A数字人才数字人才团队业务体系B业务场景实践A业务场景实践延伸A业务场景实践C业务场景实践图：重庆长安汽车股份有限公司两江工厂的“种子”数字人才选拔及传播两江工厂种子人才库 (各单位提供2至3人)年度培训评价认证人员提供内部转训制造运营处物流处技术处安全环保处制造

82、人力处综合处设备工程处制造工艺处冲压一车间焊接一车间涂装一车间总装一车间冲压二车间冲压三车间焊接二车间焊接三车间涂装二车间涂装三车间总装二车间总装三车间35EMPLOY 善用人才36EMPLOY 善用人才来源:中国数据生产力大赛案例节选来源:帆软、赛迪顾问案例 6：江苏常熟农村商业银行股份有限公司-业务场景实践在总行和分支机构的复制延伸华润啤酒的数字人才培养过程伴随着业务场景的复制和延伸。在华润啤酒人才培养的第一阶段，公司选择了销财这个具体的业务线去做“种子”数字人才的培养和具体业务场景的样板打造，并在打造的过程中逐渐沉淀出一套适合全公司推广的方法论。销财部门的“种子”数字人才们基于自己的实践

83、经验，推出了针对销财业务下一些经典场景的数字技能应用指南销财BI自主分析平台入门手册。他们希望以这本手册为基点，扩展BI分析平台在销财不同业务场景下的广泛应用，并最终推广到公司其他业务线下的不同场景。案例 5：华润啤酒-销财业务场景的样板打造与复制推广江苏常熟农村商业银行股份有限公司（以下简称常熟农商银行）总行的业务场景实践，通过“种子”数字人才的不懈推广，在分支机构复制和延伸出了大量新的场景实践。常熟农商银行的BI自助分析平台建设推广初期正值业务旺季来临之前，总行的“种子”数字人才通过主动联系、登门拜访、OA发文的方式，结合BI-融合层联合培训的方式完成了对运营管理部、小微金融总部、普惠金融

84、部、网络金融部等10个总行部门以及村镇银行的快速推广，并且对接如无锡分行、昆山支行等分支机构，基于其需求做BI平台的异地试点场景建设，为多家分支机构后续的业务场景定制做技术准备。“种子”人才们通过与业务部门的深度合作，实现了诸如优质收单商户、机构全优商户、零售客户营销等总行业务场景下的实践，助推了旺季业务；通过与分支机构的联动，BI平台被推广至26家一级机构、44家二级机构，并延伸至江苏、湖北、河南、云南、海南、广东地区的19家村镇银行机构，实现了全行开放覆盖BI系统。经过常熟农商银行总行“种子”数字人才的长期推广，BI自助分析平台在总行14个部门复制和延伸出了超过120个业务场景实践，并在分

85、支机构进一步服务了超200个业务场景。企业培育数字人才案例（数据生产力大赛节选）38RETAIN 保留人才图：国内数字人才诉求图：企业数字人才留存模型RETAIN 保留人才了解数字人才的诉求：不只是薪酬企业为了实现数字人才的更高留存率，首先应该树立“以人才为中心”的思想，像关注客户一样去关注人才，充分理解人才的诉求。通过对多位客户企业的调研，帆软数据应用研究院发现薪资水平和职业发展前景等因素影响着部分数字人才的去留决策。具体而言，对于在职场已有一些工作年限的数字人才前辈而言，令人满意的薪资水平是影响他们择业的首要因素，其他因素分别是职业发展前景和晋升空间、合理的绩效考核和评估标准、工作环境和工

86、作节奏、工作内容的价值等。对于职场经历不丰富（工作年限小于等于3年）的数字人才新人而言，职业发展前景和晋升空间是他们首要考虑的择业因素，其次分别是令人满意的薪资水平、合理的绩效考核和评估标准、个人技能提升、工作内容的价值等。因此，我们认为企业为了提升数字人才的留存率，必须首先搭建一个适合数字人才的评估体系，并以该评估体系为基座，建立包含人才薪酬激励和表彰激励在内的激励机制，以及包含管理序列和专家序列在内的双序列职业发展通道。了解数字人才的诉求1令人满意的薪资水平2职业发展前景和晋升空间3合理的绩效考核和评估标准4工作环境和工作节奏5工作内容的价值来源:帆软数据应用研究院调研自制1职业发展前景和

87、晋升空间2令人满意的薪资水平3合理的绩效考核和评估标准4个人技能提升5工作内容的价值数字人才前辈数字人才新人企业数字人才留存模型个评估基座1种激励机制2条职业通道2数字人才评估体系建立激励机制建立职业发展通道管理序列的职业通道专家序列的职业通道表彰机制薪酬及财务激励机制37EMPLOY 善用人才来源:帆软、赛迪顾问来源:帆软、赛迪顾问39RETAIN 保留人才40RETAIN 保留人才财务共享中心自主研发了一套多维度的数字人才综合评价体系，可根据人才分数判断一个人数据应用能力的强弱，根据人才类型判断一个人与岗位的适配程度，提高识人辨人的精准度。关于评价体系指标的构建，财务共享中心将评估指标细化

88、到了多个层级：一级指标包括技能类和业务实践类。二级指标包括数据加工与处理能力、数据可视化能力、数据治理能力、数据综合能力、数据应用能力，若一个人同时具备这五种能力，则称他为全能型数字人才。截至2023年，财务共享中心已有409人通过数字人才综合评价体系完成评价认证，约占共享中心全体员工的50%。该体系为共享中心后续对数字人才的绩效考核、薪酬激励、能力培训、职级晋升等起到了关键的支撑作用。企业保留数字人才案例（数据生产力大赛节选）保留数字人才：建立数字人才评估体系基座企业的数字人才不同于传统的业务人才和IT人才，他们融合了技术与业务，传统的人才评估体系缺乏多维度的评判标准，因此无法准确地衡量数字

89、人才的能力提升和绩效表现，导致人才的能力和潜力得不到充分利用。企业应根据自身情况，设计涵盖业务实践和数字技能等多维度的科学的数字人才综合评价体系，以满足后续人才激励及职级晋升的评判需求。图：财务共享中心的数字人才综合评价体系薪酬激励仍然是影响国内数字人才择业选择的重要因素之一。企业应当为关键数字人才提供具有竞争力的薪酬和福利待遇，并通过其他财务相关的激励，特别是项目制分红的方式来留住他们。东亚银行（中国）有限公司（以下简称东亚中国）秉承着“数字发展，人才先行”的理念，牵头打造了首家外资银行数字人才培养品牌“数赢”项目，并对人才激励机制进行了创新。东亚中国对数字人才的市场平均待遇进行了全面调研，

90、为他们提供市场化的薪资。同时东亚中国还通过引入项目制的分红激励模式设置了差异化的薪酬结构，保证关键数字人才的高留存率。提供有竞争力的薪酬及其他财务激励保留数字人才：建立数字人才激励机制案例 2：东亚银行（中国）有限公司-为数字人才提供市场化的薪资案例 1：中国海洋石油集团有限公司财务共享服务中心-多维度的数字人才评价体系来源:中国数据生产力大赛案例节选案例 5：东亚银行（中国）有限公司-设置以能力高低为核心评价维度的专家序列我们发现，企业通过投资数字人才的职业发展机会，有可能以一种长期可持续的方式预防他们的流失。相比之下，仅仅增加数字人才的薪酬只能暂时延缓他们的离职，并且这一发现在数字人才新人

91、中更为明显。因此我们认为，企业为了更好地留住数字人才，应该为他们设置两条平行的职业发展通道，包括传统的管理序列职业通道和非传统的以专业技术认证为考量的专家序列职业通道，并鼓励这两种序列间的相互流转。传统管保留数字人才：建立数字人才职业发展通道除了薪酬福利待遇，数字人才也非常重视自己工作的意义和价值实现，这种对工作意义和价值的追寻是数字人才内驱的关键，也是影响他们去留的重要因素之一。企业应该设计一些正向的公开表彰机制，通过表彰让数字人才感受到自身知识和技能的被尊重和认可，让他们寻找到自己在工作中的价值所在，进而主动愿意留在企业内。山东高速济宁发展有限公司建立了公司内部的突出贡献奖评选机制，对于为

92、公司数字化做出突出贡献的团体和个人给予相应的表彰和物质奖励。2023年公司授予3人创新能手的称号，授予6人优秀工作者的称号，鼓励他们继续为公司的数字化转型做出更大贡献。建立对数字人才的表彰机制案例 3：山东高速济宁发展有限公司-建立突出贡献奖评选机制海发宝诚会定期举办“璀璨星海”年度评优表彰会。公司搭建人尽其才的舞台，通过一年一度的公司年度评优表彰会，表彰数字人才的突出贡献，激发数字人才的创新精神、工匠精神，充分调动人才创新的积极性。案例 4：海发宝诚融资租赁有限公司-举办年度评优表彰会东亚中国在数字人才的职业发展路径设计上有创新性的尝试。东亚中国基于“搭建行内专业认证体系，培养可持续数字人才

93、”的理念，构建了全新的以数字人才专业能力高低为核心评价维度的专家职级体系，包括“数据分析DA、数字化产品经理DP、数据工程DS、数据治理DG”这四大专业序列，并下设初阶、进阶、高阶三个阶段，包含帆软FCA/FCP认证在内的“数赢”资格认证。东亚中国的专家职级序列设计突破了传统银行业的职级和岗位限制，对数字化专业团队的职业发展空间进行了全面的优化。理序列下人员的晋升是线性的，例如从员工到经理、部门主管、CXO等，每一级的晋升都带来了更高的头衔和更多的管理责任。除了传统的管理序列的职业路径，企业可以打破职业发展和数字人才管理责任之间的传统联系，为他们单独设立一条平行的专家序列的职业路径，专家序列的

94、职级晋升伴随着专业技术认证的获得，这种双序列的职业路径能帮助企业留住数字人才。企业设立专家序列并不是为了让数字人才埋头于自己的技术研究，恰恰相反，这样做的目的是为了让他们能够自由地参与到企业更多的关键项目中去，影响到更多的同事，把自己更多的时间精力投入到对企业的增长赋能而非对上下级的汇报和监管。图：东亚中国的数字人才认证序列设计41RETAIN 保留人才42RETAIN 保留人才来源:中国数据生产力大赛案例节选05企业数字人才建设案例数据生产力大赛节选制造企业 Case：某汽车制造业企业金融企业 Case：华夏银行股份有限公司让数据成为生产力43企业数字人才建设案例44数字人才建设案例培养数字

95、化菁英人才，助力公司数字化转型2020年，某汽车公司依托大数据分析平台，配合业务部门在质量、研发和销售板块进行了大数据分析应用探索，数据开始成为业务价值创造的驱动力。同年，基于数据湖平台规划，公司启动大数据分析及可视化平台建设项目，建设数据智能应用，支持企业的运营管理和市场开拓能力，建立覆盖全业务的数据生态，充分利用数据创造业务价值。为加快集团数字化转型进程，进一步挖掘数据价值，提升集团数据运营能力，2021年建立集团统一的运营分析可视化平台，搭建企业级指标体系，以经营指标和财务数据为核心，构建决策分析平台，建设集团本部各部门及子公司的管理驾驶舱。公司2022年工作纲要中提出“加快数字化转型，

96、优化管控体系，释放改革活力，增强发展动能”的要求，结合公司数字化转型工作进展，为进一步加快公司数字化转型步伐。另外集团和集团各部门对数据共享、数据应用与服务的需求范围进一步扩大，对数据质量要求也进一步提高，对集团数据运营能力也提出了更高要求。在此背景下，多个数据分析的试点应用也在公司范围内进一步掀起了数据分析热潮，数据分析应用的需求如雨后春笋般应运而生，随之而来的困难和挑战也接踵而至：制造企业 Case：某汽车制造业企业管理需求和挑战数据文化意识薄弱数据分析只在一些经营管理单位，其他一些生产单位及业务人员根本不了解数据，也不知如何做数据分析，也不清楚数据分析能带来哪些好处，运用数据进行决策和管

97、理的意识不强。1缺乏数据治理和管理制度管理流程不完善，数据标准、数据架构、数据安全、数据质量、数据共享等领域如何实现业务和3数据分析人才匮乏信息技术部目前以项目建设为主，未设置专门的数据分析岗位，业务部门数据需求难以响应，团队数据分析人才匮乏；业务单位数据分析人员也仅仅基于 Excel 在线线下做一些传统重复的数据分析，缺少专业的数据分析工具、数据分析思维和方法。245数字人才建设案例46数字人才建设案例为加快推进“新技术、新产品、新模式、新业态“的落地实施，在全公司范围营造数据探索的良好氛围，传播丰富、扎实的数据统计分析知识和数据治理知识，培养数据分析菁英，打造企业数字化团队，使得“沉默的数

98、据”活跃在业务分析之中，有效解决数据分析人员“没数据”、“没工具”的窘境，满足管理层通过数据反映真实业务运营、辅助业务决策的需求。同时逐步建立起“用数据说话”、“用数据管理”、“用数据决策”、“用数据创新”的良好秩序，做好数据资产的积累，实现“以用户为中心，以数据为驱动力，应用数字化技术，实现公司业务创新，提升客户满意度与产业竞争力”的数字化转型战略目标。建设目标由点到面，由少到多，由集团到子公司，全面培养公司的数字化人才，让企业每个人都能掌握数据分析技能，提升数据分析思维，更好的让数据发挥其真正价值，做好数据资产积累。建设原则因此，数字化已成为企业发展的重要驱动力。为了提升企业的核心竞争力，

99、加强数字化人才队伍建设至关重要，提升企业IT人员数据管理和应用支持能力、业务人员数据管理和分析能力、为企业培养一支具备数字化思维、掌握数字化技能的高素质人才队伍的任务迫在眉睫。数字人才建设方案公司信息技术部目前有113人，共设立9个科室。部门始终坚持“持续学习、追求卓越、拥抱前沿、驱动变革”的IT价值观，以“深化信息技术应用，为企业创造更大经济效益和社会价值”为IT使命，为企业各单位做好技术服务。自2019年起，为满足公司生产运营中的数据应用需求，基于企业整体数字化推进思路，信息技术部先后开展了大数据平台、质量大数据、数字化运营平台等技术平台和基础应用建设，同时对公司数据管理体系进行整体规划：

100、目前大数据领域分为三个板块，即数据治理、数据开发和数据应用分析工作，因此部门亟需培养专业的数据分析人才和数据治理人才。第一步：点状开展，培养专业信息化数字化人才育人环节数据运营能力弱，价值释放不显著4.对于数据资产怎样运营缺乏思考，数据深度分析能力弱，在公司的战略决策、经营效率提升、客户体验以及品牌打造上支撑能力不足。同时，数据未被充分利用，无法为业务创造实际价值，数据应用场景有限，未能实现预期效果。4技术协同成为棘手问题。另外，数据治理组织不健全，责任矩阵建立不起来，权责利不明晰。因此，业务对于数据应用的优先级如何权衡，数据质量问题由谁负责，跨域数据应用怎么裁决，这些问题时常困扰着业务部门和

101、技术部门，严重影响了数据价值的高效发挥。参与度业务产出自主应用阶段：会结合，能应用数字化人才能力可视化能力工具能力业务理解能力思维意识能力业务分析能力问题解决能力创新能力综合应用能力推广应用能力几十人规模全能型数字化人才千人规模IT数据分析和数据开发人才业务数据分析人才百人规模项目管理和数据治理人才业务数据分析人才和数据管理专员阶段1阶段2阶段3内部IT团队为主，业务为辅外部资源外部资源(数据分析&应用开发）业务人员和内部IT团队相互配合(数据分析&应用开发)深化业务阶段:有价值，促业务以业务团队为主，内部IT团队负责提供基础数据支撑(数字化系统统筹)业务创新阶段:重点项目公司层面数据资产积累

102、具体整体实施思路如下：目前公司2022-2023年的数字人才建设工作覆盖了阶段1和阶段2，未来将持续向阶段3发力。来源:中国数据生产力大赛案例节选47数字人才建设案例48数字人才建设案例作为数据分析需求的核心负责人，部门秉持“打铁还需自身硬”的信念，于2022年3月精心策划了“全民分析师挑战赛”。此次活动不仅是我们公司数据分析人才培养的起点，更是迈向更高层次数据能力的一次重要尝试。本次活动旨在以“精简高效、聚焦实效”为原则，深入挖掘和培养部门内部的数据分析精英，构建一支专业且高效的数据分析团队。我们的目标是加速员工数据分析技能的提升，快速响应不同部门的数据分析需求，共同推动企业数字化转型的进程

103、。此次活动面向信息技术部全体员工，整个流程分为“选题上报、专业培训、成果评审”三个阶段。在技术应用与开发室的精心组织下，我们制定了详尽的培训计划和方案，并特邀帆软老师作人才画像主要职责关键能力技能要求个人素质职业发展方向人才分类数据分析人才收集、整理、清洗和分析数据，以揭示数据中的模式、趋势和关联。利用数据分析结果，为业务决策提供支持，推动业务增长和优化。构建数据模型和可视化展示，以直观、易懂的方式向非技术人员展示数据分析成果。与团队成员和业务部门合作，理解业务需求，提供有针对性的数据分析方案。熟练掌掘数据分析的基本方法和技能，如数据清洗、数据转换、数据聚合等。熟悉常用的数据分析算法和模型，如

104、回归分析、聚类分析、决策树等。了解数据可视化技术，能够使用数据可视化工具(如FineBI、Tableau、Power BI 等)展示数据分析结果。具备一定的编程能力，能够编写数据处理和分析的脚本和程序。具备较强的学习能力和适应能力能够不断学习和掌握新的数据分析技术和方法。具备良好的团队合作精神和沟通能力，能够与团队成员和业务部门有效合作。对数据分析充满热情，对数据驱动的业务决策有浓厚的兴趣。数据分析师:在数据团队中负责数据分析和处理工作，为业务决策提供支持。数据科学家:深入研究数据，运用高级数据分析技术和机器学习算法，为业务提供深入的数据洞察和预测分析。业务分析师:结合业务需求和数据分析结果，

105、为业务提供具体的决策支持和优化建议。数据产品经理:负责数据产品的规划设计和管理，推动数据产品的创新和发展。数据分析能力业务理解能力技术能力问题解决能力沟通能力数据治理人才设计、实施和维护数据治理策略流程和标准，确保数据的准确性、一致性、安全性和合规性。与业务部门、IT 部门和其他利益相关者沟通，了解数据需求，解决数据问题。监控数据质量，识别并解决数据质量问题，确保数据的可用性和有效性。推动数据文化的建设，提升整个组织对数据价值的认识和利用能力。熟练掌握数据治理相关的工具和技术，如数据建模工具、数据质量管理工具等。具备一定的数据分析和数据可视化能力，能够从数据中提取有价值的信息并展示给利益相关者

106、。了解云计算、大数据等新技术在数据治理中的应用和发展趋势。具备高度的责任心和敬业精神，对数据治理工作充满热情。具备较强的学习能力和适应能力能够不断学习和掌握新的知识和技能。具备良好的团队合作精神和沟通能力，能够与团队成员和其他利益相关者有效合作。数据治理专家:成为数据治理领域的专家，为企业提供专业的数据治理咨询和服务。数据治理经理/主管:负责团队的数据治理工作，带领团队完成数据治理项目，推动数据治理策略的实施和改进。数据治理总监/首席数据官:负责整个组织的数据治理工作，制定组织级的数据治理战略和规划，推动数据驱动的文化和转型。数据治理策略制定能力数据质量管理能力沟通协调能力项目管理能力风险管理

107、和合规性来源:中国数据生产力大赛案例节选为技术顾问提供全程支持。活动吸引了59名来自8个科室的员工参与，他们围绕研、产、供、销、管五大业务板块，共同开展了14个课题的研究。在培训阶段，我们强调了对“需求分析-方案设计-数据开发-应用开发”全流程的深入理解与实践。通过详细解读数据需求，我们帮助学员们掌握需求拆分与理解的方法。同时，我们还教授了Axure工具的使用技巧，助力学员们更好地展示需求内容。在数据开发环节，我们以LeapHD为工具，详细介绍了数据开发流程和组件功能。而在应用开发阶段，我们以fineBI工具为主，辅以fineReport，全面培养了学员们的BI工具使用能力。整个培训过程注重理

108、论与实践相结合，确保学员们能够真正掌握所学技能，并在工作中熟练应用。此外，我们还鼓励学员们积极参与认证考试，以检验自己的学习成果。最终，多名学员成功通过了初级和高级认证，充分证明了本次培训活动的有效性和实用性。紧接着通过作品制作，将本次培训的内容加以应用。由技术部领导、专家和帆软专家团队共同成立评审团，对14个作品进行了评审，最终产生了8个优秀作品。同年8月，信息技术部组织开展了“人才培养菁英计划”活动，以“项目经理训练营”和“需求分析实战营”为主要培养方向。该活动动开展的目的主要是使得建设运雏与开发更加高效协同、同时弥补IT项目经理和开发人员能力短板，快速提升IT项目能力和自主开发能力，提高

109、核心竞争力，应对因核心人才流失、人才无备份的问题，建立起人才梯队，优化人才配置，更好的为企业做好服务。项目经理训练营由IT项目管理专家-导师和IT项目经理-学员组成，导师组共4人，学员组共20人，通过学员自我项目介绍+导师翻牌形式确认每个导师的学员，成立团队。本次活动共分为项目管理制度精讲、项目管理知识自习馆、我的项目我来讲“海选组队”、项目管理主题分享和“项目管理一起学“翻讲PK五个阶段，每阶段会记录学员的得分情况。“需求分析实战营”以“学习+实战”相结合的方式，分为需求调研、需求分析和原型图设计三个阶段，每阶段均有输出物，通过课程学习情况、输出物质量和讲解情况综合得分。本次人才培养活动形式

110、有讲师授课、自主学习、学员分享、辩论赛、实操练习，形式多样，提高员工的参与度和学习效果。通过本次培训让员工熟悉和掌握项目管理的基本理论、方法和工具，提高了项目计划、执行、监控和收尾的能力，了解敏捷开发的基本原则和实践，提高了快速响应市场变化和客户需求的能力。通过跨部门项目实践，提升了员工的团队协作能力和沟通技巧及实际操作能力。为进一步加快公司数字化转型步伐，使得“沉默的数据”活跃在业务分析之中，有效解决业务人员通过数据反映真实业务运营、辅助业务决策的需求，2022年6月，公司劳竞委决定按照“夯基础、重落地、见实效”的总体思路，由集团信息技术部牵头，联合工会、运营管理部开启了以“开启数据分析之旅

111、，践行业务增值之诺”为主题的数据技能提升劳动竞赛系列活动。本次活动旨在全公司营造数据探索的良好氛围，传播丰富、扎实的数据统计分析知识，使得各单位及权属子公司数据分析岗职工掌握利用数据分析工具对业务场景呈现的技能，提升全员的数据管理、数据分析能力，营造数据分析文化氛围，加强数据人才培养，努力打造一支最懂公司业务的数据人才队伍，同时能聚焦业务实际问题，采用真实业务场景，结合管理需求，绘制业务解决方案并落地应用，将成果落实于实际工作中，提升工作效率，展现数据价值。本次活动面向集团各单位，计划为期三年，总体思路三个阶段：第二步：集团牵头，为各业务单位培养数字化菁英人才49数字人才建设案例50数字人才建

112、设案例第一阶段 夯基础夯实基础，技能突破。通过学习学习数据统计分析理论掌握数据分析工具技能。第三阶段 见实效业务改善，价值量化。通过数据分析利用，制定解决措施，驱动业务改善和双效提升。第二阶段 重落地注重落地，探索价值。通过自身所学，利用真实数据呈现真实业务场景，让业务单位用户真正依靠数据发现和并解决业务实际问题。每届数据分析活动为期六个月，精心划分为四个阶段：培训、课题上报与评审、作品制作、以及初评与终评。活动采用“理论导入+动手实践+结合业务+组团攻坚”的形式，旨在避免抽象概念的遗忘，确保学员能够高效学习并充分掌握技能。在作品制作阶段，已通过认证的信息技术部人员积极参与其中，他们利用自己的

113、专业知识和前期所学，协助业务单位的学员解决数据问题和工具日常使用中的难题。同时，帆软老师也积极介入，从专业的角度为学员们提供解决方案，帮助他们顺利推进项目。评审阶段更是严谨而专业。我们邀请了公司各板块的领导、专家以及帆软的高级专家组成评审团队，从业务和技术两个维度对作品进行细致评审，给出专业意见和得分。这不仅是对学员们努力的肯定，更是对他们技能的锤炼和提升。截至目前，我们已经成功举办了两届数据分析活动。第一届活动实现了大规模的数据应用推广，让更多的人认识到了数据的重要性。而第二届活动则进一步推动了大家利用数据工具深化业务价值，为企业的发展注入了新的动力。这两届活动不仅提升了学员们的数据分析能力

114、，也促进了企业内部的数据文化建设和业务发展。通过系统的培训，学员们不仅掌握了数据分析工具的基础操作，还深入学习了数据分析方法、流程以及思维。他们不仅汲取了其他企业数据分析的成功经验，还将其总结归纳，形成自己的知识宝库。更重要的是，他们能够结合具体业务场景与数据，运用所学知识进行实战演练，共同完成了多个规划分析场景，有效挖掘了数据的潜在价值，并制作出了一系列指导业务提升的数据分析看板。两届活动下来，学员们普遍反馈，BI工具对他们的日常工作产生了巨大的积极影响。不仅工作效率得到了显著提升，数据准确性也大幅提高。此外，培训还促进了业务人员特别是团队队长在团队管理、团队协作、沟通协调等方面的能力提升，

115、许多普通员工因此晋升为单位管理人员，为企业的发展注入了新的活力。经过两届活动的成功举办，共有来自40家单位的近700名业务人员积极参与了数据分析培训。在此期间，他们共完成了七天打卡营、理论培训、基础功能培训、实操培训共计5830学时的课程学习，其中160人成功通过初级认证，更有2人脱颖而出，获得了高级认证。值得注意的是，BI设计人员的队伍也实现了显著增长，从原先的几十人迅速扩展至现在的上千人规模。各单位人员在日常工作中使用BI工具进行数据分析的频率也大幅增加。此次活动中，各单位共提交了111个参赛课题，经过激烈的角逐和评选，最终产生了42个优秀作品，这些作品覆盖了企业研产供销服等各个关键业务板

116、块。这些成果不仅得到了广泛应用，持续助力库存管理、销售分析、财务管理、信息化中台等多项重要业务，预计可为企业整体降低成本近1000万元。来源:中国数据生产力大赛案例节选随着公司信息化、数字化的深入应用，各业务部门逐步认识到企业数据的价值，对主价值链及核心业务数据的挖掘与利用提出更广泛、深入的应用需求。而目前公司数据应用存在诸多问题（如数据难溯源、数据难整合、数据不准确、更新不及时、数据不安全等），导致数据应用受阻，业务无法快速通过数据进行分析决策。因此，进行企业数据综合治理已成为公司数字化转型必须面临的紧要任务。同时，近年集团各子公司数据产生的速度快、数量大、类型多、存储分散，因缺乏统筹管理和

117、协调的数据管理组织和沟通机制，无法有效将各子公司数据标准化、规范化汇聚、加工、应用，无法发挥数据对集团销售、生产、经营的有效支撑，影响对集团产业的横向协同赋能。因此，公司层面有一个专项的数据资产管理组织尤为重要，能面向公司，组织协调改善各类数据业务、流程的执行效率。另按照信息技术部整体人才培养规划，成立数据治理组织，培养数据治理人才迫在眉睫。2022年6月公司成立数据资产管理管理委员会，同时将数据资产管理的实体组织设立在信息技术部，成立“数据治理室”。第三步:问题导向,IT 与业务结合,推进全能型数字化人才建设51数字人才建设案例52数字人才建设案例数据战略组数据标准组数据架构组数据质量组数据

118、安全组数据应用组数据平台组决策层总体把控协调调度执行层对接执行集团数据资产管理委员会公司本部及子公司数据管理专员运营管理部组织人事部技术管理部战略发展部运营管理部财务会计部集团管理部法律事务部技术中心汽车工程研究部生产制造部物资采供中心质量管理部安技环保部销售公司各生产分厂xx商用车xx大同xx控股.领导小组指导集团数据治理方向，解决数据管理争端，推进协同工作，调度协调数据治理过程中的重大事项。办公室负责数据治理的具体执行落地工作，根据领导小组相关方向与决策，落实数据治理管理办法、相关标准执行，信息系统改造，数据质量稽核。管理专员负责各部门、各生产厂相关数据问题的对接执行处理，包括数据需求、数

119、据质量、数据安全、数据标准等。协助各数据管理组完成专业管理域的工作。形成向上需求驱动和向下管理驱动的运营型组织模式各数据治理小组隶属数据治理科室，负责认责数据的数据标准、数据质量、数据安全、数据应用等方面的监督和执行。负责牵头各数据管理域专业问题的处理，数据战略、数据标准的修订，数据架构管理、数据质量管理、数据安全管理、数据应用管理及数据平台的技术选型及维护。管理层日常管控具体落地数据资产管理办公室(信息技术部)组织成立后，数据资产管理办公室定期组织各种内外部培训，组织内部专家或专业人士开展培训课程，涵盖数据治理的基本理论、标准、流程和实践等方面。通过案例分析、角色扮演、小组讨论等多样化的培训

120、方式，提高IT人员和数据管理专员对数据治理工作的重视度、参与度和学习效果。另外公司鼓励员工参加相关的数据治理培训课程、研讨会或行业峰会，增加数据治理人员的专业知识和经验，截止目前公司已有7人通过数据治理CDGA认证考试。与此同时，2023年9月份开启了数据治理平台建设项目，项目组团队中既有数据资产管理办公室人员，也有IT人员和业务单位的数据管理专员，本次项目通过开展营销域和采供域的数据资源梳理，建立各域的数据资产目录，建立数据标准、数据安全等级和质量规则。通过开展数据治理项目，让IT人员和各单位数据管理专员深入参与到项目中，提高数据治理人才的数据治理理解和意识，让其在解决问题的过程中不断成长，

121、不断提升数据治理能力，进而推动提升数据质量，更好的推动企业数据资产的运营。在集团层面成功举办数据分析劳动竞赛后，其深远影响迅速辐射至集团内的各单位和子公司。这些单位纷纷意识到数字化人才培养对于企业发展的重要性，因此，它们纷纷在本单位内部积极组织开展了二级劳动竞赛。此次二级竞赛共吸引了约500名员工的积极参与，并诞生了50多个优质的数据分析作品。这次广泛的推广不仅极大地提升了各单位、子公司员工对数据分析的认知度和学习热情，更让他们深刻体会到数据分析在当今时代的重要性。通过竞赛的锤炼，各单位均取得了显著成效，为集团的整体数字化人才培养进程注入了新的活力。第四步:推广应用,各单位打造自己的数字化菁英

122、人才来源:中国数据生产力大赛案例节选来源:中国数据生产力大赛案例节选一、背景及目标随着公司数字化转型升级，在车身厂的主导和鼓励下推进数字涂装建设，改善因生产工序长、组织刚性强、成本消耗高、管理难度大的现状。通过大数据管理与应用，识别影响生产组织的瓶颈问题，深挖影响生产节拍损失的原因，为生产信息决策提供依据和支撑，使生产信息传递更加高效、透明和准确，智能化水平上升一个新台阶。53数字人才建设案例54数字人才建设案例经过为期两年的精心数字化人才培育，各单位的数据分析团队凭借所学的专业知识和技能，结合先进的BI工具，成功地将理论知识融入到日常工作中。他们针对工作实践中遇到的痛点与难点，精心设计了多个

123、具有针对性的数据分析场景方案。在深入分析后，这些团队基于数据洞察制定了切实可行的整改措施和策略，这些举措不仅优化了工作流程，也提升了业务效率和决策质量，从而实现了显著的价值转化。以下将展示基于数字化人才培育，各单位在实际操作中产生的一些杰出作品案例，它们充分证明了数字化人才培训带来的积极影响和深远意义。用人环节场景一：涂装生产过程大数据管理与应用设备管理系统：为了降低设备故障以及维修成本；解决工艺瓶颈；减少返工及浪费等。系统可导入预防检修计划和设备巡点检标准，与绩效激励机制相结合，开展预防检修工作，保证设备的平稳运行，同时建立面漆设备综合效率在线采集，围绕设备、人员、工艺、质量等方面实施改善，

124、提高生产效率和竞争力。能源管理系统：基于生产管理系统实际，通过核定单位时间内水、电、燃气消耗，实时对比生产与能源消耗和月度单车能源、同时对非生产时段能源和电泳烘房燃气消耗损失时间监控、实现了面漆线生产与车间能源消耗同步管控。基于生产过程主要目标：建立基于涂装生产过程的数据统计分析机制 实现业务管理数字化、信息化 面漆线平均综合节拍稳定在18JPH以上 单车能源消耗较2022年同期降低5%二、建设成果生产管理系统：通过驾驶室在线喷涂时间、数量、车型、颜色的识别统计，累计实时计算生产节拍、成本投入、准确识别生产过程影响因素，综合评价生产组织的有效性，给出AI建议。生产管理结合运行数据，确定了调整、

125、迂回、联动、限制等生产迂回方式，切实使涂装生产做到实时管理。来源:中国数据生产力大赛案例节选来源:中国数据生产力大赛案例节选来源:中国数据生产力大赛案例节选55数字人才建设案例56数字人才建设案例场景二：民品未售资源问题诊断及建模分析一、背景及目标运营管理部作为整车未售资源的归口管理部门，需不定时分析库存发现异常，提出产销存协同目标精准施策，但现有的分析主要依靠各营销部门提供的基础数据或信息部门配合，被动等待过程长，不能做到实时分析，且库存分析维度较多，线下逐一分析费时费力，需要一套批量分析模型和工具。目前在线下分析过程中暴露出主以下问题：三、效果与价值通过本次分析，我们分析结论或暴露出影响涂

126、装生产节拍稳定的外部因素：1）受总装节拍和装焊节拍的影响较大；2）计划内小颜色的数量和颜色切换时换色拉线的频次；3）生产过程设备故障以及机器人保养时间。通过本次分析，在线采集驾驶室设备时间、数量、车型、颜色的数据，累计实时计算生产节拍、能源消耗、准确识别生产过程影响因素，与标准数据进行比对，综合评价生产组织的有效性，深挖生产过程节拍损失时间，使涂装生产组织做到实时优化调整，使得平均面漆综合节拍较2023年增长1.63JP，机器人清洗由25分钟/次降至15分钟/次，可每小时多生产1.6辆车，每日节约能源1.05万元，生产效率提升10%。设备综合效率（OEE）从63%上升至67%，单车能源成本降低

127、100.74元/辆，降幅17.8%，每年节约能源成本819.2万元。三、效果与价值通过本次分析，实现了整车资源管理所涉及的各类数据分析和管控要点的线上集成，形成了一套集表象分析、应急救火到根本解决方案建议的“总-分-总”式资源管理分析模板，使现有数据资产的价值得到有效发挥。通过建模沉淀业务实用经验：经销商库存健康度模型可以评估经销商的库存健康度，提出资源管控和接单建议，降低风险和投入；资源保障能力预测模型可以较为准确地预测有效资源对未来30天内销售的支撑程度；额外政策投入测算模型可以测算滞留车消化额外投入的政策，便于精准把握消化时机，加快资源周转。通过资源管控可减少近40万/辆的资金占用并节省

128、利息以及消化积压车需额外投入的资源。另外，民品未售资源管控模式及分析看板可推广至进出口和商用车的资源管理，促进多板块管理协同。二、建设成果 买断未售资源数据准确性无法保证 经销商的库存健康度度不知如何评价 未售资源有多少能够有效支持销售无数据支撑 滞留车消化的额外政策投入产出不能精准估算 车辆运营周期分段效率无法评价来源:中国数据生产力大赛案例节选资源总览：经销商分析：订单运营周期分析：思考感悟公司举才树伍，数字新局未来可期！通过一系列人才培养活动，公司数字化人才队伍已经初步建立，并且已经为企业在销售、研发、生产、服务和管理各板块的提质增效和降本方面带来了较大的提升，产生了明显的效果。目前公司

129、的数字化人才的建设才刚刚起步，虽已取得了不错的成果，但还需继续完善，将继续朝着第三阶段，围绕业务创新，数据资产积累等方面建设数字人才，实现“强变革、抓机遇、谋进位”的发展目标，未来的建设道路还任重而道远。其中，信息技术部作为企业的IT服务部门，将会继续围绕公司人才培养战略，结合企业管理需要和前期经验，顺应时代技术改革和技术要求，不断完善和优化企业数字化人才培养机制和策略，提升数据价值，让数据真正赋能业务，让数字化人才队伍成为公司数字化转型的有力保障，也成为公司继续引领中国重卡行业发展的保障。我们期待看到员工在数字化思维、技能水平和实践能力等方面的显著提升，为企业数字化转型和长期发展提供有力的人

130、才保障。同时，我们也将不断优化和完善数字人才培养内容，以适应不断变化的市场需求和技术发展趋势。01 做规划：为响应国家号召，华夏银行制定华夏银行20232028年数字化人才体系建设行动方案，方案指出三项重数字人才赋能：华夏银行企业级数据服务共享平台（1）从宏观背景来看，随着我国经济从高速增长阶段转向高质量发展阶段，产业结构正面临升级转型。数字经济成为经济增长的新引擎，传统产业向数字化、智能化方向发展。在此过程中，数字人才成为推动产业转型升级的关键因素。根据产业数字人才研究与发展报告（2023）指出，大量数字化、智能化的岗位相继涌现，相关行业对数字人才的需求与日俱增，人才短缺已经成为制约数字经济

131、发展的重要因素。当前数字人才总体缺口约在2500万至3000万左右，且缺口仍在持续放大。（2）从行业角度来看，传统银行业面对金融科技的快速发展和市场竞争的挑战，应积极推进数字化转型。设立以客户为中心，以交易为基础的目标，通过整合数字化技术、优化业务流程、提升客户体验，实现更精准的客户营销和风险管理，同时降低成本，提高盈利能力。（3）从政策角度来看，国家政策鼓励银行业加快数字化转型。政府工作报告提出，要深入推进数字经济创新发展。这为银行数字化转型提供了有力的政策支持。此外，监管政策要求银行加强金融科技应用和数据安全保护。监管部门对银行业数字化转型提出了明确要求，包括加强金融科技应用、提升金融服务

132、水平、保障金融消费者权益和数据安全等。银行需要积极响应监管要求，加强数字化建设和管理。（4）从我行现状来看，数字化转型涉及的技术领域广泛，面临着严峻的技术挑战。云计算、大数据等都需要投入大量的资源进行技术研发与应用。数字化转型的技术要求同时带来了人才短缺的问题，我行还需打造一支专业的具备数字化技能和思维的专业团队，以解决业务人员数据获取困难、数据理解困难、数据使用困难等问题。金融企业 Case：华夏银行股份有限公司管理需求和挑战数字应用建设方案行动方案：四、总结与感悟经过连续两届数据分析竞赛活动，小组成员熟练掌握了FineBI工具，能够将原本冰凉的数据通过收集、整理、分析等给赋予其生命，原先独

133、立的业务板块和各类数据也合理地得到串联，更加直观、准确、高效的展示在业务人员、管理人员的面前，提升了大家的工作效率。同时，在协同创作及相互学习的过程中，极大增强了团队的协同攻坚能力和集体荣誉感，为后续拓展积累了宝贵的经验和人力资源。57数字人才建设案例58数字人才建设案例59数字人才建设案例60数字人才建设案例03 做推广：依托该平台2023年7月启动数据分析师人才的培训和培养工作，既有工作中的实用技能，又有数据分析思维培养，还加入了业务场景实操课程，秉承“学中练”、“练中干”、“以赛促学”、“资质认定”的方法让学员们掌握数据分析技能和使用行内数据的方法，提升了各业务人员对数据的掌控能力，并将

134、所学知识应用到实际工作中，为全行数字化转型贡献智慧和力量。点工作，一是构建企业级数字化能力图谱，分层分类建立数字化人才标准和标签体系，依托数字人力系统实现人才标签化管理。二是构建支撑万人规模的培训认证体系，组建数字化内训师团队，研发数字化课程，优化沉淀我行数字化教培资源。三是启动全行业务人员、数字化转型相关岗位人员培训和认证，探索推行上岗考试认证。02 搭平台：在总行引领下，我行已搭建企业级数据服务共享平台（以下简称“平台”），该平台是全行数据分析和数据服务体系的重要组成部分，平台以满足华夏银行全行数据分析和数据服务需求为出发点，以实现服务运营与管理能力提升为立足点，充分发挥数据服务价值，为全

135、行业务人员提供数据展示、数据加工及报表、报告制作等功能。通过内外部数据融合，构建精准营销、智能风控、智慧经营和监管合规四大数据应用主题，提高了全行数据应用能力，实现数据服务与运营的统一管理，构筑一体化企业级数据服务平台，走华夏银行特色的数据服务发展道路。平台提出了敏捷、协同和一体化管理的服务理念，充分发挥“业务+技术+数据”的团队优势，实现开发、管理、运营协同，进一步提升数据服务效率。并在2023年对原有平台进行了全新的重构和升级，从平台功能和数据价值两个方面进行了全面优化。通过平台各项功能赋能业务，更高效地提升数据价值与应用价值，实现数据驱动决策和业务的成果转化。平台的核心特色之一是集成了帆

136、软BI，这种集成不仅为平台带来了前所未有的功能扩展，更为全行业务人员和科技人员打造了一个全面、高效、便捷的数据分析环境。首先，帆软BI为平台提供了强大的数据支撑。通过帆软BI，平台能够轻松接入并整合来自多个数据源的数据。同时，帆软BI的数据处理能力使得平台能够处理海量数据，满足各种复杂的数据分析需求。其次，帆软BI为平台提供了丰富的数据分析和报表展示功能，用户可以通过登录平台跳转到帆软BI工具。科技人员可以利用帆软BI提供的分析工具，结合SQL查询，构建自定义的数据分析模型和报表。业务人员则无需掌握复杂的SQL语法，即可通过直观界面，使用帆软BI提供的分析工具对数据进行深入挖掘和剖析。最后，平

137、台进一步集成了帆软BI的自发布功能，用户可以将制作好的报表自主发布到平台上，方便通过平台进行电脑端和手机端的样式调整，也提高了报表的共享性和传播效率，使得更多的用户能够方便地查看和使用这些报表。综上所述，帆软BI与平台之间形成了紧密而高效的合作关系。帆软BI为平台提供了强大的数据分析和报表展示能力，而平台则为帆软BI提供了一个广阔的应用场景和便捷的使用环境。两者相互依存、相互促进，共同推动公司数据化转型的深入发展。平台的部分功能展示如下：来源:中国数据生产力大赛案例节选61数字人才建设案例62数字人才建设案例对标同业最优实践及我行数字化转型战略要求，我行定义三类数据化人才，分别是数字化管理人才

138、、数字化应用人才和数字化技术人才，每类人才分不同的培养方向和等级，平台组织的培训纳入全行数字化应用人才（数据分析方向）初级及中级培训课程，面向全行业务人员和科技人员设置不同维度的能力标准：培训分为FineBI培训和FineReport培训两大部分。FineBI培训，面向各部门业务人员和科技人员，各部门报名人数建议不少于本部门人数的5%，不设上限，通过FCA-FineBI认证率不低于3%；FineReport培训，主要面向科技人员和各部门对数据分析兴趣强烈的业务人员，科技人员各部门报名人数建议不少于本部门人数的2%，不设上限，通过FCA-FineReport认证率不低于1%。具体推广方案-育人培

139、养对象平台是全行数据服务体系的一部分，数字人才数据分析师培养计划以满足华夏银行全行数据服务需求为出发点，以实现服务运营与管理能力提升为立足点，充分发挥数据服务价值，为全行业务人员提供数据展示、数据加工及报表、报告制作能力，实现数据分析自服务能力，构筑一体化企业级数据服务平台。平台集成了FineBI、FineReport等数据分析工具，是我行员工自主、自助分析和使用数据的渠道。通过对平台相关数据分析工具的体系化培训，培养员工数字化思维、提升员工数据分析水平和数据可视化开发能力，让数据流动起来发挥价值，为数字化转型工作提供人才支撑。我行将数据分析人才分为三个层级，数字新人、数字赋能官、数字运营官。

140、各层级数字化人才有不同的能力要求及角色定位。根据关于深入开展大数据“春潮行动”的通知要求，2023年，全行实现数据分析师学员不少于1700名，通过认证学员不少于1000名的目标。培养目标平台协同总行19个部门、40家分行，总分协作、业技融合，通过体系化的培养解决“查数难、取数难、用数难”的痛点，助力“表哥表姐”升级为“数哥数姐”，提高全行数据认知和应用能力，培养过程如下：第一步：通过导师授课的方式进行FineBI初级培训。FineBI培训报名人员，必须完成此阶段全部课程的学习。包括自助数据分析全流程、仪表板开发、数据处理与函数等的培训。培训结束后需登陆帆软网站（https:/ 各种功能，能对复

141、杂问题进行深度分析并制作出全面的 BI 看板能深度参与本条线或者本分行数字化转型规划具备数字化管理的思想大赛推广&评奖带队参赛&输出业务案例标杆实战骨干，落地业务课题分析案例引导并教学同事在日常业务中使用 BI参加讲座&了解使用 BI 对日常业务的帮助在日常工作中使用BI，根据数据分析洞察业务痛点专业讲师，沙龙讲座分享BI如何赋能业务行内数据氛围建设熟悉行业数字化变革进程，能借助新技术指导企业数字化变革能从数据中提炼信息根据数据分析业务情况熟悉所在部门/分行的数字化业务赋能现状及未来方向有借助数据解决业务问题的意识对数字化变革及新技术有了解能 在 业 务 中 使 用 基 础 的Excel 功能

142、能使用 FineBI 查看业务数据和看板角色分层角色能力业务应用能力数据思维能力场景全行数据分析大赛数据分析工作坊翻转课堂日常业务业务沙盘&翻转课堂日常业务游学沙龙日常管理定位角色定位逐步储备行内数字运营官数字运营官数字赋能官数字新人全行内数字化推广大使既懂业务，又懂技术的行内数字专家行内数字新人培训现场照片来源:中国数据生产力大赛案例节选来源:中国数据生产力大赛案例节选第三步：取得中阶培训考核FCP-FineBI认证的学员参加FineBI高级培训。通过线下手把手教学模式，现场体验工作中数据分析场景落地。第四步：组织数据分析大赛获得FCA-FineBI认证的员工，可参与本年度数据平台FineB

143、I大赛。“魔方杯”数据分析大赛现场照片：竞赛内容竞赛分为初赛和复赛两个阶段。初赛阶段：在数据平台中对系统已有数据或个人数据进行分析，完成后提交数据分析作品。经过评委打分后确定是否获得复赛参与资格。复赛阶段：根据评分及投票结果，筛选出优秀作品参加复赛。进入复赛的团队需要对自己的数据分析作品进行优化提升，在决赛当天进行路演，评委现场进行评分。1竞赛相关要求各部门将通知传达至全体员工，并请各部门联系人积极组织培训、资质认证和竞赛各阶段的推进工作，具体参训方法报名完成后由联系人负责通知。参训人员要严格按照培训时间参加学习、资质认证，无法按时参加应及时向培训组织人员请假。本年度 FineBI 为 6.0

144、 版本的培训，报名前已取得 FCA-FineBI 认证的员工自愿参训。3竞赛方式鼓励跨条线、总分联动自由组队，各分行至少组建 1 支队伍参赛。参赛各队基于 FineBI 工具，输出一份数据分析作品。2“魔方杯”数据分析大赛参赛队伍照片：培训现场照片63数字人才建设案例64数字人才建设案例来源:中国数据生产力大赛案例节选来源:中国数据生产力大赛案例节选来源:中国数据生产力大赛案例节选65数字人才建设案例66数字人才建设案例南宁分行案例：第五步：组织分行赋能官大会为了更好的把控数据分析工作进度和及时解决工作进展中遇到的问题。平台组织分行进行赋能官的报名，并对各分行数据赋能官进行培训，搭建并运营企业

145、微信群、论坛专栏等各种交流共享互动的平台，各分行数据赋能官负责对本分行主要业务部门、支行骨干进行培训，每月进行优秀数据应用场景案例的分享。如，在平台第六期赋能官大会中，济南分行赋能官从新世界的帖子里捕捉到需求，主动与业务人员交流，挖掘出了更深层次的需求：一个是贷款客户还款差额、拖欠、冻结实时监测，实现了实时、准确地捕捉和反映客户的还款动态，显著提升了贷款管理部门的风险识别能力和响应速度，进一步降低了潜在的不良贷款风险。另一个是关于运营管理条线的包括关键业务指标，通过这系列报表，运管部门得以全面、系统地了解业务运营状况。北京分行文创管理部的业务人员，为了能够更加精准地掌握业务动态，及时发现并解决

146、问题，在分行赋能官的悉心指导下，成功自主制作并发布了文创管理部日报表，该日报表成功票选为在当月分行优秀场景。第六步：数字文化交流推广生态化运营，实现数据应用平民化、民主化、生态化、社交化。数据服务需要从被动式数据满足转变为主导创新式数据引领。为实现此目标，平台将数据、服务、平台三者有机地结合在一起。通过构建数据生态，增强业务人员、科技人员、系统运维人员间的互动，引入行为分析、技术交流、技术分享、在线答疑等互联网内容管理经验，提升了平台访问流量。数字生态保障需要经验、体系、氛围三者紧密结合。经验是决定数据分析的成果成立的关键。经验来自业务人员的学习、实践、总结积累。体系是基础和保障，依靠平台的不

147、断运营、优化和创新。氛围来自领导支持、组织建设、宣传推广和培训活动。实现数字生态的成功运营。在数字文化交流推广中，我行组织知识星球直播分享活动。2023年8月17日邀请常州分行资深数据分析师分享数字化应用人才培养内容，直播主题为“一起谈谈不断进步的数据力量”。老师分享了他如何运用现代技术的力量来赋能银行业务，从一些具体的案例出发，为我们展示了数据如何推动银行业务的改进和发展。此外，老师还分享了他的分析师之路的核心技能的掌握，以及他是如何通过学习来提升自己的。总的来说，本次直播分享让我们深刻地认识到了数据的力量，以及如何运用现代技术来赋能银行业务。2024年8月24日邀请西宁分行资深数据分析师分

148、享数字化管理内容，直播主题为“打造分行数据分析师团队”。老师在直播中提出，“业务部门不擅长数据，科技部门不了解业务，管理部门提不出策略，这是分行现在的痛点”。近年来，随着金融科技的迅猛发展和企业数字化转型工作的不断推进，商业银行也由传统的来源:中国数据生产力大赛案例节选01 发现问题：个人业务部同事发现当前的报表存的问题：一是平台多报表散；二是报表多为明细报表，涉及客户信息或业务信息，例如身份证件号、房产坐落地址、手机号等客户经理无法查询；三是数据统计要求高，报表查询员需具备基本EXCEL操作经验，明细报表下载后需重复去重、合并、汇总、筛选等工作；四是明细报表一查查全部，无法事先脱敏敏感信息，

149、这些痛点让信息保护落实难上加难。02 解决过程：个人业务部同事通过参加平台组织的数据分析师人才的培训（包括FineBI初阶培训和FineBI中级培训），培训完成后秉承“各有所长，各尽其长”进行人员分工组织进行自助分析和开发统一看板（个人线下贷款大看典型成果-用人场景一：华夏银行个人线下贷款大看台第五步：组织分行赋能官大会为了更好的把控数据分析工作进度和及时解决工作进展中遇到的问题。平台组织分行进行赋能官的报名，并对各分行数据赋能官进行培训，搭建并运营企业微信群、论坛专栏等各种交流共享互动的平台，各分行数据赋能官负责对本分行主要业务部门、支行骨干进行培训，每月进行优秀数据应用场景案例的分享。如，

150、在平台第六期赋能官大会中，济南分行赋能官从新世界的帖子里捕捉到需求，主动与业务人员交流，挖掘出了更深层次的需求：一个是贷款客户还款差额、拖欠、冻结实时监测，实现了实时、准确地捕捉和反映客户的还款动态，显著提升了贷款管理部门的风险识别能力和响应速度，进一步降低了潜在的不良贷款风险。另一个是关于运营管理条线的包括关键业务指标，通过这系列报表，运管部门得以全面、系统地了解业务运营状况。北京分行文创管理部的业务人员，为了能够更加精准地掌握业务动态，及时发现并解决问题，在分行赋能官的悉心指导下，成功自主制作并发布了文创管理部日报表，该日报表成功票选为在当月分行优秀场景。第六步：数字文化交流推广生态化运营

151、，实现数据应用平民化、民主化、生态化、社交化。数据服务需要从被动式数据满足转变为主导创新式数据引领。为实现此目标，平台将数据、服务、平台三者有机地结合在一起。通过构建数据生态，增强业务人员、科技人员、系统运维人员间的互动，引入行为分析、技术交流、技术分享、在线答疑等互联网内容管理经验，提升了平台访问流量。数字生态保障需要经验、体系、氛围三者紧密结合。经验是决定数据分析的成果成立的关键。经验来自业务人员的学习、实践、总结积累。体系是基础和保障，依靠平台的不断运营、优化和创新。氛围来自领导支持、组织建设、宣传推广和培训活动。实现数字生态的成功运营。在数字文化交流推广中，我行组织知识星球直播分享活动

152、。2023年8月17日邀请常州分行资深数据分析师分享数字化应用人才培养内容，直播主题为“一起谈谈不断进步的数据力量”。老师分享了他如何运用现代技术的力量来赋能银行业务，从一些具体的案例出发，为我们展示了数据如何推动银行业务的改进和发展。此外，老师还分享了他的分析师之路的核心技能的掌握，以及他是如何通过学习来提升自己的。总的来说，本次直播分享让我们深刻地认识到了数据的力量，以及如何运用现代技术来赋能银行业务。2024年8月24日邀请西宁分行资深数据分析师分享数字化管理内容，直播主题为“打造分行数据分析师团队”。老师在直播中提出，“业务部门不擅长数据，科技部门不了解业务，管理部门提不出策略，这是分

153、行现在的痛点”。近年来，随着金融科技的迅猛发展和企业数字化转型工作的不断推进，商业银行也由传统的经验式、案例式的决策方式，向更加科学的数据型决策方式转变。伴随着这种决策方式的变化，分行业务部门出现了大量的数据需求，这也使得分行科技部门压力骤增，同时因为业务对数据结构不了解，科技对业务实质不清晰，越来越多的配合问题浮出水面，最终业务的需求未满足，反而开发的工作量成倍增加。化解这一局面，立足“业技融合”打造分行分析师矩阵、提升沟通效率实现数据需求快速精准落地、健全培训机制，让业务用户用数成为可能，打造分行数据分析师团队就显得尤为重要。台）。分工过程：常作报表的知道报表需要如何过滤无关数据、如何汇总

154、、制图、制表，知道报表各口径的具体含义，并向科技部门提出数据需求；常写报告的知道报告需要哪些数据、数据以何种形式展示比较美观，进行展示样式的指导；常作营销推动的知道哪些数据有利于分行推动营销，哪些数据有利于支行推动营销，进行专业指导；常作贷后管理的知道哪些业务需要重点关注。最终在科技部门只提供明细数据和数据赋权流程支持的情况下，个人业务部业务人员基于BI工具进行数据处理、图表选择、模块设计、展示设计自助完成了看板的开发。在总行、分行、支行、客户经理4个级别进行数据统计和展示解决了上述发现的问题。案例部分看板展示如下：67数字人才建设案例68数字人才建设案例取得成效组织全行BI培训，平台经过总、

155、分行联动运营，平台整体使用率都得到了较高的增长。截止2023年12月底，全年共发布数据产品2348个，比年初翻了5倍，其中分行发布1782个，占比近76%。活跃用户由年初的427人增长至9131人，增长超过20倍，全行月活人数占比28.5%。组织数据分析大赛，89支队伍入围“华夏杯”数据分析大赛，业务部门和分行一线深度参与，15支队伍取得了优秀的成绩，参赛者们用智慧和激情点亮了数据的未来，以独特的视角和深入的洞察力，挖掘出了数据的巨大价值。组织召开9次分行平台赋能官大会，赋能官与各分行用户双向奔赴，全年分行落地838个应用场景，各分行每月至少落地了1个应用场景。来源:中国数据生产力大赛案例节选

156、69数字人才建设案例70数字人才建设案例03 场景价值：一是减少人工大量重复查询、重复统计的的时间和精力，一个看板满足全行各级人员使用需求；二是业务人员根据业务使用思维进行可视化展示，界面美观，内容清晰；三是按照传统开发模式需要经过立项、需求评审、技术开发、测试、验收、投 产等环节预计1个月才能完成的需求，业务人员1周即完成看板的开发和投产，节省了大量人力和时间成本，促进全行降本增效。01 发现问题：在2019年人民银行取消对公账户开户许可后，要求商业银行对账户管理做到“两个加强、两个不减”，并开展账户分级分类及全生命周期管理。近两年，电信网络诈骗形势愈加严峻，随着2022年12月1日中华人民

157、共和国反电信网络诈骗法的正式实施，对商业银行在账户管理中应履行的权利义务列入法条，对不尽职的行为也要承担法律责任。运营管理部在进行对公账户分析时发现的问题：一是账户分级分类如何一目了然？目前需要柜员在分行账户监测系统中逐户查询，或者逐户翻阅账户资料、查询流水、与管户客户经理了解；二是每个账户风险点到底有哪些？对于账户的风险点不能统一展示，仍需要逐项查询且展示不全；三是账户网银限额设置合理吗？开户时依据上门尽调和资料审核，后续账户使用时无法动态判断；四是账户管理措施有数据支撑吗？支行判断账户风险情况时依据零星的、散落的数据判断，不全面，不精准。02 解决过程：参加平台组织的数据分析师人才培训的运

158、营管理部同事通过对基础数据的分析提出了“两个层面数据分析，三组人员使用数据”的思路通过BI工具进行自助看板的制作。管理层面：一目了然展示全行对公账户整体情况、异常变化信息，有利于对风险账户的靶向定位，开展分层管理，提高全行账户管理水平。支行层面：可展示支行全部账户和每一个具体账户的信息和数据分析情况，提高账户判断的精准度，降低人工成本等。案例部分看板展示如下：03 场景价值：一是解决了账户管理只提要求，不提供管理手段的困难，让管理要求落地可视化；二是解决了账户管理工作中因人员风险接受程度存在差异导致相同事件不同人员判断出不同结果的问题，分行统一判断风险指标的严重程度，通过参数化将指标转换为风险

159、分值，再由系统根据不同账户触发的风险值个数和频次为每个账户计算出账户风险值，实现全行账户管理统一标准；三是解决了账户管理点多面广、数据分散的问题，将关注信息和数据整合展示，实现集约式管理；四是解决了柜面在对账户管理做判断时不再是凭借主观想法，例如账户网银权限设置是否合理（不再由人工进行判断），而是通过平台进行数据提取，准确判断，成为账户管理的有力工具。场景二：华夏银行对公账户风控雷达来源:中国数据生产力大赛案例节选思考感悟71数字人才建设案例72附录：参考文献随着数字化进程的加速，企业级数据服务共享平台将更加注重数据的深度挖掘和应用创新，提供更精准和个性化的数据服务。通过不断完善和优化平台的功

160、能和性能，企业能够进一步提升数据分析的效率和质量，推动业务的发展和增长。同时，数字人才项目将加大对“数字+科技+专业”复合型人才的培养力度，提升员工的数字化应用能力。通过科学组织和制定培训工作安排，企业能够培养更多的数据分析和数字化转型的专业人才，提高整体的数据素养和创新能力。最后，数字人才项目将全面构建推广运营体系，营造数据分析的良好氛围。通过竞赛和积分激励等方式，企业能够激发员工的数据分析热情和创新能力，推动业务的发展和增长。以前，数据分析往往是个别团队或个人的工作，而现在，通过推广运营体系的建立，数据分析将成为全企业的共识和行动，为企业带来更大的业务价值。总结与展望：华夏数韵，人才赋能！

161、参考文献1.数字化时代企业人才进阶在即，数字化人才培训市场进入发展黄金期，http:/ Sommer,2023,THE DIGITAL TALENT TRAP IN THE SME SECTOR:MAKE OR BUY SOLUTION APPROACH,https:/ van Vulpen,2024,How To Create a Talent Management Strategy in 2024,https:/ww- Traits of the Best Digital Leaders,https:/sloanreview.mit.edu/article/com-mon-traits-o

162、f-the-best-digital-leaders/8.Atif:Bykbese,T.;Dikbas,T.;Klein,M.&Batuk Unl,S.(2022).A Study on digital leadership scale(DLS)development.Kahramanmaras St Imam Universitesi Sosyal Bilimler Dergisi,19(2),740-760.Doi:10.33437/ksusbd.11355409.Sam McNeill,2017,WHATS THE DIFFERENCE BETWEEN ICT CAPABILITY&DIGITAL TECHNOLO-GIES?,https:/ 70:20:10 L&D Model for Developing a High-Performing Workforce，https:/elearningin- 编 辑:袁华杰 梅 杰责任编辑:鲍 敏 张云扬