1、 72 成都航空职业技术学院学报Journal of Chengdu Aeronautic Polytechnic2023 年 3 月第 1 期（总第 134 期）Vol.39 No.1（Serial No.134）2023在以易变（Volatility）、不确定(Uncertainty)、复杂(Complexity)、模糊(Ambiguity)为特征的“VUCA”时代1背景下，企业既面临着员工队伍向知识密集型转变、新生代员工成为科研生产主力，人员难激励、难评价、难分配等“人难管”的人力资源管理问题，又面临着“管理工作事务化、事务工作随意化”，员工缺乏主动优化、提升业务的意愿、动力等“事难做”
2、的能力提升问题。在时代和技术发展的大环境下，如何顺应新一轮科技革命和产业变革趋势，以数据为核心驱动要素，以信息流带动物资流、人才流、技术流、资金流，改善员工结构、增强转型动力，形成“人”“事”高度关联、既支撑人才选育用留数字化、又支撑资源配置与业务改进科学化的数字孪生员工模型，为企业的人力资源管理决策、业务适配与改进提供支撑，已成为VUCA时代人力资源管理的重要议题。一、国内外研究现状目前，国内外关于数字孪生员工的研究还比较少，“数字孪生员工”一词最早见于李凤、欧阳杰 数字化颠覆传统人力资源管理 一文，其指出数字化人力资源管理的第一个层面工作就是要在企业建立“数字孪生员工”，有了数字孪生员工，
3、企业就可以利用大数据技术监测和分析员工的日常行为表现，预测员工未来绩效与离职倾向2。关于数字孪生员工画像构建方法的研究也没有很多的参考文献，大多研究都是关于用户画像和人才画像的构建及应用，实际上，孪生员工画像就是“用户画像”与“人才画像”的进一步延伸，我们可以参考其研究方法来进行孪生员工画像的构建。企业数字孪生员工画像建模技术研究与应用吴 强1，孙 炜1，邵元新1，王 敏1，何先定2（1.航空工业成都飞机工业（集团）有限责任公司，成都 610092；2.成都航空职业技术学院，成都 610100）摘要：伴随着信息技术的不断发展，企业均面临或经历着由信息化到数字化，再由数字化到智能化的转变历程，人
4、力资源管理也从最初的人事管理发展到数智化人力资源管理阶段，特别是近年来数字孪生概念兴起，各个领域都开展了数字孪生研究工作。本文以人才画像为切入点，从员工的基本信息、组织角色、履职表现等六个维度进行数字孪生员工要素识别，建立数字孪生员工模型，并通过数据中台进行相关业务数据汇聚与集成，然后进行BI可视化设计，实现了员工多维度信息的集成化、显性化展示与应用。关键词：人力资源数据中台人才画像数字孪生中图分类号：TP274+.2文献标识码：B文章编号：1671-4024（2023）01-0072-04Research and Application of Digital Twin Employee Po
5、rtrait Modeling TechnologyWU Qiang1,SUN Wei1,SHAO Yuanxin1,WANG Min1,HE Xianding2（1.AVIC Chengdu Aircraft Industrial(Group)Co.Ltd,Chengdu 610092,China;2.Chengdu Aeronautic Polytechnic,Chengdu 610100,China）AbstractWith the continuous development of information technology,enterprises face or experienc
6、e the transformation processfrom informatization to digitization,and then from digitization to intelligence.Human resource management also develops from theinitial personnel management to digital and intelligent human resource management.Especially in recent years,the concept of digitaltwin has spru
7、ng up,and digital twin research has been carried out in various fields.Taking the talent portrait as the starting point,thispaper identifies the elements of digital twin employees from six dimensions:employees basic information,organizational role and per-formance,etc.,establishes a digital twin emp
8、loyee model,collects and integrates relevant business data through the data center,andthen carries out BI visual design to realize the integrated and explicit display and application of employees multi-dimensional informa-tion.Key Wordshuman recourse,data center,employee portrait,digital twin收稿日期：20
9、22-10-25基金项目：教育部行指委职业教育改革创新课题(HBKC212014)；四川教育发展研究中心项目(CJF19002)；成都航空职业技术学院校级高职教育研究重大培育项目(GZJY1801)。作者简介：吴强（1986），男，江苏武进人，硕士，工程师，研究方向为人力资源管理数字化转型。企业数字孪生员工画像建模技术研究与应用 73 赵宏田在 用户画像:方法论与工程化解决方案 一书中指出用户画像是一个用户信息标签化的过程，通过收集用户的社会属性、消费习惯、偏好特征等各个维度的数据，进而对用户或产品特征属性进行刻画，并对这些特征进行分析、统计，挖掘潜在价值信息，从而抽象出用户的信息全貌3。光辉
10、国际围绕能力、特质、经验、动力四个维度，提出了“全人理念”（A Whole-Person Approach）的优秀人才画像模型4，从容易观察和发展、难以观察和发展、角色就绪度指标、角色潜质指标四个方面洞察人才，帮助企业在员工任职期间作出最适合的人事管理决策。雍志娟5以人才标准画像和员工现实画像为切入，从知识、技能、业绩三个维度来绘制人才画像，通过标准画像与现实画像的关联分析，实现企业培训课程内容的智能推送。茶利强、余添李6等结合人力资源管理实践充分利用人才“静态数据”和“动态数据”，通过定性和定量的方法，勾勒出某类人群或某类岗位人才共同的个性、能力等特征并结合胜任力构建经验沉淀，通过用户画像技
11、术完成多维人才数据输入，然后利用统计分析，数据挖掘来实现人才画像。百度结合其人力资源管理实践，提出了一种“业务源+行为源”的人力资源大数据构建模型7，通过获取员工行为数据、过程数据和心理数据，构建人力资源大数据平台，并形成200多个人才分析指标，从数字化角度有效支撑了人员选育用留，辅助形成更科学、有效的决策。腾讯公司在标准人才画像的基础上，基于其人力资源领域的数据沉淀，进一步细化能力模型为知识、技能、经历、潜能四个维度，并按“能力-行为-结果”的绘制路径扩充人才画像数据范畴，以更为全面的维度来收集人员数据、分析人员特征，为人力资源管理提升与业务改进提供了更丰富的信息支撑8,其模型框架如图1所示
12、。图1 腾讯“人才画像”框架二、数字孪生员工画像构建及应用（一）数字孪生员工模型框架构建通过参考相关研究，本文以腾讯公司人才画像框架设计为基础，并结合公司各单位对员工履职、培养、发展等评价维度的管理需求，从基本信息、组织角色、履职表现、能力素质、激励情况、工作完成六个维度对员工进行数字孪生模型构建，具体内容如表1所示。表1 数字孪生员工模型框架数据维度基本信息组织角色履职表现能力素质激励情况工作完成数据定位对员工最基础的个人自然属性的描述对员工在企业中承担的职责、角色的描述对员工履行约定责任、义务情况的描述对员工个人能力素质与企业要求的匹配性描述对企业给予员工激励情况的描述员工日常工作的行为、
13、过程数据描述主要数据示例姓名、性别、民族、政治面貌、出生日期、籍贯、户口等信息单位、岗位、参加工作时间、岗位级别、岗位序列、涉密等级、从事专业等成果/项目名称、成果/项目等级、成果摘要、成果年度、成果/项目得分、项目角色等学历、学位、学校层次、所学专业、职称/技能鉴定信息薪酬、福利、荣誉、晋升、培训、员工敬业度等信息加班时长、休假时长、补休时长、邮件接收、未读邮件、计划数、完成数、参与会议等（二）数字孪生员工模型实施本文数字孪生员工模型构建实施主要包括数据识别与采集、数据汇聚与集成、员工画像标签库构建、BI可视化设计展示四个步骤，具体操作内容如下。数据识别与采集：基于数字孪生员工模型整体架构方
14、案，组织开展数据识别、数据采集工作，由于采集到的数据来源于不同的业务系统，数据格式不统一，因此还需要对采集到的数据进行预处理操作，去除冗余数据，统一数据格式（如日期格式、院校名称、专业名称等）。数据汇聚与集成：通过数据采集与数据预处理后，对数据进行分类归总整理，形成包含各个维度数据的数据视图，在设计数据视图时，要尽量保证数据的集成度、灵活性和可扩展性，同时也要注意降低数据视图之间的耦合，然后将相关数据视图接入数据中台，形成员工画像信息库（如对于员工的基本信息可以整理形成员工基本信息视图）。员工画像标签库构建：对于员工的基础信息（如性别、年龄、籍贯等），由于信息表示精炼，结构化程度高，相对稳定，
15、可以直接将数据库中的信息作为标签，因此对于本部分信息采用统计类标签构建方法；而对于员工的学术成果、工程成果、参与项目、负责流程等信息则采用规则类标签构建方法，标签生成规则由业务人员制定。1.统计类标签：此部分标签直接将数据库中的信息作为标签信息，如人才的年龄、学历、籍贯、学校、学校层次、岗位、职级、学历、专业、职称等。2.规则类标签：此部分标签需要根据基础数据的分析统计后得出。如在统计论文得分情况时采用的数据规范及统增强材料原子比对Fe-Ti-C/ZL108复合材料的影响 74 计规则如下：S=wiFr其中：wi=n i+1i=1ni用于表现合著文献中每位著者的权重按其在文献中的排名由先至后依
16、次递减。Fr则表示论文等级的赋分情况（如SCI、EI赋10分、核心期刊赋8分、省级期刊赋5分、其他期刊赋2分）。最后依据该员工在同从事专业同层级员工群体中的得分分位值情况判定标签，其判定规则可参考表2中示例。表2 依据得分分位值生成标签示例得分情况学术分值=80分位值学术分值=50分位值学术分值=30分位值学术分值30分位值标签学术领军学术带头学术之星学术初成BI可视化设计展示：本文采用Tempo大数据分析平台来实现数字孪生员工画像的BI设计与展示，整个展示逻辑采用了总-分的设计逻辑，第一部分主要展示员工的基本信息以及该员工的画像标签和人才概览信息；第二部分则对员工的能力素质、学术成果、工程成果、参与项目、负责流程、获得荣誉和工作完成几个维度进行细分展示。其中在设计员工的概览信息时要统计每位员工的综合得分，其统计方式如下：Score=insi其中n为统计的维度数，si为某一维度得分。此外，由于各维度的分值和权重不同，因此，我们对各个维度的数据进行了归一化处理，归一化公式如下：Scale=(xi-mini)/(maxi-mini)其中maxi为某一维度中同专业同层级员工的最高得分，min
