1. 文化數據資產化的四個步驟
文化數據資產化的四個步驟包括：數據資源化、資源產品化、產品價值化、價值資本化。
首先，數據資源化是文化數據資產化的第一步。這一步驟涉及將原始的文化數據進行必要的加工、整合和處理，以形成具有一定規模、可重用、可應用和可獲取的數據集合。例如，在文化遺產領域，這可能包括對博物館、圖書館和其他機構的文化資源進行數字化轉換，創建高清圖像、3D模型或元數據等，從而便於後續的利用和管理。
其次，資源產品化是將數據資源轉化為具體的數據產品的過程。在這一階段，數據持有方或授權機構會根據市場需求和用戶場景，對數據資源進行實質性的勞動投入和創造，形成可服務於內外部用戶的數據產品。以文化出版為例，出版機構可以利用其豐富的書籍和期刊數據資源，開發出數字化的閱讀產品、知識服務平台或定製化內容解決方案等。
接下來是產品價值化，即將數據產品持續服務於內外部使用者，從而為企業帶來持續性經濟收益的過程。在這一階段，數據產品需要通過各種渠道和方式進行推廣和銷售，以實現其價值。例如，文化機構可以通過在線平台或線下活動，將其數據產品提供給消費者或企業用戶，並根據使用量、訂閱費或其他收費模式來獲取收益。
最後，價值資本化是數據資產化的最終階段，也是實現數據價值最大化的關鍵環節。在這一階段，數據產品經過市場的驗證和認可後，可以進一步轉化為企業的資本或資產，從而為企業創造更多的商業價值。例如，文化企業可以將其具有市場競爭力的數據產品進行證券化或股權化操作，吸引更多的投資者和合作夥伴，以推動企業的持續發展和創新。
總的來說，文化數據資產化的四個步驟是一個循序漸進、環環相扣的過程。通過數據資源化、資源產品化、產品價值化和價值資本化這四個階段的實施，文化機構和企業可以更好地挖掘和利用其數據資源的潛在價值，實現文化產業的數字化轉型和升級。
2. 數據化人力資源管理應該怎麼做
數據化人力資源管理是一種新型的人力資源管理方式，你知道數據化人力資源管理應該怎麼做嗎？下面是我為大家帶來的數據化人力資源管理應該怎麼做的知識，歡迎閱讀。
要連接財務報表，反映效能
HR喜歡強調，人力資源管理是固本強基，無法直接產生財務收益。一個突出的表現是，他們喜歡突出自己的專業，言下之意，「你不是我們這行的，我們做的東西你不懂，但肯定有用」。這顯然不是和其他業務部門玩耍的節奏。專業化分工已經是上個工業經濟時代的事情了，人力資源管理的界限會越來越模糊，是嵌入商業模式設計中的。海爾就是一個典型的例子，他們正在推進「企業平台化，員工創客化，用戶個性化」的改革，你說這是屬於人力資源管理設計還是商業模式設計？都是！
隨著商業邏輯的迭代，人到人力資源效能的因果關系越來越明顯，去除了工業化時代的模糊。一是因為人人時代的到來，個體協作的交易成本已經降到最低，我們能夠量化出個人的產出。二是因為市場具有高度的不確定性，倒逼人力資源管理給出更多的確定產出。這就是很多老闆現在越來越功利，越來越要求HR用結果來說話的原因。老闆心中有個潛台詞：「你告訴我，我花了這么多的人工成本，我買到了什麼！」
所以，既然HR們的專業被拆除了壁壘，既然HR們越來越被要求給出確定性產出，他們就應該用大家的語言來溝通——財務報表。實際上，不能進入三張表（資產負債表、損益表、現金流量表）的所謂「貢獻」，老闆們不會認可。從這個角度說，人均應收、人均成本、人均利潤、人工成本投產比等等指標才是老闆們關心的。更進一步說，要考慮員工的直接產出與投入之間的關系，比如每個員工服務的顧客數，服務100名顧客的差錯次數等。這可能會讓HR感覺到壓力，但連接這些指標，並證實自己能夠影響這些指標才是正途。
想像一下，當你告訴老闆：「本年，我們的人工成本投產比已經提升了20%。這是因為兩個原因：第一，新一輪的子公司經營管理人員調整後，新到位的人員經營業績普遍提升30%，相對未調整人員業績提升高了24個百分點，成為公司業績的重要增長極。第二，在業務規模上升25%的前提下，我們的人員數量，人工成本的`上升都控制在15%以下，相比往年同樣的業務增長規模（25%），人員增長率下降了8個百分點。
」看到了嗎？這才是與老闆們玩耍的節奏！"
要呈現人在組織模式中的分布狀態
傳統的錯誤假設是，人的一切狀態都將影響到績效。事實上，從「人到人力資源效能」的過程是以組織模式為介質的，組織模式確定了「什麼員工應該在什麼地方發揮什麼作用」，換句話說，HR們需要把人放到一個組織中，查看其個人特徵在組織內的「分布」對於組織的影響，有可能形成什麼樣的相互影響，這種影響是正面的還是負面的，而不是孤立地評價個體。這類指標既反映了人的分布合理性，也包括了組織模式的設計合理性。離職率、年齡分布、司齡分布、人才儲備率、人才成長率等指標都是說明人在組織模式中的各種「分布」。
我們常見的一個誤區是喜歡盤點一個表面數據。例如，盤點公司員工的平均年齡就很無聊，一個平均年齡為45歲的大企業並不一定是沒有活力的，有可能他的50歲以上的員工很多，而這些員工分布在閑職上（企業的「換血計劃」進行的調整），這拉高了平均年齡，但並沒有降低企業活力。
以這個例子展開，這個時候有兩種處理辦法。第一是按照年齡在這個維度上細分，分出20-25歲，26-30歲，31-35歲……的不同組別，盤點出這些組別上的員工人數，發現年齡分布，這比平均年齡的表面數據有用多了。進一步，我們還可以根據一些假設來推導這種分布的影響。可以確認的是：第一，新人會對舊人形成沖擊，讓他們感覺到競爭；第二，假設同樣的舊人，100個新人形成的沖擊肯定要比10個新人形成的沖擊大。那麼，我們就可以設置一種演算法來量化出這個企業從年齡角度分析出的競爭氛圍，我把這種演算法叫做「活力曲線值」。
第二是加入其它個性特徵的維度進行列聯分析，這樣會讓原本無用的數據產生出價值。例如，盤點出組織內員工的學歷結構其實沒有太大的意義，而一旦加入崗位分布的維度，我們就有可能發現管理崗位上累積了大量的高學歷人才，而他們的職位普遍較低，這就有可是一種「可以開發的力量」。我們大可以想像一下，如果疊加多個維度的數據，這種分析將多有價值。例如，我們可以將績效平均差排名企業內TOP10的管理崗位視為「高挑戰崗位」，如果在這樣的崗位上，員工的學歷和人工成本支出僅僅排在TOP30，那麼，這樣的分布就不夠合理。
要反映HRM職能的運行狀態
有了合理的組織模式，有了員工的高績效特質，有了員工在組織模式中的合理分布，不代表可以自動產生高績效。
第一，員工隊伍本來就是流動的，有流入，有流出，有內部流動，所以，人力資源的配置職能（招聘、淘汰、再配置）必須要發揮作用，以確保分布的合理性，讓員工「有機會干」。
第二，員工的行為既有好逸惡勞的一面，又有需要被調動出無私奉獻的一面，始終需要人力資源制度的激勵和約束，所以，人力資源的激勵職能必須要發揮作用，讓員工「有意願干」。
第三，員工自身的能力和知識儲備也有不足，人力資源的培養職能必須要發揮作用，讓員工「有能力干」。人力資源管理職能進行的干預（通過人力資源制度或政策），是加諸在組織模式和員工分布上的「外力」，實際上是現有人力資源管理的主要工作。盤點出這些職能在多大程度上發揮了作用，是往哪個方向上發揮了作用，才能和其他維度的數據形成整體的邏輯鏈條。
當前的問題是，HR在人力資源管理職能上的盤點「重程序而輕實質」，僅僅記錄一些工作的痕跡，而忽略了要觀察的「外力」。我們想要了解的，是這個企業人員流動的趨勢是怎樣的，哪些人流進來，按照怎樣的標准向上流、向下流？這個企業的激勵是不是真刀真槍，還是有順風車和避風港？這個企業的培訓後台是不是對員工有強力的支持，還是願意讓員工在干中學？從指標上說，新進率、流失率、輪崗率、晉升率、降職率等是反映調配職能的指標；績效極差、平均差、薪酬分布曲線、績效工資分布曲線等是反映激勵職能的指標；員工培訓普及率、人均培訓學時、重點人才培訓學時、人均投入培訓成本、重點人才人均投入培訓成本、培訓學時分布曲線、培訓成本分布曲線等是反映培訓職能的指標。
以配置職能為例，Netflix就是高速流動的公司，他們的人員迭代極快，確保企業隨時都有最頂尖的人才。再如，我輔導過的某企業完全是業績導向，雖然人員對外封閉，但內部上調下調非常頻繁，雖然他們的年齡、司齡的活力曲線值並不突出，但內部競爭氛圍無與倫比。
要有大局觀，去除對標強迫症
有了上述三個方面，數據化人力資源管理從形式上算是走入了正途。但是，人力資源管理並非擁有一個像財務管理一樣的標准化傳導機制，所以，數據重要，指標重要，但是運用數據和指標的人更加重要。每個企業的情況不一樣，人力資源效能生成的機制不一樣，甚至關注的人力資源效能也不一樣。因此，HR應該放棄按圖索驥的希望（這正是市面上一些機構所強力兜售的），轉而以終為始，基於所在企業追逐的人力資源效能，摸清其生成機制。
我最無奈的是看到一些HR們的「對標強迫症」。例如，某些企業致力於成為「最佳僱主」，於是，把「員工滿意度」視為目標，高度關注「最佳僱主排名」，甚至喊出了「要讓員工來了就不想走」的口號。這在追求創新的企業中就是錯誤的。如果企業要求創新，就必然有人才的硬性標准，必然有一些偏執的導向，這就不可能讓所有員工都滿意。況且，員工真的不想走了，企業就很大程度上失去了人才換血的機會（淘汰員工的成本會很高），而這種機會往往是創新的重要籌碼。
再如，有的企業致力於成為人才培養的學校，開展「全員學習」，號稱要把培訓「做深做透」。這在某些企業內也是錯誤的。如果20%的明星員工創造了80%的業績，這時候，仍然把培訓普及率作為一項重要的考核指標，這種邏輯本來就有問題。再如，如果某些成型人才在市場上招聘的成本遠遠低於招入毛坯進行培養的成本，為何還要建立華麗的培養體系？還有，如果有的企業處於新行業、新市場，本來就缺乏成型知識，員工的知識獲取主要是通過「干中學」，這個時候再強調個人的人均培訓學時，這種邏輯更是有問題。
簡單來說，條條大路通羅馬，用別人的車來開自己的路，不一定是最合適的。有了人力資源效能的目標，必須反推需要什麼樣的隊伍，再反推需要什麼樣的職能。三個環節之間的指標必須緊緊咬合，要有強烈的因果關系。有的指標看起來具有因果關系，但當用建設建立方程，再把數據放進去，就會發現因果關系根本不存在，甚至也不存在相關關系，這就需要回過頭去質疑假設。企業的現實情況會顛覆教科書中的種種教條，這就是現實，但對於只會埋頭做事，不會抬頭看路的HR們，是聽不懂的。
當HR們用自己的「大局觀」把數據在職能運行（人力資源機制）、隊伍狀態（反映人員在組織模式中的分布狀態）和人力資源效能（鏈接財務指標）串成一條或若干條邏輯鏈條時，他們就會發現，由於數據之間形成了強力的因果邏輯，卡住了那幾個關鍵節點，就控制了人力資源管理的貢獻。將這些代表關鍵節點的指標放到一起，就是「人力資源效能儀表盤（HEIP）」，這就是我為何推崇用這個工具來做數據化人力資源管理的原因。概念很簡單，但填充概念的內容卻不簡單，傳統的指標大多讓人失望，我不得不親自動手設計了一些演算法。想想，Think different也是一種快樂吧。也歡迎預訂GHR2015年《數據驅動HR效能提升》公開課，北京深圳上海三地同開，詳細為您闡述什麼是人力資源效能儀表盤、什麼是數據化力資源管理、數據化人力資源管理應該怎麼做。僅限50人/期。預訂席位請郵件[email protected]或微信回復「主題+企業名稱+聯系手機+郵箱」。