|
文 | 章新波 这是盖雅学院第253篇原创图文 本文共4372字，阅读约需5分钟 很多人会很奇怪：盖雅是软件公司，突然谈人口问题、人口结构问题，与你们有什么关系？ 实际上，盖雅这十几年来的发展是跟随中国人口结构的变化而变化的。2009年盖雅创立，这一年，中国大量人口从制造业向服务业转移，以及从国内向海外转移，我们开始构建全行业服务能力、海外服务能力。这十几年，我们一直在观察人口结构的变化。 先给大家看一段视频，前段时间发在我的视频号上，引起了很大反响。  视频显示了，中国人口从1960年开始持续变化过程。
但相信大家看视频的时候会发现趋势根本不可逆转，一旦进入“锥子型”以后，甚至有可能变成“倒三角”。 视频的数据统计是截至2019年，不管是男性还是女性，结构变化是非常一致的。很多人在我视频号留言说非常震撼，感受到中国人口变迁的趋势式状况。 01/ “人口红利”渐趋长尾，劳动者红利兴起 七普调查结果出炉后，很多人说中国的人口红利消失了，人口总量不再增长了，甚至质疑中国人口数量处于下滑趋势，同时劳动力人口数快速下滑。是不是这样呢？ 盖雅根据七普数据总结了人口五大趋势。 ▍人口趋势一：人口增速显著下降  图表显示的是每年人口出生增长的状况。每年出生人口从2017年的1700万、2018年的1500万，到2019年的1400万、2020年的1200万。 这几年，每年人口死亡人数差不多在950万上下，基本可以得出每年人口净增长在什么水平，从原来的700万、500万、400万到200万。人口增长的拐点很有可能在接下几年中出现，人口确实会进入负增长状态。  人口老龄化明显加剧，劳动人口数量减少。  与六普相比，七普数据显示：拥有大学文化程度的人口增加了73%，高中以上文化程度人口增加了7.5%。 2019年以来，参加高考的人数开始突破千万，今年为1078万。去年大学毕业生有800多万。可见1000多万参加高考的同学，80%都能上大学。国家在扩张普通教育的过程中大大拉高了教育水平。反过来，职业教育（中职高职）的对等性在下降。 如何把普通教育和职业教育拉到相对平等的水平上，这才是未来缓解劳动力的关键要素。  什么叫低龄老年人？60岁到69岁这一波有能力有意愿也有体力从事工作的人。 可以预见将来退休年龄一定会延迟，“低龄老年人”进入职场将成为新的趋势。目前60岁到69岁有1.9亿人，41岁到59岁有4.7亿人。  城镇化程度加深，城市越大，人口涌入越大。农村、三四线城市人口呈负增长。 基于上面五个趋势，我们可以换个角度看人口红利。 由于城镇化程度加深、工作时间周期的延长以及人员素质提升，我认为中国劳动人口的质量在提升。 「人口红利」是企业角度的说法，企业很难再以原来简单粗暴低成本的方式获得大量的人口数量、劳动数量。对劳动者而言，其价值将更加被认可。 换言之，人口红利并不处于消失的状态，而是慢慢趋于长尾，劳动者红利正在到来。  我们选了三部在当时年代比较经典的影视作品，看过去30年劳动者的变迁。
从这几部电视剧，我们会更加深刻地意识到当下的劳动力环境： 劳动者红利在兴起，年轻人会越来越吃香，这一代中国年轻人有可能是全世界最好的年轻人，他们在以非常平等的视角看整个世界。 中年人也不用过于恐慌，之前说职场人士过了35岁40岁就不吃香了，但未来劳动者数量的下降，让我们能够有更多机会去弥补很多状况。 有些领域、有些岗位老年人会被重新启用。今天早上在朋友圈看到一张图，有家快餐店拉了个招聘横幅“长期招聘学生退休兼职”。很有意思，快餐店要年轻人，要年纪大的，二胎妈妈平时过来工作也要，什么样的劳动者都可以进入门店工作。 02/ 未来劳动力管理需要有温度地数字化 对于企业内部管理而言，未来会面临什么样的劳动力管理和员工体系？  1. 各位HR将面临“五代同堂”的管理局面，60后、70后、80后、90后、00后在组织中同时存在。这群人的诉求差异很大。 2. 很多行业存在手工、自动化并存的局面，企业有大量手工操作者，也有大量自动化技术人员。怎么管理好这些员工？ 3. 企业有大量自己的员工，同时会有大量的灵活用工。灵活用工和自有员工如何合理分配，如何管理？ 4. 中国企业变得越来越大，集团下有不同的行业（制造、酒店、地产、零售、医院），有不同的岗位（促销员、工人、保安、保洁）。不同的角色该用什么样的体系来管理？  这两年人力资源服务高速兴起，但没有一家人力资源服务商能解决所有的问题，企业需要对接大量大型、中型、小型、中店、小门店的人力资源服务机构。学校教育提升，比如中职、高职、定点培养等。同时，因为劳动者数量的下降，企业需要建立自己的劳动力蓄水池。 因为上面这些问题让管理的复杂度提升了，这两年盖雅一直在提“劳动力是核心竞争力”。对于HR来讲，什么方式才是应对复杂管理的关键要务？ 过去，我们也一直提的概念是数字化，但2019年开始就开始提传统行业要向互联网学习数字化，要有温度地向他们学习数字化。 像滴滴司机、外卖小哥等群体，背后是巨大的劳动力管理平台在管理支撑。滴滴司机3000万人，外卖小哥接近1000万人，没有人在管理，全是算法在管理。因为互联网公司本身的高度竞争和内卷的，导致算法让人性有偏差。抛开这一点，不妨碍我们用非常有温度的方式向To C互联网学习数字化。 企业向To C互联网学习数字化的过程中，我总结了可以参考借鉴的四个步骤：算对人—知道人—用对人—云用人。  七普数据本来3月份要发布，后来4月份没发，到了5月份才发布。过程中，老百姓有很多猜想：都做了这么多年统计了，统计人口有这么难吗？统计系统很先进，为什么人口数据迟迟不出来？ 人口数据统计难不难我不知道，但我不知道企业统计员工数据难不难。 问大家几个问题：目前各位公司有多少人？编制有多少？实际多少？全职多少？非全职有多少？ 今天，各位的公司在岗有多少人？假设公司10000人，今天在岗的是8500人还是8800人，为什么是8500人？6月份第一周过去了，大概要支付多少公司成本，公司成本在预算内还是预算外？在预算内是哪些部门做得好，哪些车间做得好？预算外是哪些部门做得好，哪些车间做得好？ 不知道这些数据大家多长时间能拿到，现在能回答，还是一周、一个月，甚至一个季度能拿到？ 数字化第一步要做的事情就是让数据精确、实时、自动。 这件事情搞定了后，企业管理者可以随时了解业务变化，这样就会随时做出决策，决策质量和效率会大大提升。
▍知道人 雇佣这么多人，企业知不知道这些人的实际状况，比如这些人有哪些技能、喜好，甚至愿意跟哪些人很好地相处？他和谁搭档效率会更高？“知道人”会真正知道他在公司发挥出最佳效用时应该给他什么样的环境跟方案及选择。 「知道人」之后，要给他更多的反馈、更好的体验，尤其是让新生代更有尊严地工作，更体面地赚钱，让他知道这是很公平的事情。 比如，你不愿意加班，主管尽量给你排白班；你是新入职的员工，不让你当夜间的保安等等，都提前安排好。同时要向To C学习的地方是，尽可能把信息透明，让员工知道他今天干了多少活，应该拿到多少钱等等。 如何让一线管理者、一线员工看到这些信息并关注？ 比如有些滴滴司机会因为里程到了某个程度，获得一枚徽章。以此类推，我们可以通过工作时间累积的多少，对叉车师、焊工、咖啡师进行认证。经过认证，你到了某种程度，可以开启新一阶的工作了。 激励在传统行业劳动力管理层面存在巨大的可优化、可改造空间。强烈推荐企业由原来的月薪制向周薪、日薪制尝试，让员工尽快得到即时的满足，尤其体力工作者即时满足大于对知识工作者的延时满足。 ▍用对人 「知道人」之后，如何用对？要安排合适的人在合适的时间、合适的地点，以合适的成本从事合适的任务。 各位想象一下，如果你是一线的班组长或一线门店的店长，管理10位全职员工20位兼职员工。给各位一个任务，下个礼拜一到礼拜天，早上7点到晚上11点，需要对这30个人进行排班。 请问你多长时间可以给出最优解？不同的目标下会有不同的解法，怎样才是30个人排兵布阵最好的方式？这时候就是算法数学题，算法在人力资源领域对人效率的使用上将会发挥巨大的作用。 如何把算法运用到人的身上？同样也是向To C学习。 根据企业希望达到的不同的排兵布阵的目标：员工满意度最高、成本最低、客户满意度最高等要求，系统自动给出90分的解。原来，有些经验丰富的管理者可以把90分调整到100分，经验不丰富的只能做到70分80分，现在完全可以听系统的。 要更加合规。传统的用工习惯中，合规这件事情是“事后”的，比如大量公司说有些员工一个月的加班是超的，但实际上，作为HR需要事先知道这个月哪些员工的加班费超了、哪些不合规是可控的，哪些是不可控的，从“事后管理”变成“事前管理”，防患于未然。 ▍云用人 现在越来越多的系统往SaaS化、云端走，但是目前数字化过程远远不够。SaaS不只是企业内部使用，更是社会全流程的应用。 现在我们已经可以看到越来越多社会化体系建设，虽然没法像滴滴、饿了么一样建立全社会的用工平台，但行业及企业内部开始形成共享机制。虽然份额不高，但这已经是发展趋势了。相信将来在各个行业、各个领域内都会产生。 我们已经建立了盖雅工夫平台，将企业、人力资源服务商、学校、人力资源中介机构及大量的劳动者连接起来，尽可能提升招人、用人效率，消除信息不对称。 比如，超市领域要把理货岗位抽象化，变成像滴滴抢单的任务一样，发布给企业里的促销员，让他自己来抢，从而形成灵活的自动化机制。 劳动力数字化的四个步骤：算对人、知道人、用对人、云用人。我自己设想未来是不是有一个阶段是「不用人，人被机器所替代」。这个话题可以留到明年、后年再探讨。 这十几年，盖雅希望通过数字化能力解决大量劳动密集型企业HR所关心的问题：公司在这个时间点到底需要多少人工作，实际有多少人在工作，这些人做得怎么样。 我们把它变成自动、实时、精确的方案，以方便各位决策者做高质量决策。 |
|
|
