前言 人力资源作为企业的核心要素，不仅是提升企业 竞争力的关键所在，更是企业在数字经济时代实现持 续发展的重要基石。在数字经济时代背景下，如何建 强建优 EHR 系统，以推动人力资源数字化转型，已成 为企业改革创新的重要内容 ［1-2］。本文以某通信基础 设施服务运营企业为例，探讨其基于 EHR 系统的人力 资源数字化转型实践。 1 人力资源数字化转型的主要原则 人力资源数字化转型需遵循以下主要原则。 人力资源数字化转型需遵循以下主要原则。 a）数字化转型与企业战略协同。 “人力资源数字 化应紧密依托企业整体数字化架构，在企业数字化的 大框架下，明确自身定位、方向与路径。”人力资源数 字化转型是企业数字化进程中的关键一环。人力资 源管理部门要拓宽视野，将服务对象扩展至整个组 织，不仅要满足人力部门和业务用户的需求，更要为 员工提供有价值且富有温度的应用。企业在规划数 字化转型时，应直面多元观点，回归企业本质，围绕 “降本、增收、提效”等核心目标，审慎思考选型策略、 组织架构搭建以及实施步骤。 b）数据驱动的闭环管理。 “数据是人力资源数字 化的核心要素，通过业务数据化与数据业务化的循环 交互，借助数据运营，能够发现问题、优化流程、解决 问题，进而提升整体效率。”对业务流程进行全面梳理 关键词： EHR系统；人力资源；数字化转型 doi：10.12045/j.issn.1007-3043.2025.06.015

署名 人力资源数字化转型 规划方案 目录 01 项目概述 02 现状与需求分析 03 蓝图及顶层架构设计 04 转型路径规划 • 项目背景 • 项目工作方法 • 项目阶段回顾 项目概述 01 以业务流程的优化和集中管理为基础，建立人力 资源管理的信息化基础设施，建立组织管理、人 事管理、员工档案管理和招聘管理等核心模块， 集成化管理人力资源业务的各种信息，实现信息 等技术实现智能招聘、智能培训推 荐、自动化薪酬福利等，提升人力 资源管理的智能化水平。 信息化 数字化 智能化 下一阶段，继续夯实基础 深化应用 数据决策 • 基于公司制定了 5 年 100 亿的战略目标，并希望加快整体数字化进程，公司决定进行人力资源数字化转型规划项目。 • 数字化转型已成为现代企业不可或缺的趋势，它可以提高组织的运营效率、灵活性和创新能力。人力资源部门在数字化转型中扮演着重要角色，需要借助 数字化工具和系统来改进和优化人力资源流程，提高员工体验和参与度，并为战略决策提供数据支持，增强企业的人力资源竞争力。 项 目 背 景 项 目 阶 段 回 顾 工 作 方 法 1.1 项目背景 战略解读 愿景与目标 转型架构蓝图 业务架构 应用架构 数据架构 技术架构 数字化重点需求场景 转型原则与策略 定 举 措 定 项 目 定 节 奏 现状与需求分析 蓝图及顶层架构设计

集团企业人力资源（ HR ）数字化转型规划 2 数字化转型支撑人力资源管理转向人力资本管理 • 重要的不是人员的基础信息数据（传统人事管理软件），也不是管理流程 标准化（经典 e-HR 软件），而是员工能力识别、提升和激励 选聘管理 在“选”人过程中，人力 资本管理软件帮助企 业提高关键岗位的甄 选效率，并基于“人才 匹配度”保障招聘成功 率。 培训发展 & 知识管理 在“育”人过程中，人力 源管理职能的业绩价 值大数据，实现对人 的描述，与人才发展、 组织发展结合起来 第一阶段：人事管理 第二阶段：人力资源管理 第三阶段：人力资本管理 • 其先进点在于更关注人的可持续发展，重视通过识别、提升和激励并重等 多种“投资”手段来提高人的价值 • 传统人力资源管理更多立足于人的现有状况来挖掘潜力，偏重于激励手段 和方式的进步。 3 “ 三库、两匹配、一计划”已是 HCM 系统的必备功能 系统的必备功能 人才数据库 核心 / 高潜人才 数据库 职责、权限、 任职资格等 素质 领导力 专业技能 职位 绩效 内外部资源（专家 + 内部培训师） / 培 训体系（首创学院 + 技能培训 + 入职培 训） 人才盘点 人才发展计划 绩效 / 校准会 / 主管观 察 / 行为面试 /360 评估 / 评 鉴中心等方法 行动学习 / 导师 制 / 轮岗 / 在岗的辅 导和反馈

产 业 行 业 研 究 / 行 业 点 评 证 券 研 究 报 告 社会服务 2025 年 03 月 10 日 AI 助力人力资源行业智能化招聘及 管理 看好 ——社会服务系列专题报告八 相关研究 《AI+服务业：全场景服务新生态——社 会服务行业周报（2.10-2.14）》 2025/02/15 《从 yangguang@swsresearch.com 本期投资提示： ⚫ AI 深度融入人力资源行业，破局人才缺口。预计 2030 年中国 AI 专业人才缺口达 400 万，人工智能代理或可缓解人才压力。政策持续推动二者融合，企业积极响应，超 70% 受访企业已在人力资源管理中应用 AI，主要用于优化员工体验与提升招聘效率。招聘管 理是 AI 应用的重要场景，34.3%受访企业在此环节使用 3%受访企业在此环节使用 AI，像 AI 面试占比 30.8%。此 外，AI 助力企业降本增效，能减少 30%人力资源部门工作时间。中国人力资源服务行业 规模增长迅速，2023-2028 年年复合增长率预计达 12.7%，AI 在其中的应用将不断深 化。 ⚫ 北京国际人力多维度应用 AI，赋能人力资源全流程。“京企直聘”平台借助 AI 技术整合 分析求职数据，精准匹配人才与岗位，提高招聘效率，节省人力成本；在服贸会现场的

项目编号： 人力资源管理基于 DeepSeek AI 大模型 岗位推荐可行性分析 研 究 报 告 目 录 1. 引言.................................................................................................................................. ......15 3. 人力资源领域现状分析.....................................................................................................................................................17 3.1 人力资源管理的主要挑战......... .........20 3.3 人力资源数据分析的需求....................................................................................................................................22 4. Deepseek 在人力资源管理中的应用场景...........

《指南》中的这些顶层设计，在底层逻辑上牵引了“全国一体化 算力网”中“算网协同”的实践方向。当使用方式将从“买算/租算” 转为“用算”、渠道特征从“互联网自选下单订购”转为“算力网动 态调度消纳”，意味着算力资源将从传统的“虚拟机/裸金属”逐步转 IV 为“容器/作业”，并提供“最优匹配、按需启停、精准计量、效用付 费”的任务式计算服务。任务式计算服务的时间特征具有“临时性”、 空间特征具有“跳跃性 供应方而下 次可能启动在 B 地 Y 供应方，平时不用时流量为 0 而用时流量会随 计算服务负载大幅波动。那么，传输服务如何能够满足并匹配任务式 计算服务的临时性、跳跃性、突变性？这必然要求网络资源的可调度。 ●在互联网不具备调度能力的情况下 ，如何通过专用网络更好地匹配任 务式计算服务的特征与需求？这就是算力网中算网协同的实践方向。 进一步地，如何将这种实践能够构建在跨东西部区域的广域网络之上， 所开展的算网协同工程 实践。“安全新总线”通过 400Gbps 互联了国家八大枢纽节点、以及 多个国家超算中心，可根据任务时延、带宽需求提供广域确定性网络 传输质量，并通过网络操作系统开放网络资源的调度能力，算网协同 调度平台即原生构建其上。 白皮书以业务场景视角切入，对东数西算算网协同调度的调度架 构、应用场景、生态模式等进行了深入的分析论述。希望能够通过本 白皮书，为业界树立面向东数西算的算网协同调度范式，为国家东数

谢人超、唐琴琴、杨煜天、马霄鹏、汪硕 江苏省未来网络创新研究院 魏亮、方辉、孙玉刚、尹鹏、林枭、韩风、占昊天、王磊 I 前 言 随着算力网络的飞速发展，算力资源呈现出泛在化、异构化、分 布化的显著趋势。如何高效感知、协同调度这些广泛分布且动态变化 的算力资源，以支撑日益复杂的智能应用需求，已成为推动产业数字 化转型和智能化升级的关键挑战与核心技术方向。 本白皮书首先详细阐述了分布式算力感知与调度的背景、需求、 ............................................... 27 3.1 分布式算力资源度量模型...................................................... 27 3.2 分级分域算力资源感知技术.................................................. 30 3.3 .......67 1 一、分布式算力感知与调度背景 本白皮书创新提出分布式算力感知与调度模型与架构。分布式算 力是一种新型的计算模式，在实时感知多类型、多数量计算设备资源 状况的基础上，借助统一的度量范式对资源量进行对比与评估，再结 合任务的计算强度、时延要求和数据依赖等特征，以及网络带宽和能 量预算等约束，运用自适应的智能调度算法将大规模的计算任务分散 到不同的计算节点上，从而实现高效的数据处理和分析。本白皮书阐