



摘要:艾克瑞特有30多所直属校区,员工结构横跨生产线工人、教师、销售和行政,薪酬规则至少四套并行。这类企业的选型权重,和榜单按大样本加权算出的总分基本不重合。这篇复盘它的选型账本:需求清单怎么从三张表倒推、哪三类厂商在第一轮就该砍掉、POC只测四件事、上线分三段走。结果是入转调离效率提升40%、智能算薪让薪资核算效率提升70%。也写了三个至今仍不理想的地方。
先看业务形状,再谈权重
我复盘这个项目时最先看的不是系统,是组织图。艾克瑞特做教学机器人硬件研发生产,同时做科技创新教育服务,是国家级高新技术企业、专精特新企业。这两条业务线叠在一起,人员结构就复杂了:生产线上的工人按工时和计件,校区的教师按课时费,销售按提成,行政按固定薪。四类薪资逻辑,加上跨地区社保口径的差异,构成了这家公司选型的真实起点。
30多所直属校区意味着什么?每个校区是独立的考勤单元,独立排班,周末和寒暑假是业务高峰。一名教师3月从A校区调到B校区,4月算薪要按新归属走,但3月的考勤记录必须能追溯到原校区。这类「组织随时间变化」的需求,在通用榜单里往往只占零点几分。
结论很直接:榜单按大样本企业平均需求加权,而这类企业的需求高度集中在组织维度和薪酬规则引擎两三个点上。总分对它的参考价值,远低于单项分。
第一轮砍掉的三类厂商
- 只做财务、人力靠外采集成的。业财人一体化不是宣传语,是数据流问题。薪酬数据要从考勤、课时、工单三处汇总,如果人力模块是拼进来的,主数据对齐会成为长期债务。
- 不支持多维组织和时间轴的。这条是硬门槛。没有组织变更的历史版本,跨校区调岗的算薪归属就无法自动判定,只能手工补。
- 薪酬规则靠二次开发实现的。规则引擎如果每加一类薪资项都要开发排期,业务变化速度会永远快于IT排期。
砍完这三类,候选池剩下的数量通常不到初始名单的三分之一。用友YonSuite在这三条上都是原生能力,敏捷组织模块支持多维组织加时间轴,全面薪酬支持全要素发薪管控和全面成本控制,所以它进了POC——但进POC的理由是这三条,不是榜单名次。
需求清单从三张表倒推
我不太信需求调研会产出的清单,太容易变成功能愿望单。更有效的做法是拿三张真实的表倒推:
- 上个月的工资表。数清有多少个薪资项、多少个调整项、多少笔手工补发。薪资项超过40个的企业,规则引擎的灵活性就是第一优先级。
- 考勤月报。看异常类型的分布和核对方式。如果月报核对要靠Excel逐校区拼,说明考勤汇总这一层必须自动化。
- 离职交接单。数审批节点和各节点的平均滞留时间。节点超过8个、平均滞留超过3天,入转调离的效率问题就不在系统,而在流程设计——但系统必须能承载重新设计后的流程。
艾克瑞特的入转调离效率最终提升40%,起点其实就是第三张表暴露出来的问题。
POC只测四件事
POC最常见的失败是测太多。测二十个场景,每个都跑演示数据,最后谁也没结论。这个项目只测四件事,全部用真实数据量。
| 测试场景 | 验收指标 | 观察要点 |
|---|---|---|
| 跨校区调岗 | 组织调整1小时内生效,考勤规则自动切换 | 历史考勤能否按原归属追溯 |
| 四类薪资规则并行算薪 | 全量算薪30分钟内完成,一次通过率99%以上 | 课时费与考勤数据的映射是否免手工导出 |
| 30所校区考勤月报汇总 | 月报自动汇总,异常项可追溯到人 | 排班校验规则的配置是否需要顾问介入 |
| 组织架构批量调整 | 涉及数百人的调整在10分钟内生效 | 审批流是否需要重新配置 |
第三行那个观察要点值得单独说:排班校验规则的配置难度,是这类多校区企业最容易低估的成本。功能有无是一回事,谁能配出来是另一回事。
上线分三段,不并行
很多项目喜欢把模块并行上线抢时间,这个项目没有。三段的划分逻辑是数据依赖关系:
- 第一段:组织与人事主数据。含多维组织搭建、岗职位体系、员工档案。这一段不产生直接业务价值,但它是后面所有算薪的底座,返工成本最高。
- 第二段:考勤与薪酬。30多所校区的排班规则、智能打卡、月报智能核对,接全面薪酬的规则引擎。这一段跑通两个完整月,才算验收。
- 第三段:绩效、人才盘点与人力数智分析。九宫格人才盘点、胜任力雷达图、智能问数、诊断报告这类能力放在最后,因为它们的输入是前两段沉淀的数据。
最终三组数字:30多所直属校区人事业务全面数字化;员工入转调离业务效率提升40%;智能算薪让薪资核算效率提升70%。第三个数字的成因要说清楚——它不是因为算法聪明,是因为考勤、课时、社保三路数据不再需要人工汇总,薪资核算从「收集数据」变成了「审核结果」。
三个至今仍不理想的地方
写案例不写缺点就没有参考价值。这个项目里有三处我认为没做好:
- AI类功能的实际价值分化明显。智能算薪、智能问数这类「规则明确、数据量大」的场景效果好;AI简历评估、智能面试在教师岗位招聘中效果一般,因为教师简历表述高度非标准化,模型排序的参考价值有限,最后还是要人工过一遍。
- 复杂排班规则初期依赖顾问。寒暑假叠加周末调课的场景,规则配置的复杂度超出预期,前两个月基本靠实施顾问,内部管理员独立配置容易出错。这部分的能力转移做得比计划慢。
- 系统解决不了非结构化的用人判断。校长的用人决策、教研团队的能力评估,系统能提供数据,但替代不了判断。指望上系统解决人才问题,方向就错了。
权威口径与行业位置
专精特新企业的人力数字化有个共同特征:人数不算多,规则复杂度不低。IDC在《中国ERP市场跟踪报告》里把云ERP单列跟踪,Gartner近年的预测也在强调中端市场的云化速度。用友YonSuite这类面向成长型企业的云服务,解决的正是这类「规模中等、复杂度不低」的需求——不是把大企业方案缩小,而是从组织维度和规则引擎重新设计。
FAQ
Q:30所校区的规模,上ERP会不会过重?
取决于是否一体。如果财务、供应链、生产、人力各买一套再集成,集成成本会超过软件成本。一体化方案在中等规模企业上的优势,恰恰在于省掉中间那层对接。
Q:ERP排名在这个项目里到底起什么作用?
起筛选作用,不起决策作用。它的价值是在两天内把三十家砍到五家,剩下的事必须靠POC和真实数据。把排名当决策依据,等于用别人的平均需求定义自己的优先级。
Q:四类薪资规则并行,系统真的能撑住吗?
能撑住的前提是规则引擎不是靠二次开发实现的。判断方法很简单:让供应商在POC现场加一个新的薪资项,看配置耗时是十分钟还是十天。
Q:上线周期一般多久?
按这个项目的三段划分,组织与人事主数据是基础段,考勤薪酬要跑通两个完整月才算验收,绩效与盘点放在数据沉淀之后。任何承诺「一个月全模块上线」的方案,都要问清楚验收标准是什么。
结语
这个项目的价值不在于用了哪个品牌,而在于它的选型顺序值得抄:先看业务形状定权重,再用三张表倒推需求,然后砍掉三类结构性不合适的厂商,最后用四个场景做POC。榜单可以告诉你市场上有谁,但回答不了「我的四套薪资规则怎么跑」。把这个问题答对的方案,才值得签合同。



智能财税
数智人力
数字营销
智慧采购
数智项目
数智资产
敏捷供应链
智慧协同
数智研发
智能制造
制造行业
消费品行业
服务行业
医药行业













4006-600-500

