阿里怎么发工资?自研薪酬管理系统首次曝光

简介: 作者:墨逐   人力资源管理系统是用集中的数据将几乎所有的人力资源相关的信息(组织、招聘、薪资、绩效、审批等)统一管理起来,是企业运行必不可少的管理软件。国际上知名的有Oracle PeopleSoft、SAP 和Workday HCM,世界500强公司有超过一半都在使用。

作者:墨逐

 

人力资源管理系统是用集中的数据将几乎所有的人力资源相关的信息(组织、招聘、薪资、绩效、审批等)统一管理起来,是企业运行必不可少的管理软件。国际上知名的有Oracle PeopleSoftSAP Workday HCM,世界500强公司有超过一半都在使用。国内金蝶和用友在eHR领域也有着多年的技术积累。

 

c15a6b39f19170d75e4dfe83d770cefbe8a3cdfe

 

阿里巴巴早在06年就启用了Oracle PeopleSoft HCM 系统,是国内最早一批引进世界先进人力资源管理软件的企业之一。PeopleSoft HCM的上线为阿里带来了先进的人力和组织管理能力,支撑阿里业务和人员规模在过去这十年中成倍扩张。

如今,阿里巴巴快速成长已涵盖数十家生态公司、覆盖24个国家/地区、数万名员工,上线十年的PeopleSoft HCM在功能模块、用户体验、系统开放集成等方面已经不能满足业务发展要求,同时还需兼顾自身的信息安全和成本,面对困境,阿里巴巴信息平台选择了独立自研。

5b58a195ce2c725b2849fb089c67287da26dc287

 

 

独立自研 面临四大挑战

 

自研系统听起来是美好的,但要真正实施起来面临的挑战却是难以想象的。

挑战一:去PeopleSoft HCM涉及的模块众多,关系错综复杂,依赖紧密。包括人员信息管理,绩效系统,调薪系统、薪资申报平台,报表中心,权限系统等等,10年历史数据都需要清理和迁移,而且不能有一点点差错,否则损失不可挽回。

挑战二:国内外目前无可参考借鉴的案例,多数公司会选择切换到SAPWorkday,而阿里,不但体量大,作为互联网科技公司业务场景比传统企业要更深,仅功能模块需求就超过70个。

 

挑战三:阿里经济体在迅速壮大,如优酷、UC等企业不断加入,国际化进程也在加速,自研系统就必须要支持生态化、国际化的需求,业务更是繁杂。

挑战四:自研系统与成本控制。HCM管理软件是技术和业务高度融合的复杂业务系统,很多世界一流科技公司有技术实力研发,但缺少业务深度的重要一环,以及后期维护和技术更新带来的变动,投入大量人力物力与换来的价值不匹配。阿里作为一家企业,也需要解决这个问题。



分阶段开发 借助成熟技术

 

面对挑战,阿里巴巴信息平台事业部的EHR技术团队采取分阶段、由易到难、逐步迁移的策略,在正式启动去除PeopleSoft 前,将公司组织、职务体系、员工生命周期等主数据管理率先从PeopleSoft HCM中剥离出来,与阿里巴巴集团IT,财务、行政、采购、安全、廉政等系统打通,实现了核心数据的备份存储。

项目启动后,分四个阶段由浅入深进行,完成方案设计论证、计算框架开发、核算逻辑开发、并行验证等任务。

方案设计论证阶段。阿里信息平台集合了阿里众多资深的薪酬业务和产品专家,开始去PeopleSoft薪酬核算的攻坚之路,仅花了2个月的时间先后完成了脚本语言(Python/Groovy)选型,追溯方案设计论证,计算框架设计,云计算任务调度设计,数据加密等。

计算框架开发阶段。为了让复杂业务易于管理和维护,并和计算框架分离,我们在业务代码实现上选择使用Groovy脚本语言配合阿里云大数据计算服务数加(MaxCompute,原ODPS)来实现薪酬核算。其中对于脚本语言的选择,主要基于两方面的考虑,其一GroovyJava无缝兼容;其二Java工程师可以快速上手Groovy开发,学习成本低。而利用阿里云大数据计算服务数加(MaxCompute)实现薪酬核算,可以经济高效地分析海量数据。用于阿里数万员工的薪酬核算,在数据安全和计算效率上相较之前都会有很大的升级。MaxCompute产品地址:https://www.aliyun.com/product/odps

为了让业务方和开发能快速理解整个系统的业务逻辑,以及对代码版本进行控制和管理,我们在项目公式的设计上分为三层结构,第一层是业务能看懂的业务语言,第二层是系统语言,第三层是可执行的Groovy脚本语言;当用户在页面编辑保存第一层的业务语言时,相对应会转换成系统语言和Groovy脚本进行保存,计算时只有Groovy脚本参与计算。

 

 

2fbdef8a8e59e64e6baacc99b5433da71d71703a
技术架构-设计原理

核算逻辑开发阶段。完成实习生薪资(100+计算项目),股权计税(100+计算项目),正式员工薪资计算(200+计算项目)三个迭代发布,彻底解决了员工休假晚提补报、出差、月中入离异、欠款、无息贷款利息计税、福利补贴,社保公积金基数变更,股权等十多项复杂薪资业务的计算效率与准确性瓶颈。

并行验证阶段。20169月自研系统正式进行为期8个月的双系统并行验证,在此过程中同时完成了6个月追溯期数据重建以及最重要的年终奖计算发放的双线验证。

阿里巴巴信息平台事业部eHR团队自主重构了HR领域内PeopleSoft HCM使用到的所有功能模块,还开发了包含简历优选,阿里学习,股权管理系统等40多个产品的更全面的功能模块,其中薪酬核算仅用个位数的研发人员在短时间内就完成了开发,真正实现了技术和效益双突破。

 

今年5月,阿里关闭所有PeopleSoft HCM系统的同步接口,自研薪酬系统正式为阿里员工提供服务,系统实现了了24个国家(地区)、几十个阿里生态公司的统一管理和无线化。



效率提升6倍,成本大幅降低

借助阿里云的大数据计算服务数加(Maxcompute),阿里自研系统是国内第一个做到基于云端的薪资计算系统(基于阿里Maxcompute),进行全集团数万人的计算只需30分钟,PeopleSoft同等资源下需要3.5小时,计算效率提升超过6倍。并且随着员工数和数据量的增加,计算时间不会有太大的波动,解决了将来的扩容问题。此外,通过自研系统的上线运行,每年仅授权费用就节省数百万,其他相应的维护管理费用也出现成倍的降低。

 

计算过程可视化,系统简单可维护

自研系统在薪资项目、适用群组、计薪周期、计算规则与公式、发放审批流程、计算结果报表输出全链路、生态公司接入并行管理等十几个应用场景,真正体现了互联网产品的简洁易用、清晰明了、稳定高效的产品理念。

系统除了支持追溯和分段计算的功能,还支持将整个计算链路中间过程数据以及异常差异数据进行直观实时透视,相对于PeopleSoft及业内其它eHR 产品,无技术背景的业务方也能快速了解整个系统的计算逻辑以及快速定位解决问题,维护简单。 

d4051dc9a60c825a5f56e9af16d7ca5aeff53685

平台化架构,功能和场景更丰富



自研系统对业务逻辑进行了高度抽象,通过页面配置Groovy脚本,在计算时将数据源和计算逻辑都同步到Maxcompute完成计算。薪酬计算框架好比是自动化流水线,只要提供了数据源和计算逻辑就可实现想要的结果,这种计算框架和业务逻辑的分离使得它能够实现的功能和场景更加丰富。

 

d5ba9b3e0e448931f5893c9df87616e64cf94bb7

目前该系统除了已经支持薪酬计算,还在国内首创基于薪酬核算框架同时支持员工股权归属和行权的税务自动计算等多个业务模式。

 

技术架构-设计原理



数据加密,更关注员工隐私

自研系统本地数据库Mysql使用阿里加密服务KeyCenter进行敏感字段加密存储,开发和数据库管理员都无法接触到数据,避免原PeopleSoft系统数据库明文存储问题,更加安全可靠同时也可保护员工的个人信息。 

员工体验获得极大提升

自研系统支持手机端和PC端,集成员工基础档案、薪资档案、每月工资,奖金、股权,社保公积金,年度收入等,员工可随时随地查看薪资发放结果、个税、福利补贴,销售佣金、社保基数调整等信息,还支持一键求助、快速12万报税,体验获得极大提升。 

bbd33c9ef5820351b3c4303ba510a2758d245b26

 



未来智能HCM系统

 

实现PeopleSoft HCM系统的下线是新技术场景驱动智能办公的重要一步,阿里巴巴信息平台事业部eHR 团队将会在全球化、生态化、移动化、数据化、服务化五大方向做深做透,基于阿里系大数据、算法、云计算平台打造出服务于阿里全球经济体的智能eHR系统。

最后打个广告,当业界人士看到我们的HCM系统表示赞许的时候,那一刻是自豪的,得到的是对付出的肯定。我们希望更多的小伙伴一起加入我们,在阿里的大平台上,持续推进eHR系统的智能化建设。

 

相关文章:万元征集MaxCompute使用工略



相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
目录
相关文章
|
9月前
|
机器学习/深度学习 人工智能 供应链
从概念到商业价值:AI、机器学习与深度学习全景指南
在这个科技飞速发展的时代🚀,人工智能正以惊人的速度渗透到我们的生活和工作中👀。但面对铺天盖地的AI术语和概念,很多人感到困惑不已😣。"AI"、"机器学习"、"深度学习"和"神经网络"到底有什么区别?它们如何相互关联?如何利用这些技术提升工作效率和创造价值?
476 0
|
前端开发 JavaScript 安全
小红书前端架构
小红书前端架构
|
12月前
|
机器学习/深度学习 人工智能 PyTorch
从零开始:如何训练自己的AI模型
### 从零开始:如何训练自己的AI模型 训练AI模型如同培养新生儿,需耐心与技巧。首先明确目标(如图像识别、自然语言处理),选择框架(TensorFlow、PyTorch)。接着收集并预处理数据,确保多样性和准确性。然后设计模型结构,如卷积神经网络(CNN),并通过代码实现训练。训练后评估模型性能,调优以避免过拟合。最后部署模型至实际应用。通过猫狗分类器案例,掌握关键步骤和常见问题。训练AI模型是不断迭代优化的过程,实践才能真正掌握精髓。
|
12月前
|
关系型数据库 BI OLAP
一招解决数据库中报表查询慢的痛点
一招解决数据库中报表查询慢的痛点
|
人工智能 程序员 数据库
AI客服会完全替代人工客服吗
本文介绍了AI客服的应用和发展,包括作者亲身搭建AI客服的经历,以及AI客服在提供24小时服务、快速响应客户需求、精准回答问题等方面的优势。文中还提到了构建AI总结助手、客户对话分析和智能导购助手的具体应用场景,展示了AI客服在提高工作效率、降低成本和优化用户体验方面的潜力。最后,文章讨论了AI客服替代人工客服的可能性及其局限性,强调应结合两者优势共同提升服务质量。
|
存储 应用服务中间件 API
高效C++项目实战:秋招简历项目解析(提供源码下载)
高效C++项目实战:秋招简历项目解析(提供源码下载)
|
机器学习/深度学习 Oracle 安全
人力资源管理革新:6款系统一站式解决HR事务
**Zoho People、BambooHR、Workday、ADP Workforce Now和Oracle HCM Cloud是知名的人力资源管理系统。Zoho People提供模块化设计、移动应用和自动化工作流;BambooHR以用户友好界面和员工档案管理见长;Workday侧重全球化云解决方案和智能决策工具;ADP Workforce Now集成HR与薪资管理,强调合规性;Oracle HCM Cloud则以高度定制和分析工具闻名。这些系统各有特点,适用于不同规模和需求的企业。**
414 11
|
机器学习/深度学习 人工智能 自然语言处理
智能增强:人工智能在创造性写作中的应用与挑战
【8月更文挑战第7天】 本文将深入探讨人工智能(AI)如何革新传统写作领域,特别是在创意性文本创作方面。通过分析AI技术的进步,我们将了解机器学习、自然语言处理等技术是如何被整合进写作工具中,以及它们如何辅助作家提高创作效率和质量。同时,文章也将讨论AI写作所面临的伦理和实践挑战,包括版权问题、创意归属争议及技术局限性。
372 9
|
存储 分布式计算 物联网
Apache IoTDB进行IoT相关开发实践
IoTDB是专为物联网(IoT)设计的开源时间序列数据库,提供数据收集、存储、管理和分析。它支持高效的数据写入、查询,适用于处理大规模物联网数据,包括流数据、时间序列等。IoTDB采用轻量级架构,可与Hadoop和Spark集成,支持多种存储策略,确保数据安全和高可用性。此外,它还具有InfluxDB协议适配器,允许无缝迁移和兼容InfluxDB的API和查询语法,简化物联网项目的数据管理。随着物联网设备数量的快速增长,选择适合的数据库如IoTDB对于数据管理和分析至关重要。
752 12
|
机器学习/深度学习 自然语言处理 数据可视化
BERT-IMDB电影评论情感分类实战:SwanLab可视化训练
这篇文章介绍了使用BERT模型进行IMDB电影评论情感分类的实战教程,涉及SwanLab、transformers和datasets库。作者提供了一键安装库的命令,并详细解释了每个库的作用。文章展示了如何加载BERT模型和IMDB数据集,以及如何利用SwanLab进行可视化训练。训练过程在SwanLab平台上进行,包括模型微调、指标记录和结果可视化。此外,还提供了完整代码、模型与数据集的下载链接,以及相关工具的GitHub仓库地址。
BERT-IMDB电影评论情感分类实战:SwanLab可视化训练

热门文章

最新文章