集团型组织并不缺绩效数据，真正缺的是把绩效结果转化为人才决策和组织发展的机制。本文面向集团总部HR、组织发展负责人、数字化负责人和业务管理者，围绕2026年HR系统建设，分析绩效数据孤岛的成因，并提出从评分归档到数据资产、再到智能决策的建设路径，回答绩效结果如何支撑人才决策这一关键问题。

大型企业对绩效管理的投入通常不低：有年度目标分解，有季度或半年度评估，有绩效面谈，有等级分布，也有各类考核表单。但在不少集团型组织中，一个尴尬现象长期存在——绩效评分年年做，人才任用仍主要依赖主管印象；绩效档案越来越完整，继任计划、培养计划和组织调整却很少真正调用这些数据。

从公开研究与行业实践看，全球企业对绩效管理、员工体验、HR数字化的关注持续上升，德勤、麦肯锡、Gartner等机构也长期强调，HR技术的价值正在从流程自动化转向数据驱动的人才与组织决策。对于集团型组织而言，2026年的HR系统建设不再只是上线绩效、招聘、培训、薪酬等模块，而是要回答一个更具体的问题：绩效结果如何支撑人才决策，并进一步反哺组织发展？

这背后不是单一系统问题，也不是单一管理问题。绩效数据如果只停留在评分表、等级库和归档报表里，就无法成为人才盘点、继任管理、干部选拔、组织诊断的依据。相反，只有当绩效结果能够与人才画像、岗位体系、胜任力模型、组织结构、培训记录、编制数据打通，集团总部才可能穿透多层级、多业态组织，看到人才质量、组织效能与战略执行之间的真实关系。

2026年，集团型组织HR系统建设的核心命题，已经从“有没有系统”转向“数据通不通、决策用不用、组织能不能反馈”。

一、断层与困境：集团型组织绩效结果的“数据孤岛”现状

集团型组织绩效管理的最大浪费，往往不是评分不够精细，而是结果没有流动到该去的地方。绩效结果一旦停在归档环节，就会从管理资产退化为历史记录。

1. 绩效数据“三不”困境：不贯通、不转化、不回溯

在集团企业中，绩效数据孤岛通常表现为三类问题。

第一是不贯通。绩效模块记录了员工评分、绩效等级、目标完成情况，但这些数据与人才画像、干部档案、培训发展、岗位任职资格、继任管理之间缺少稳定连接。系统层面看，绩效数据存在；管理层面看，它并没有进入人才决策流程。HR在做晋升评审、干部盘点或高潜识别时，往往还要重新导出表格、人工汇总、线下比对。

第二是不转化。绩效评分本身只是结果表达，不能天然形成决策信号。例如同样是A级员工，有人是连续高绩效，有人是单年高绩效；有人在战略项目中表现突出，有人在成熟业务中稳定达标。如果系统没有把绩效等级、绩效趋势、关键维度得分转化为结构化标签，管理者就很难区分“持续高贡献”“短期爆发”“潜力未兑现”“绩效波动”等不同人才状态。

第三是不回溯。绩效结果没有反哺组织诊断和战略复盘。一个业务单元连续两年目标达成偏低，可能是负责人能力问题，也可能是组织结构不合理、资源配置不足、激励机制失效，甚至是战略目标设定偏离现实。如果绩效数据没有与组织架构、岗位配置、人员流动、人工成本、项目结果关联分析，集团总部只能看到表面分数，看不到背后的组织机制。

绩效管理的难点因此不是“多打几个维度”，而是让结果进入下一轮管理动作。

2. 多业态、多层级复杂性放大数据断层

集团型组织的绩效数据问题，比单体企业更复杂。原因在于集团往往同时存在总部职能、区域公司、事业部、工厂、门店、研发中心、共享服务中心等多种组织形态。不同业务单元的目标结构、绩效周期、评价指标、评分尺度不完全一致，本身有其合理性，但如果缺少集团层面的指标口径和数据标准，就会形成横向不可比、纵向难穿透的局面。

例如，制造型子公司强调交付、质量、成本与安全；销售型子公司强调收入、回款、客户拓展；研发团队强调项目里程碑、创新成果与技术沉淀；总部职能部门则更关注服务效率、专业支持和制度建设。如果这些指标都以各自方式存在，集团层面就很难判断：哪个单元是真正高绩效，哪个单元只是指标设定偏松；哪个团队的人才密度更高，哪个团队依赖个别骨干支撑。

层级问题同样明显。总部关心战略达成和资源配置，子公司关心经营目标和人员激励，部门负责人关心团队执行和员工表现。如果HR系统无法支持不同层级的数据权限、分析视角和报表口径，绩效管理就容易变成“总部要数据、基层填数据、没人真正用数据”。这类断层一旦长期存在，会削弱绩效管理在组织治理中的权威性。

适用边界也需要说明：并非所有绩效指标都必须完全统一。对多元化集团而言，业务差异客观存在。真正需要统一的是指标分类、评价尺度、等级规则、关键数据字段和结果应用逻辑，而不是把所有业务强行套进同一张考核表。

3. 绩效结果在人才决策中的隐性缺席

绩效数据孤岛最直接的后果，是人才决策中的隐性缺席。表面上，晋升、继任、培养、调岗都会参考绩效结果；但在实际评审中，真正发挥作用的往往是主管推荐、会议讨论、个别领导印象和近期事件记忆。绩效数据有时只是作为佐证材料，而不是决策模型的一部分。

这种现象并不罕见。晋升提名时，管理者容易放大近期表现，忽略过往趋势；继任计划中，候选人名单可能来自经验判断，而缺少关键岗位绩效表现、潜力评估和胜任力差距的组合分析；高潜识别中，一些员工因为“看起来有潜力”被纳入培养池，但其绩效稳定性、关键任务承担情况并未被系统验证。

问题的根源并不是管理者不重视数据，而是数据没有被加工成可用形态。原始绩效分数不等于人才洞察。只有当系统能够展示一个人连续数年的绩效趋势、不同维度得分变化、与同层级群体的相对位置、在关键项目中的贡献记录，绩效结果才会从“档案字段”变成“决策依据”。

绩效管理的价值不在“打分”，而在“用分”。数据断层的本质，是管理闭环的断裂——从战略目标到绩效执行，再到人才与组织反馈，最后一环长期没有闭合。

二、从评分到决策：绩效结果支撑人才决策的路径重构

绩效结果要真正支撑人才决策，必须完成从“评分归档”到“人才数据资产”的三层跃迁。这个过程既需要指标和流程重构，也需要HR系统把分散数据连接成可解释、可追踪、可调用的决策链。

图表1：绩效结果支撑人才决策的三层跃迁

1. 第一层：绩效结果的标准化与标签化

第一层跃迁，是把绩效结果从孤立分数转化为标准化、可比较、可调用的人才数据。对集团型组织而言，这一步看似基础，却决定后续所有分析的可靠性。

标准化首先涉及绩效指标口径。集团不必要求所有业务单元使用完全相同的指标，但需要统一指标分类和等级解释。例如，可将指标划分为经营结果、关键任务、能力行为、协同贡献、创新改进等类别，并规定不同类别在评价中的含义。这样，总部在跨单元比较时，至少能知道不同绩效结果代表的管理含义，而不是只看到一个抽象等级。

其次是等级标准统一。很多集团存在同名不同义的问题：同样是A等级，在某些子公司代表前10%的优秀员工，在另一些单位可能覆盖30%的人群；同样是B等级，有的代表稳定达标，有的则接近警戒线。若等级标准不清，绩效数据进入人才盘点后就会产生误判。集团HR系统需要固化等级规则、分布规则、校准规则和例外说明，保证数据可解释。

更关键的是标签化。绩效评分向人才标签转化，不能简单等同于“高分就是高潜”。较稳妥的做法，是把绩效等级、连续年限、趋势变化、关键维度得分、评价人反馈等信息组合起来，形成可被人才决策调用的结构化标签。例如：

• 连续高绩效：连续多个周期处于高等级，且关键任务贡献稳定；
• 持续成长：绩效结果呈改善趋势，能力短板逐步收敛；
• 绩效波动：不同周期表现差异较大，需要识别外部因素或岗位匹配问题；
• 高贡献低潜力：当前岗位表现强，但跨层级或跨场景迁移能力有限；
• 潜力未兑现：潜力评估较高，但绩效结果尚未形成稳定证明。

这类标签必须谨慎使用。它们不是给员工贴固定身份，而是为阶段性人才判断提供证据。标签要允许更新、允许解释，也要保留管理者复核入口，否则容易把动态人才状态固化为静态判断。

2. 第二层：绩效数据驱动的四类人才决策

第二层跃迁，是让绩效数据进入具体人才决策场景。绩效结果如果不能影响晋升、继任、培养、调岗等动作，就很难改变组织行为。

在晋升决策中，单次绩效高分不应成为“一锤定音”的依据。更有效的机制，是看连续绩效趋势、目标难度、岗位胜任力匹配度和跨团队协同表现。一个员工某一年绩效突出，可能来自业务风口、资源倾斜或短期项目机会；连续多个周期在不同任务中保持高质量交付，才更能说明其承担更高职责的稳定性。

在继任计划中，绩效结果要与潜力评估结合。九宫格方法的价值不在于形式，而在于把“过去贡献”和“未来可能性”分开讨论。关键岗位候选人既要看当前业绩，也要看学习敏锐度、复杂问题处理能力、领导力成熟度和组织影响力。对集团企业而言，继任计划尤其不能只停留在名单管理，而应通过系统持续跟踪候选人的绩效变化、发展任务完成情况和岗位准备度。

在培养发展中，绩效数据可以帮助组织从泛化培训转向精准赋能。传统培训容易围绕课程供给展开，员工参加了很多课，但未必解决绩效短板。若HR系统能够将绩效维度得分与能力模型、岗位要求、培训资源关联起来，就可以识别个人和团队的共性差距。例如某区域销售团队客户拓展指标持续偏低，可能需要的不是通用销售技巧，而是行业客户开发、渠道协同或解决方案能力训练。

在淘汰、调岗与预警场景中，绩效数据的作用不是简单筛人，而是提供早期识别和干预依据。持续低绩效可能来自能力不匹配、岗位不适配、目标不合理、管理支持不足，也可能与组织调整和外部市场变化有关。系统应提示风险，但最终动作仍需结合面谈、业务事实和合规要求。

表格1：绩效数据驱动的四类人才决策

绩效数据驱动人才决策，并不意味着完全交给系统裁决。更合理的定位是：系统提供证据、模型提供提示、管理者负责判断、组织制度约束边界。

3. 第三层：AI赋能的绩效—人才智能分析

第三层跃迁，是在标准化和场景化基础上，引入AI智能分析。AI在绩效管理中的价值，不是替代管理者打分，而是帮助组织识别偏差、发现趋势、提示风险和辅助推荐。

首先是AI绩效校准。集团型组织常见的评分问题包括趋中效应、宽严不一、部门保护、强制分布失真等。基于历史绩效数据、同层级人员分布、同岗位群表现、目标难度和评价人习惯，系统可以提示异常评分。例如某部门连续多年高等级比例明显高于集团平均水平，但经营结果并未同步领先，就需要进入校准讨论。这里的关键是“提示异常”，而不是直接判定谁的分数不合理。

其次是人才风险预警。绩效下滑并不必然意味着员工不胜任，也可能是角色变化、管理关系、激励不足或离职倾向的早期信号。如果系统能够将绩效趋势与考勤、岗位变动、薪酬竞争力、发展机会、敬业度反馈等数据综合分析，就可以更早识别关键人才流失风险。但这类分析涉及员工隐私和数据伦理，必须明确数据边界、授权规则和使用场景，避免过度监控。

再次是智能人才推荐。对晋升、继任和项目任命而言，AI可以基于绩效表现、胜任力匹配、岗位经验、发展记录和组织需求，生成候选人短名单，供管理层讨论。它的价值在于扩大视野，减少只看熟人、只看显性明星员工的偏差。对于集团总部来说，这尤其有助于跨区域、跨业务发现人才。

需要注意的是，AI分析依赖数据质量。若绩效指标口径混乱、历史数据缺失、评价规则频繁变化，AI只会放大原有偏差。因而AI不是第一步，而是建立在数据治理和管理机制成熟基础上的加速器。

绩效结果支撑人才决策的核心逻辑，是让数据说话替代单纯直觉判断。三层跃迁的实现，既需要管理机制配套，也需要HR系统在数据层面提供一体化支撑。

三、从评估到诊断：绩效结果驱动组织发展的机制设计

绩效结果不仅是个人评价工具，也是组织健康度的重要观察指标。关键在于，集团型组织要建立绩效数据反哺组织诊断的机制，而不是把组织发展停留在经验判断和阶段性调研上。

1. 绩效数据驱动的组织诊断四维模型

绩效数据用于组织诊断，首先要从“看个人分数”转向“看组织结构性信号”。单个员工的绩效变化可能有偶然因素，但一个团队、一个岗位群、一个业务单元在多个周期中的绩效分布变化，往往能反映组织运行状态。

图表2：绩效数据驱动的组织诊断四维模型

组织效能维度关注团队是否能稳定实现目标。一个团队的平均绩效高，并不等于组织效能高；还要看目标达成率是否持续、关键任务是否完成、绩效表现是否依赖少数个人。如果团队高绩效来自个别骨干长期超负荷贡献，组织效能就存在脆弱性。

人才密度维度关注关键岗位上的高绩效人才占比。集团型组织常常不缺人，但缺关键岗位上的合适人。如果某业务单元关键岗位长期由低绩效或绩效波动人员承担，说明组织的人才配置存在结构性风险。相反，如果某类岗位持续出现高绩效人才集中，集团可以考虑将其经验沉淀为干部培养、岗位任职资格或最佳实践。

组织活力维度关注绩效分布形态。过度趋中可能意味着评价不敢拉开差距，激励失效；两极分化可能意味着团队能力差距过大、资源配置不均或管理机制失衡。绩效分布本身不是目的，但它能提示组织是否存在“你好我好”的评价文化，或“强者更强、弱者失声”的内部结构。

战略对齐维度则关注绩效目标与战略重点之间的偏差。很多组织绩效看起来完成得不错，但战略任务推进缓慢，原因可能是指标设定偏运营化，未能覆盖真正关键的转型目标。集团HR系统应支持将绩效指标与战略主题、年度重点任务、组织目标进行关联，帮助管理层识别执行偏差。

这一模型适用于已有较稳定绩效周期和组织数据基础的集团企业。若企业仍处于组织架构频繁调整、绩效制度尚未稳定的阶段，应先建立基础数据和评价规则，再逐步推进组织诊断模型。

2. 集团型组织的差异化绩效—组织联动机制

集团型组织不能用单一视角理解绩效数据。总部、事业部、子公司、部门负责人看到的数据层级不同，关注的问题也不同。因此，绩效结果驱动组织发展，必须建立差异化联动机制。

总部视角强调全局对标和资源配置。集团总部需要看到不同业务单元的绩效分布、目标达成、人才密度、关键岗位风险和组织效能变化。其目的不是替代子公司管理细节，而是判断资源应该投向哪里、哪些单元需要组织干预、哪些管理实践值得复制。总部关注的是结构性问题，而不是单个员工的日常表现。

事业部或子公司视角强调单元内匹配。业务单元更关心绩效目标是否合理、团队能力是否支撑业务计划、干部配置是否匹配增长阶段、人员结构是否需要调整。例如某子公司收入增长放缓，同时销售团队绩效分布趋中、客户拓展指标连续偏弱，这就可能触发销售组织重构、区域划分调整或负责人能力评估。

时间维度同样重要。组织发展不是一次性诊断，而是连续跟踪。绩效数据的“时间切片”可以用于观察组织变革前后的效果。例如组织重组前后，目标达成率是否改善；负责人调整后，团队绩效分布是否更健康；培养项目结束后，关键岗位后备人才的绩效是否提升。没有时间维度，组织诊断容易变成静态体检；有了时间维度，管理层才能判断干预是否有效。

差异化机制还要求系统支持权限分层。总部能看全貌，子公司能管细节，部门负责人能看团队，员工能看个人发展反馈。若权限过宽，会带来隐私和管理风险；若权限过窄，又会限制数据价值释放。

3. 从诊断到行动：绩效结果触发的组织干预

组织诊断如果不连接行动，就会成为另一种报表负担。绩效结果驱动组织发展，必须明确哪些信号会触发哪些管理动作。

对于绩效持续低迷的组织单元，集团应区分三类原因：战略目标不合理、组织能力不足、管理责任不到位。若是目标设定偏离市场和资源条件，需要调整目标和资源配置；若是组织能力不足，需要补充关键人才、优化岗位结构或开展专项能力建设；若是管理责任问题，则可能涉及负责人调整、授权机制重构和绩效责任追踪。简单把低绩效归因于员工不努力，往往会掩盖组织设计问题。

对于高绩效团队，管理动作不应只停留在奖励。更重要的是萃取最佳实践，分析其目标设定、管理节奏、人才结构、激励方式和协同机制，并判断是否可复制到其他单元。这里需要谨慎：不是所有高绩效经验都能跨场景复制。依赖特定市场窗口、特殊客户资源或个别领导风格的做法，复制价值有限；基于流程、能力和机制形成的经验，才更值得沉淀。

对于编制优化和岗位调整，绩效数据可以提供重要依据。某些岗位长期绩效低、工作量不足，可能提示岗位价值需要重估；某些岗位绩效压力持续过高、关键任务无法按期完成，则可能说明编制不足或角色设计过载。绩效数据与岗位体系、编制数据联动后，组织调整就不再只依赖预算约束，而能兼顾能力供给和业务需求。

对于组织发展项目，绩效数据还可以用于效果回溯。很多OD项目在启动时目标明确，但结束后缺少量化验证。若系统能够追踪干预前后的团队绩效、关键能力指标、协同反馈和人才流动变化，组织发展就能从活动管理转向效果管理。

绩效结果驱动组织发展的关键，是从评价个人走向诊断组织。这一跃迁要求HR系统具备绩效数据与组织数据的双向打通能力，以及穿透式分析的可视化支撑。

四、系统破局：2026年集团型组织HR系统建设的关键能力

绩效结果支撑人才决策与组织发展的落地，最终取决于HR系统是否具备一体化数据闭环与AI智能分析两大能力。没有数据闭环，管理机制难以固化；没有智能分析，集团总部难以及时识别复杂组织中的趋势和风险。

1. 一体化数据闭环：打通绩效—人才—组织的关键链路

一体化数据闭环的第一项任务，是打通绩效数据与人才画像。人才画像不能只包含基本信息、学历经历和任职记录，还应纳入绩效趋势、关键任务贡献、能力评价、培训发展、职业偏好和岗位适配情况。这样，人才盘点不再是临时汇总，而是基于持续沉淀的数据资产展开。

第二项任务，是打通绩效数据与胜任力模型、任职资格和培训记录。绩效结果告诉组织“表现如何”，胜任力模型解释“为什么表现如此”，培训记录则提示“组织是否提供了发展支持”。三者联动后，HR才能判断一个人的低绩效是能力短板、岗位错配，还是发展资源不足。对员工而言，这也能提升绩效反馈的建设性，避免评价停留在结果批判。

第三项任务，是打通绩效数据与组织架构、编制和岗位体系。集团型组织的绩效问题经常嵌入组织结构之中。某部门低绩效，可能与岗位职责交叉、授权不足、流程冗长有关；某岗位群绩效普遍偏低，可能与任职门槛、培养路径或薪酬竞争力有关。只有绩效数据与组织数据联动，HR系统才能支持从个人问题到组织问题的穿透分析。

第四项任务，是建立集团多级管控下的数据标准与权限机制。总部需要统一主数据、指标口径、等级规则和分析模型；子公司需要保留业务差异和配置灵活性。较可行的模式是“统一平台 + 差异化配置”：集团建设统一数据底座和治理规则，各业务单元在统一框架下配置适配自身业务的绩效方案。

这一路径的副作用也要提前识别。过度统一会削弱业务灵活性，过度分散会破坏数据可比性。集团HR系统建设的难点，正在于在标准化与差异化之间找到治理边界。

2. AI智能分析：从“看数据”到“看差距、看风险、看动作”

2026年的HR系统建设，AI智能分析不应只被理解为自动生成报表。对集团型组织而言，更有价值的是让系统帮助管理者看差距、看风险、看动作。

AI智能驾驶舱可以把绩效、人才、组织数据放在同一分析视图中。例如管理层不仅能看到各业务单元绩效分布，还能看到关键岗位人才密度、后备人才覆盖、绩效波动风险和组织效能趋势。驾驶舱的价值不在于图表多，而在于能把管理问题按层级展开：集团看全貌，业务单元看结构，部门看改进点。

分析模型库是另一项关键能力。集团可预置绩效—人才关联模型、组织效能分析模型、继任准备度模型、低绩效风险模型等，将管理方法固化为可复用的系统能力。没有模型库，数据分析往往依赖个别HR分析师或IT团队，难以规模化复制。

敏捷BI分析则解决管理层自助探索问题。集团组织中的问题往往不是固定报表能完全覆盖的。例如某业务线突然出现高绩效人才流失，管理层需要快速交叉分析绩效、薪酬、岗位变动、上级变化和区域差异。如果每次都依赖IT取数，决策速度会被拖慢。敏捷BI让HR和业务管理者在权限范围内自主分析，是提升数据使用率的重要条件。

AI辅助决策建议则处于更高阶阶段。系统可以基于绩效趋势、岗位要求、组织需求和人才画像，提示晋升候选、继任候选、调岗建议或培养路径。但这些建议必须保留人工复核，尤其在晋升、淘汰、薪酬等高影响决策中，组织应建立透明的规则说明和申诉机制。

AI越深入决策，越需要治理。数据偏差、模型不可解释、过度自动化和隐私风险，都是集团型组织必须提前纳入制度设计的问题。

3. 集团型组织HR系统建设策略：从数据通到分析深再到决策智

集团型组织HR系统建设不能一次性追求大而全。更稳妥的路径，是按照“数据通—分析深—决策智”的顺序推进。先解决数据链路，再建设分析模型，最后进入智能推荐和辅助决策。

表格2：集团型组织HR系统建设分阶段推进路径

第一阶段“数据通”，重点不是上线更多功能，而是打通关键数据链路。集团应优先明确主数据、组织架构、岗位体系、绩效指标、人才标签、权限规则等基础事项。若这些基础不稳，后续AI分析很难可靠。

第二阶段“分析深”，重点是把数据转化为管理洞察。集团可以围绕绩效趋势、人才密度、组织效能、战略对齐建立分析看板，并在总部、子公司、部门三个层级形成固定复盘机制。数据只有进入会议、进入流程、进入决策，才会真正改变管理行为。

第三阶段“决策智”，重点是引入AI辅助推荐和预警。此时系统不只是记录和展示，而是能够提示差距、识别异常、生成建议。对集团企业而言，这一阶段还需要同步考虑信创、安全和自主可控要求，特别是在关键人才数据、干部数据、薪酬绩效数据集中管理的场景下，数据安全是刚性底线。

2026年集团型组织HR系统建设的分水岭，在于系统是否完成从流程工具到决策引擎的跃迁。一体化数据闭环是基础，AI智能分析是加速器，二者缺一不可。

红海云总结

回到开篇提出的矛盾，绩效结果丰富但人才决策贫乏，根因并不只在绩效管理本身，而在绩效数据与人才决策、组织发展之间的通路没有打通。对集团型组织而言，绩效管理的价值不应止于评估，而应进入驱动：驱动人才精准任用，驱动组织持续改进，驱动战略执行复盘。

面向2026年HR系统建设，集团企业可以从以下几项动作切入：

• 先统一数据口径，再谈智能分析。 绩效等级、指标分类、组织主数据、岗位体系和人才标签，是绩效结果进入人才决策的基础。没有统一口径，AI分析和跨单元对标都会失真。
• 把绩效结果制度化嵌入人才决策。 晋升、继任、培养、调岗不应临时调用绩效数据，而应在制度中明确绩效趋势、胜任力匹配、潜力评估和管理复核的使用规则。
• 建立绩效—人才—组织的闭环复盘机制。 集团总部应定期从组织效能、人才密度、组织活力、战略对齐四个维度观察绩效数据，让绩效结果反哺组织诊断和资源配置。
• 分阶段推进HR系统建设。 先实现数据通，再推进分析深，最后建设决策智。红海云一体化eHR系统的建设价值，也应放在这一闭环中理解：不是简单替代线下流程，而是帮助集团型组织形成绩效、人才与组织数据联动的管理底座。
• 为AI辅助决策设置边界。 AI可以提示风险、识别异常、推荐候选，但不能替代组织责任。涉及晋升、淘汰、干部任用等高影响决策时，仍需保留人工复核、规则解释和合规审查。

当绩效结果能够从评分表走向人才画像，从年度归档走向组织诊断，从静态记录走向智能建议，集团型组织的HR系统才真正进入决策支撑阶段。2026年的关键，不是谁拥有更多模块，而是谁能把绩效数据转化为可执行的人才和组织动作。