专家解读 | 万晓榆：大数据智能化人才评价体系思考
作者简介：万晓榆，博士，二级教授，硕士生导师，重庆市巴渝学者，重庆邮电大学经济管理学院院长，重庆邮电大学现代邮政学院院长。主持国家社会科学基金，国家自然科学基金子课题，科技部科技重大项目，工业信息化部通信软课题等省部级项目10余项；负责建设重庆市特色学科群《数字媒体与信息管理》和重庆市精品课程《通信组织与运营管理》；完成相关单位委托咨询项目30余项，获得技术发明专利5项，软件著作版权2项，出版著作10部，发表SCI,SSCI,EI,CSSCI学术论文100余篇；获得国家级教学成果二等奖，重庆市科技进步二等奖，重庆市发展研究三等奖等8项科研奖励。
人才评价是人才发展体制机制的重要组成部分，是人才资源开发管理和使用的前提。建立科学的人才分类评价机制，对于树立正确用人导向、激励引导人才职业发展、调动人才创新创业积极性、加快建设人才强国具有重要作用。为贯彻落实中央和国务院办公厅《关于分类推进人才评价机制改革的指导意见》（中办发〔2018〕6号）精神，以及市委、市政府关于《重庆市科教兴市和人才强市行动计划（2018-2020年）》《重庆市以大数据智能化为引领的创新驱动发展战略行动计划（2018—2020年）》部署，建立符合重庆发展实际的大数据智能化人才评价体系，对助力创新型高素质人才队伍建设以及助推网络强市、数字重庆、智慧重庆建设具有重要意义。
一、大数据智能化人才评价基本原则
大数据智能化人才定位于大数据智能化产业的顶尖、高端人才，是推进重庆市经济高质量发展的重要支撑，其岗位涉及核心数据资源和重大应用安全等属性，因此对于大数据智能化人才的评价应着重突出公平、公正、公开，遵循德才兼备以德为先、合理分类科学评价、突出重点绩效优先、宽严适度促量提质的原则。
1. 德才兼备、以德为先。坚持政治立场和业务能力相统一，突出政治导向，始终将思想品德、职业操守、从业行为置于优先位置，引导人才跟党走，坚决实施德行不过关“一票否决制”，确保正确的评价方向。
2. 合理分类、科学评价。结合大数据智能化领域岗位多元化、知识复合化、技能融合化等特性，合理划分评价的类别与级差，科学设置各类各层级人才评价的范围、标准、方法、权限，充分发挥市场、社会组织、专业机构等的评价主体作用，增强评价工作的针对性、科学性和公信力。
3. 突出重点、绩效优先。结合大数据智能化行业发展特点，重点突出创新能力和工作绩效，强化理论突破、技术创新、专利发明、成果转化、技术推广、标准制定、决策咨询、公共服务等指标权重，重点考察取得的经济和社会效益，营造求实创新的评价导向。
4. 宽严适度、促量提质。结合我市大数据智能化人才结构和人才需求实际，坚持需求导向，突出实作能力，大胆打破户籍、地域、人事关系等限制，不唯资历、不唯论文，降低年龄要求，注重考察创新性和实际成果，促进人才量质齐升。
二、大数据智能化人才的定义与维度
重庆市政府首次提出“大数据智能化”的概念，并明确指出大数据智能化产业包括大数据、人工智能、集成电路、智能超算、软件服务、物联网、汽车电子、智能机器人、智能硬件、智能网联汽车、智能制造装备、数字内容等12个智能产业。考虑到大数据智能化人才在12个智能产业中某一专业领域具有较深的造诣和独到的见解，可以将大数据智能化人才界定为在12个智能产业中从事科学发现、技术发明及技术创新活动，寻求突破原有理论、技术和方法以及产出创新应用成果，为经济高质量发展和社会进步做出重要贡献的人才，主要包括基础研究人才、开发应用人才、工程技术人才和运营管理人才4类。
1. 基础研究人才。是指开展类脑智能计算、高级机器学习、智能控制与优化决策等前沿基础理论研究，多源异构数据决策知识发现、多传感器一体化集成、边缘计算与多源信息融合等关键共性技术攻关，揭示大数据智能化领域的客观规律，引领基础理论知识创新的人才。
2. 开发应用人才。是指在大数据、人工智能、集成电路、智能超算、软件服务、物联网、汽车电子、智能机器人、智能硬件、智能网联汽车、智能制造装备、数字内容等大数据智能化产业和产业融合、政府管理、民生服务、公共产品、社会治理等领域的大数据智能化应用中，开展新方法、新技术、新应用、新产品的研究与开发的人才。
3. 工程技术人才。是指在大数据智能化领域相关产业和应用的生产活动全过程中，承担工程设计、测试、优化、运维、咨询、管理和服务等环节任务，主要将开发应用人才所研究开发的新方法、新技术、新应用、新产品等成果进行集成并运用于工程实践中的技术人才。
4. 运营管理人才。是指在一二三产业和经济社会各领域中，运用大数据智能化手段，完成项目规划、项目实施、活动组织、制度创新等管理工作，并提供技术服务、成果转化服务、知识产权服务等专业服务，具有开拓创新精神和指导实践能力的应用型、复合型管理人才。
以上4类大数据智能化人才在经济高质量发展中发挥着不同的作用。基础研究人才位于创新链源头，其研究成果能够对技术发展起到方向性作用；开发应用人才是创新链的引擎，能够将抽象的新理论、新知识转化为可以使用的技术，实现从认识自然到改造自然的重要转折；工程技术人才是创新链的拉力，能够以设计新项目、开发新产品时遇到的技术难题来拉动理论与应用技术的研究；运营管理人才是整个创新链的动力，可以实现知识“经济化”与创新成果产业化。
与此同时，4类大数据智能化人才与近期人社部确定的人工智能、大数据、物联网、云计算等13个新职业也比较契合，其中人工智能工程技术人员、物联网工程技术人员、大数据工程技术人员、云计算工程技术人员属于开发应用人才，建筑信息模型技术员、电子竞技员、无人机驾驶员、物联网安装调试员、工业机器人系统操作员属于工程实践人才，工业机器人系统运维员、数字化管理师、电子竞技运营师、农业经理人属于运营管理人才。
三、大数据智能化人才评价标准与方法
依据我市大数据智能化人才的岗位特点，分类健全涵盖品德、工作能力、工作业绩等要素的人才评价标准，注重创新质量、统筹能力绩效、结合团队贡献，实行差异化评价。
1. 品德评价
把思想品德作为大数据智能化人才评价的基础和前置因素。重点评价政治思想上是否拥护中国共产党的领导、树立正确的政治方向、践行社会主义核心价值观等方面，报国情怀上是否自觉投身中国特色社会主义事业、为国为民担当奉献、创新推动高质量发展等方面，职业操守上是否遵守科技行为准则、恪守人工智能的法律、伦理边界和维护国家、集体、个人数据安全等方面。
在评价方式上，以平时表现为基础，注重个人评价与他人评价、正向评价与反向评价相结合。正向评价突出爱国守法、诚实客观、科学民主、团结协作、追求卓越、勇于奉献等行为。反向评价突出科研诚信状态，在科研项目申请、实施、结题验收、业绩评价、成果发布等重要节点以及科研活动全过程是否存在学术不端行为。可采用民主测评、单位认定、行业审核等方式进行。
2. 基础研究人才评价
工作能力方面，以在前沿基础理论和关键共性技术研究的科学价值、学术水平、学术影响力和学术贡献度作为主体评价因素。重点评价其在大数据智能化领域的基础理论和前沿技术突破的创新能力与跨学科复杂程度，以及带领研究团队提出、分析和解决重大科学问题的能力。
工作业绩方面，以其代表性成果的原创性、前瞻性为主要测评点。主要包括：突破性基础理论和前沿技术的学术思想及观点被同行关注与认可度，国内外权威学术组织和学术期刊任职，高水平学术论文、专著等成果发表，重大影响力学术会议的主办与承办和受邀演讲，以及在大数据智能化领域中基础创新人才培养、优秀创新团队建设、学科水平提升等方面的理论贡献。
在评价方式上，可根据研究领域，合理确定评价周期，突出中长期目标导向，采用客观数据分析、现场答辩、专家评审等信息化评价方法。
3. 开发应用人才评价
工作能力方面，以开发应用成果和关键技术发明转化度作为主体评价因素。重点评价在大数据智能化领域相关产业和应用的前沿技术突破能力、共性技术集成能力，以及相关成果应用的创新能力。
工作业绩方面，以其代表性成果的创新性、技术转化度为主要测评点。主要包括：在大数据智能化领域相关产业和应用技术成果的创新性、创造性和成熟完备性，突破性技术指标的先进程度、复杂程度，有效发明专利、软件著作权等自主知识产权获得和转化应用，以及大数据智能化领域相关产业和应用技术标准制定等方面的应用贡献。
在评价方式上，可采用实地调查、数据评估等方式，按照任务节点进行评价，充分体现成果和技术可应用到实践中的评价标准。
4. 工程技术人才评价
工作能力方面，以工程技术质量、产业发展、行业应用贡献程度作为主体评价因素。重点评价对智能应用场景解决方案的提供能力、数据应用流程设计能力、数据管理与服务平台架构的搭建、调试、监控及优化能力，以及应用成果产业化、市场化和对产业转型升级、行业提质增效的带动能力。
工作业绩方面，以其代表性成果在大数据智能化领域工程建设项目的建设规模、技术难点攻关效果和取得的经济、社会和生态效益为主要测评点。主要包括：大数据、智能感知、人机交互、智能物联网等关键共性技术的推广转化应用，智能芯片、智慧解决方案等产品的市场占有率、市场认可度，以及在促进科技进步、推动产业发展、提高市场竞争能力等方面的实践贡献。
在评价方式上，可通过实地调研、用户反馈意见等形式进行跟踪评价，且适当增加应用主体的评价权重。
5. 运营管理人才评价
工作能力方面，以提高行业综合管理、企业经营绩效、政府治理效能作为主体评价因素。重点评价利用大数据智能化手段进行市场需求分析、生产流程优化的能力，供应链与物流管理、资源配置效率和提供智能应用等服务的能力，以及健全数据管理体制机制的能力。
工作业绩方面，以其代表性成果在提供政府决策参考、提升企业经营效率、履行社会责任等方面的履责绩效和业绩贡献度为主要测评点。主要包括：运用大数据智能化手段在资源配置效率提升、经营模式创新、业务流程优化、平台维护与运作管理、项目执行质量、风险识别及管控等管理绩效，经营服务数量质量、服务对象满意度等的业绩贡献。
在评价方式上，可通过业绩评估、专家评估、社会评价等方式，实行周期考核评价。
四、创新驱动下人才评价管理措施
此外，按照科学流程、合理设定指标标准与方法只是大数据智能化人才评价体系的基础，而有效的组织实施是对大数据智能化人才评价体系的效用发挥的重要保障。因此，还需进一步完善创新驱动战略下的大数据智能化人才评价管理措施。
一是充分落实用人单位自主权。支持用人单位结合工作实际细化评价标准、量化评价指标、创新评价方法、规范评价程序，建立符合不同岗位的大数据智能化人才评价指标体系；赋予用人单位更多的人才评价权限，用人单位要将人才评价权利进一步下放到基层部门，尤其是高校内不同领域、从事不同研究的科技人才具有不同的成长规律。
二是加快项目信用体系建设。实施主管部门共享项目信用评价信息，加快建立覆盖项目指南编制、评估评审、立项实施、结题验收的全过程信用记录。充分尊重科研人员的自主性，项目申报期间，以科研人员提出的技术路线为主进行论证。同时加大对不端行为的查处和惩戒力度，引导大数据智能化各类人才严格自律，净化信用评级环境。
三是营造人才评价良好氛围。落实以增加知识价值为导向的分配政策，推进大数据智能化人才评价与科研项目评审、机构评估、团队创新的有机衔接。简化评价程序，动态分析所评价人才品德、能力和业绩。健全流动机制，保障人才在高校、科研院所和企业之间合理流动。加强人才评价政策宣传，发挥舆论的正确引导作用，营造人才评价良好氛围。
