國有企業工資總額決定數智化機制探索

摘要：針對集團型國企下屬企業工資總額決定機制，利用雙曲正切函數契合性特征、采取適當方法解決函數不契合之處，建立多項績效因素直接決定工資總額的數智化機制。數智機制解決了傳統機制評價主觀性、過度去量綱化、機制易變及適應度低等問題，業績反饋更敏感、結果更客觀、機制更穩定、可信賴度更強，因此，更具激勵牽引作用。文章通過對比、模擬、實證分析，尋找到建立數智化機制的路徑。希望數智機制能為提升工資總額機制激勵效能、人力資源業務數智化轉型、企業經營管理提供更豐富工具，為進一步探索科技等生產要素再分配的合理占比提供新思路。

關鍵詞：工資總額；雙曲正切函數；數智機制

國有企業工資總額決定機制，是國企激勵的首要機制，影響因素多、承擔的職能多。以下從分析工資總額傳統機制入手，探索決定工資總額的數智化機制（以下簡稱數智機制）。

一、傳統機制分析

影響工資總額的核心要素在于經營績效，同時，行業特性、技術裝備水平、時間維度（即期與長期）、視角廣度（宏觀與微觀）、內部公平性、外部競爭力，以及現實挑戰、地域差異、市場波動等因素亦需納入考量。工資總額機制的核心職能在于激勵牽引，同時兼備保障、調控及風險預防等多重功能，這些因素或職能之間相互交織，時而產生微妙沖突。

激勵牽引之力，源自激勵水平與激勵信用的雙重塑造。鑒于影響因素眾多、職能需求繁復，工資總額傳統機制往往頻繁調整，信用度易受波及，管控躍居主導，溝通成為紐帶，而原本的激勵牽引功能則退居次要地位。此類現象，根源在于傳統機制的三大特性。

第一，評價導向的決定模式，是傳統機制的典型體現，其核心在于“評價引領”，遵循“業績→評價→激勵”的邏輯路徑。業績須經評價方能作用于激勵，而評價標準、方法及結論易受人為因素影響，執行偏差、博弈行為及主觀隨意性等問題屢見不鮮。

第二，績效數據過度去量綱化處理。去量綱化雖有其必要性，但傳統機制常以實績與目標的比值來衡量業績，從而忽略了績效指標間的量級差異，削弱了不同量級指標在經營中的獨特作用，即便通過權重進行再調整，效果也微乎其微。例如，利潤總額經“業績實績/業績目標”處理后，與人事效率指標同以百分比呈現，二者在經營中的作用差異在數據層面已難以顯現。

第三，數智化水平不足也是傳統機制的一大軟肋。部分模式雖具數學特性，但績效指標設計過于簡略，或缺乏全面的數學模型支撐，導致其功能作用有限，適應性不強。

二、建立數智機制

數智化革新為激勵機制的構建開辟了嶄新路徑，并賦予了強大技術支撐。

（一）理論基礎與模型選擇

經過精密的模擬運算與反復比對，本文創新性地提出將雙曲正切函數作為數智機制的核心驅動力。雙曲正切函數在物理學、工程學、神經網絡設計中被廣泛應用，函數特性在高等數學中有詳細解釋，圖像形狀類似于S型，在x=0附近增長速度較快，隨著x絕對值增大，增長速度逐漸變緩。該函數獨特的數學形態與激勵機制需求完美契合。

1. 契合性深度剖析

（1）全域覆蓋：雙曲正切函數定義域橫跨正負無窮，能容納任何績效數據，確保了激勵機制的廣泛適用性。

（2）收斂特性：函數值收斂于-1至+1之間，通過轉換，可精準調控工資總額增長率或提取比例等關鍵指標，本文統稱其為“薪酬率①”；通過設置薪酬率調整系數u，可賦予激勵機制高度的靈活性（如u=1時，薪酬率波動于-10%至+10%之間；u=2.5時，則擴展至-25%至+25%的區間）。函數值通過以下計算轉換為薪酬率：

薪酬率r=u×初始薪酬率r0=u×（tanh（x）×10）%

（3）正向激勵：函數的單調遞增特性與正向激勵原則不謀而合，有效激發員工積極性。

（4）激勵梯度：函數曲線的切線斜率隨自變量絕對值增大而漸趨平緩，恰似激勵機制中，隨著業績增長，激勵力度雖增但增幅遞減的常態規律。

（5）正負對應：自變量與函數結果的正負一致性，完美映射了業績與激勵的正向或負向關聯，強化了激勵機制的導向作用。

雙曲正切函數的這些特性，猶如一盞明燈，照亮了“穩健前行，避免虧損”的道路，引導員工積極作為。

2. 函數非契合性分析

當自變量超出一定范圍后，雙曲正切函數的區分度驟減，呈現出不論業績值差異多大其薪酬率都基本相同的現象，可能導致激勵失效。通過觀察，發現自變量在區間（-3.6，+3.6）內，函數值差異明顯，超出此范圍則差異難以觀察。因此，將區間（-3.6，+3.6）定義為有效激勵區間，見圖1。

績效數據的分布總體上符合正態分布規律。傳統模式對績效數據進行“實績/目標處理”處理后，數據結果基本上處于區間（-1，+1）；在利潤、資產負債率、凈資產收益率、營業現金比率、研發經費投入強度、勞動效率等“一利五率”指標中，“五率”分布也在（-1，+1），僅“一利”超越該區間。因此，將（-3.6，+3.6）定義為以雙曲正切函數為核心驅動力的數智機制的有效激勵區間，既符合函數特點，又符合績效數據主要分布形態，同時為呈現數據量級保留了足夠空間。

通過績效數據的去量綱化處理和權重設置，可有效利用這一區間，避開激勵無效區間。

（1）績效數據適當去量綱化處理，既解決多項績效數據的可合并計算問題，又可克服雙曲正切函數的非契合性問題。處理方法遵循“適度”原則：在去除計量單位的同時，力求保持數據量級差異的最小形變。具體步驟包括：

第一步：用“有計量單位的績效數據/該計量單位”去除計量單位，形成無計量單位的指標數據。

第二步：區間歸化處理。將無計量單位的指標數據，經過“壓縮”處理后歸入（-3.6，+3.6）區間。“壓縮”原則是，如果所有數據都在（-3.6，+3.6）區間范圍，則不需進行該處理；如果僅有極少數據超過（-3.6，+3.6），則該指標的數據也可以不進行處理；如果有較多個數據超過（-3.6，+3.6）區間（可按二八原則判斷，某一指標的數據有20%超出激勵區間），則進行區間歸化處理，方法為：

區間歸化指標數=無計量單位指標數÷該指標數最大值×3.6

公式中的“該指標數大值”，可用歷史數據最優值，也可用次優值或排名前20%優秀值的均值，視情況而定。該值確立后宜保持穩定，以增加不同年度間縱向可比性。

在第一步采取合理的計量單位時，也可以同時實現第二步目標。

（2）設置指標權重加權計算。人為設定的權重為名義權重，承載著管理期望，參與計算過程，引導激勵機制向期望方向傾斜。與傳統模式相比，數智機制中的權重更側重于“平衡差異”，通過調節大、小量級數據指標的實際權重，確保激勵機制的公平性與有效性。同時，這一設置還避免了加總結果受指標項目數量影響的弊端，保持了加總結果的穩定性與一致性。

權重設置根據企業特性、重點引導方向等因素而定，如：制造業側重利潤總額，科技企業側重研發投入轉化率；生產爬坡階段注重產品產量和合格率、擴張階段注重市場占有率等。

（二）數智機制的績效體系

經營業績是決定工資總額的核心考量。鑒于工資總額受多重因素影響，且經營業績指標紛繁復雜，因此，工資總額的決定機制應依托一套全面、綜合反映經營成果的指標體系。

傳統模式下，受管理成本、效率及博弈等因素制約，指標數量往往受限。數智機制憑借強大運算能力、業績直接決定激勵等優勢，可有效消除博弈現象，使得管理成本、效率及流程等環節不再成為指標數量的限制因素。在此基礎上，數智模式下的績效體系（含參數體系）可以根據體系需求靈活選擇指標、根據行業近似原則進行個性化策劃。

目前，績效體系已相當成熟，諸如“一率五率”等指標被廣泛應用。但針對數智機制的特點，特別強調“外部指標”與“對稱指標”的重要性。

外部指標不容忽視。績效指標多由企業內部的所有者、經營者和管理者制定，而引入外部視角有助于更全面地評估企業的外部性。盡管外部指標獲取難度較大，但ESG評價因其社會視角，可作為有效的外部指標加以利用。

對稱指標對保障激勵公平性至關重要。這類指標從對稱或對立的角度出發，能夠更全面、深入地反映業績情況，如“總額”與“率或人均”“靜態量”與“增量”等。合理組合對稱指標，可以更準確地評估企業的經營能力和貢獻。例如，對于“大而壯”與“小而美”兩種類型的企業，關注利潤總額和人均利潤等對稱指標，可實現公平有效的激勵。值得注意的是，盡管傳統機制同樣需要對稱指標，但過度去量綱化卻在一定程度上淡化了這一要求。

（三）數智機制的數據處理與計算流程

指標體系確立并獲取業績數據之后，需開展數據整理工作，涵蓋去量綱化處理、負向指標正向轉化、定性指標量化以及加權計算等多個環節。

1. 負向指標正向整理

負向及雙向指標均需執行正向化處理，以確保數據的正向性與激勵效果。處理時，需精心維護原始數據的特性。依據指標特性可選擇“標準值-實際值”或“（標準值-實際值）/標準值”兩個方法之一計算，其中，標準值可以選擇目標值、最優值、平均值或中位值等，視具體情況而定。雙向指標在正向區間內無需處理，在負向區間則按負向指標的處理方式正向處理，將臨界值設定為標準值。

2. 定性指標量化處理

定性指標經過量化處理方能參與數智計算。量化處理可借助賦值法實現，賦值范圍需控制在（-3.6，3.6）的區間內；賦值規則需兼顧其他多數指標的數量級，遵循“經營中作用相當、與多數或相似指標量級可比”的原則，以確保合理性與科學性。

3. 參數代碼及計算流程

為便于搭建數智機制，須建立績效因素、參數代碼。假設集團公司有n個下屬企業，績效體系有m個績效指標，建立代碼表見表1。

根據以上討論，按照計算順序計算流程如下：

（1）定性指標量化。按照上文原則建立量化規則。

（2）負向指標正向化計算。

方法1：p′0=標準值-負向指標實際值p0

或方法2：p′0=（標準值-負向指標實際值p0）÷標準值

（3）績效指標去計量單位：x0=p′0÷該計量單位

（4）區間歸化處理：x=x0÷該指標數量最大值×3.6

（5）設置各指標權重、加權計算。權重系數w的設置后，對具體指標加權計算。以j企業為例：sji=xji×wi

（6）對企業加權指標數據求和。以j企業為例：sjt=∑（sji）

（7）計算初始薪酬率。以j企業為例：rj0=（tanh（sjt）×10）%

（8）確定系數u，計算最終薪酬率。以j企業為例：rj=u×rj0

（四）工資總額核算及決策

薪酬率作為薪酬調整幅度或薪資提取比例，需與工資總額基數或利潤總額等數據計算，以精確確定工資總額?；谝韵聝纱髾C制，提出一套工資總額核算方案。

1. 工資總額變量與存量轉換的優化機制

將當年薪酬變動量（增或減）全盤轉化為次年工資總額存量，則與經營業績的實現及增長存在邏輯沖突。數智機制需精準定位平衡點，構建正向循環，平衡點應源自薪酬結構。工資總額囊括固定與浮動薪酬，據此，可依據薪酬結構中固定薪酬比例，將工資總額變動量的一部分納入次年存量，既尊重固定薪酬剛性，又化解邏輯矛盾。

2. 效率雙重導向機制

首層導向在于將效率指標融入數智系統的指標體系；第二層導向則是在核算工資總額時，摒棄員工人數作為薪資計算因子。員工人數所衍生的“人均指標”僅作為驗證結果的輔助參數。

3. 工資總額核算策略

結合上述兩個機制，提出以下工資總額核算的核心策略。

（1）薪酬率作為決定工資總額變動量的關鍵因素：工資總額=工資總額基數×（1+薪酬率）。

（2）薪酬率作為工資總額提取比例關鍵因素：工資總額=薪酬率×利潤等業績數據。

4. 國有企業工資總額決策流程

國有企業工資總額核算結果須按決策流程審議后執行。由于經營環境不可預測，機制設計難以盡善盡美，因此，通過決策程序進行適時關注和調整，也是客觀需要。

三、案例驗證

（一）案例公司基本情況

案例公司下屬企業17家，業務相似，發展略有差異，按照“一利五率”實施績效評價，近三年績效數據完備。

（二）建立數智機制、核算工資總額

1. 完善績效指標體系

在“一利五率”基礎上增加利潤總額的對稱指標“人均利潤”；增加ESG評價外部指標。完善后指標體系共包含8項指標。

2. 指標正向整理

“資產負債率”是雙向指標。以經驗值75%為臨界值，75%及以下按照實際值，超過75%的進行正向處理。

3. 定性指標量化處理

ESG依據定性結果進行量化處理。根據上文原則量化規則：無ESG發布賦值為0，ESG評級為CCC賦值為0.025，每增加一個評級增加0.02，最高評級AAA賦值為0.145。

4. 去量綱化處理

利潤總額、人均利潤需去量綱化處理，分別將單位統一為億元、百萬元/人去量綱化后，僅1個數據大于3.6，不再作區間歸化處理。

5. 設置名義權重

依據名義權重作用、管理期望，并考慮指標體系構成，設置名義權重：利潤總額、人均利潤為對稱指標，權重相同各為25%；資產負債率為4%；凈資產收益率、勞動效率、ESG評價3項指標均為8%；營業現金比率為10%；研發經費投入強度為12%。

6. 加權計算并求和

對整理后數據按照權重加權計算后分別求和（具體結果略）

7. 計算始薪酬率

初始薪酬率計算結果見表2。

8. 最終薪酬率

根據實際情況確定u值，對初始薪酬率作適應性調整（略）。

9. 核算工資總額

薪酬率作為工資總額增長率，核算工資總額（結果略）。

（三）數智機制結果分析

為客觀反映數智機制特點，以下依據初始薪酬率展開分析。

1. 薪酬率與業績相關性分析

經分析，數智機制核算的薪酬率與業績高度相關；原機制只與利潤變化量相關，與當年業績則相關性過低；案例公司對原機制結果進行干預調整后，與當年業績的關聯度僅小幅度提升。薪酬率與利潤業績的相關系數分析結果見表3。

2. 薪酬率總體情況對比分析

從薪酬率總體水平看，除2022年外，數智機制結果與案例公司執行結果差異不大；數智機制薪酬率與經營業績正相關，縱向可比、合理有序，更具有應對市場波動的能力。薪酬率總體水平見表4。

2022年市場波動，案例公司利潤下滑但仍保持了盈利且處于行業前端，按原機制“利潤總額變化量的6%”核算后薪酬下降12.2%。盈利狀態下大幅降薪，造成了被動局面，原機制適應能力較弱。

3. 薪酬率詳細情況對比分析

從下屬企業薪酬率詳細分析結果看，數智機制可以精細反饋業績差異，可以在整體水平既定的情況下合理控制分配差異、避免極端極差、實現穩定分配。

下屬企業薪酬率情況對比分析見表5。

以曲線圖等方式進行對比，可更鮮明呈現數制機制的以上特點。其中，2023年度對比分析曲線圖見圖2。

4. 主要結論

根據數智機制特點及案例分析，數智機制主要特點可概括為：

（1）在激勵誰約束誰方面，數智機制更精準。

（2）在反饋業績差異方面，數智機制更精細。

（3）在總分績效關系方面，數智機制更能保持一致性。

（4）在應對經營波動方面，數智機制更具適應能力。

（5）在穩定與信用度方面，數智機制更穩定、可信賴。

（6）在可拓展與迭代方面，數智機制更具靈活性。

四、結語

融合尖端信息化與智能化技術，攜手卓越管理體系，創新構建數智化工具，為管理與決策提供堅實支撐，這一路徑已成為驅動中國式現代化進程、引領國有企業邁向高質量發展的有力實踐。在此背景下，本文深入探究的工資總額決定數智機制，經由實證案例檢驗，展現出顯著的可行性。誠然，數智機制或許不具備直觀易懂的特性，但一旦其構建完成，能賦予使用者及被激勵對象自主輸入輸出、驗證結果的能力，實現“計算即精準，應用即無誤”，這無疑等同于賦予了其“一目了然、洞悉本質”的效能。展望數智機制的應用前景，可以利用機器學習功能，進行數智機制的自適應調整和優化完善，如錨定實際權重優化名義權重設置；可以利用更豐富的數據，探索跨行業企業工資總額的決定機制；可以延伸到股權激勵等其他激勵場景；可以改善傳統績效考核方式；可以用于探索勞動要素尤其是科技貢獻之與分配激勵的合理關系。

參考文獻：

[1]王夕輝.集團型國有企業激勵機制改革研究[J].中國集體經濟，2020（18）：58-59.

[2]楊雪玲.基于加權灰靶理論的集團化國有企業工資總額分配方法研究[J].財經界，2019：92-95.

[3]易劍飛.多元化國企集團落實工資決定機制改革的建議[J].現代國企研究，2021（Z1）：69-73.

[4]劉芳.數智化背景下國有企業管理會計的應用探討[J].投資與創業，2022，33（17）：82-84.

[5]戚悅，李梓源，陳慧.基于ESG理念建立以社會價值為目標的中央企業社會績效評價體系[J].國資報告，2023（08）：83-87.

（作者單位：中國寶武環境科技有限公司）