年底了，作为HR可以做哪些数据分析

对盈利性企业来说，数据分析的最终目的始终都是利润、成本、风险、效率，对人力资源领域来说同样适用。

对于分析而言：

首先，要学会找好标杆。看看行业内顶尖行业的企业都是怎么做的，他们做出来的结果是怎么呈现的，框架是怎么组织的，都用到了哪些数据。

然后，先借鉴再去创新。去看看曾经别人都做过什么，哪些是可延续继承的，哪些是微调就可用的，哪些是需要重构的，整合过往的问题，针对每个问题进行分类，优先等级、解决难易度、消耗时间等，判断需要用多少资源来解决这些问题。

最后，求同存异做融合。在已有业务的基础上进行改进优化，结合自身企业的特色构建适配业务的分析框架和数据指标。

一、哪些场景需要用到数据分析

招聘、薪酬与福利、培训、绩效考核、员工关系、人力资源规划

场景1：人才盘点，矩阵评估

企业通过人才盘点，系统化对组织结构和人才管理进行建设，为人员的选、聘、育、留提供充足的决策依据。

通过对人才各类信息的评估完成层次评估，完善组织架构设计，并制定详细的组织行动计划，包括各层级各专业的人员配比、绩效考核方案、核心人员人员规划（晋升、激励、培训）、关键岗位的继任计划、不同岗位的招聘策略，支撑业务发展上的可持续增长。

同时也能够对员工的发展方向进行指导，科学系统的评估自身的优劣势，提供职业发展的改进方向，实现个人自我价值的成长，增加用人的稳定性。

场景2：绩效考核，考核方案设计

KPI、OKR、BSC、KPA、MBO…这是企业中比较常见的考核方式，难点和痛点在于数据获取和采集难度大，需要打通考勤、考核、晋升、绩效等多个模块下的数据，其中不少是人工离线台账。

就容易造成指标不合理、评价模式单一、落地过程繁琐、目标难追踪、绩效结果难衡量、评价结果难应用等现象。通过对企业已有信息的现状评估，构建绩效考核指标库，通过过程数据留痕，实现管理可追溯。

场景3：离职预测，员工行为分析

“一个无用的人离职，可能是无声的，一个有用的人离职，可能是无补的。”

通过离职原因的分析，在核心技术保留、企业文化塑造、人才成长规划等方面都会有促进作用。

一个核心人员的异动，会对整个组织的活力有所影响，同时在工作交替、招聘上的成本都会增加。通过对员工在职期间的各类数据表现，通过构建模型对离职员工的数据进行训练，通过量化的方式对离职行为进行特征衡量，挖掘离职的主要人群及原因，进行人员的离职概率预测，及时针对问题、现象拟定方案，降低人才流失带来的损失。

譬如离职人员特征包括入职时间短、年龄23～26岁左右、单身男性、IT类、薪资1W左右、月均加班15天以上。

参考“疯狂de蝌蚪君”《企业高离职率原因分析》文

场景4：成本衡量，投入产出测算

在后疫情下的“寒气”时代，随着经济下行，组织内听到最多的一个词就是：价值，怎么去衡量一个人所产生的价值成了核心讨论的问题，不少公司为了实现降本的目的，在年度末的时候会采用PIP、毕业裁员的方式，对低价值贡献的人进行管理。

对前台业务人员（销售）来说，能够通过订单/合同营收直接进行衡量，但是对于中后台的人员而言，多数情况下是基于需求而展开的业务，需求满足率不足以支撑团队或个人的价值点，需要引入更多维度的数据指标来进行考量。

通过对单位人力投入产出比、员工生产率、单位时间需求处理时长、工作时长等维度的数据指标构建，对各个团队进行横、总向对比分析，定位低效、低产、低运作的问题点，实现企业的利润最大化。

场景5：工时统计，人效结果评估

测算人力成本最重要的依据是单位人力的工作时长。而在互联网行业，为追求利润，不断的降低人力成本，普遍都是弹性工作制，从而衍生出如“白加黑”、“996工作制”、“007模式”等工作模式，对数据的统计口径和标准都会存在差异，也成为数据分析的一个痛点。

可以引入FTE的指标。

FTE：全职当量，是指一名员工全职工作的时间，用于将总的工作时间，转化为等量的全职工作时间；
全职工作时间：8小时/天，5天/周，22天/月，52周/年

一个100FTE的工作，即需要100个人全职工作的工作。FTE 可以准确衡量组织中的总工作量。此外，工作时间少于 1 个 FTE 的人可被视为兼职工人。

发展到现在，有特别多的在线课程可以跟着学习，站在前人的基础上进行翱翔。在知乎知学堂课堂，由官方组织的基础课程，可以跟着up主寻寻渐进的进行学习，在理论知识、工具介绍、模块拆解、语法讲解上都有特别细的说明，也可以根据自己的目标去选择性学习（提高办公效率、高逼格分析可视化、算法实践），把知识嵌入到实际项目中去！

二、HR几大模块中都有哪些数据

从可采集的信息中，最常见的数据信息和字段

2.1 招聘信息

招聘计划、招聘渠道、简历质量、简历筛选记录、面试记录、入职记录。

招聘渠道：线下、线下、内推、猎头，不同的渠道下的简历质量差异点可评估，用于评估渠道成本；
简历筛选记录：从接洽候选人到通过简历筛选之间的时间点记录，记录候选人的基础信息，提前评估匹配度；
面试记录：电话面试-现场初试-现场复试-薪资洽谈- offer下达-正式录用-实际到岗各个流程下的时间点和沟通信息，通过建立漏斗模型查看不同团队下的招聘质量和招聘效率；

2.2 基本信息

姓名、性别、国别、籍贯（省份/城市）、年龄、联系方式、学历、专业、技能、工作时间、用工形式、职业/级别、薪酬范围等。

可结合公安、学信网、背调信息等渠道进行信息的准确性查验，并赋予相应的数据标签，如是否诚信等；

年龄：在互联网时代，员工年龄对创新和重组的组织来说很重要，很多公司在招聘的时候都会增加35岁的限制；
学历：随着经济衰退，就业市场越来越卷，高层次人才进入到市场之后，学历往往会成为一个卡点；
职业/级别：不同的公司有不同的岗位胜任力模型，定岗定级都不太一样，如阿里的P级、美团的L级、百度的T级等；
用工形式：出于成本考虑，很多公司都会配置全职 外包的模式进行工作协同，以实现成本优化；

2.3 用人信息

考勤记录、绩效评估结果、晋升信息、培训信息、活动参与信息、工作时长、加班记录、出差记录、请假原因等。

考勤记录：正常出勤、请假、休假等，由于疫情，会提倡居家办公、远程在线解决问题，线上打卡的时间；
绩效评估结果：考核方式的差异性，对考核结果也会存在一定影响，不同维度的评价，影响人才规划发展；
晋升信息：入职后，参与晋升提名、晋升述职及最后的晋升结果，构建人才梯队建设，塑造影响力；
培训信息：参与专业技能培训的记录，以及对外开展培训的记录，对用人成本进行控制和优化，催生更大的人才价值；

2.4 离职信息

离职时间、离职原因、离职去向。

离职原因：离职的真实原因，需要通过离职面谈做好面谈记录，可用于优化后续的人力体系建设；
离职去向：是否加入竞争对手相关的公司，判定是否遵循竞业协议

三、几个典型的案例和分析框架

分析框架和核心指标。

3.1 可参考的分析框架

油管上检索到的可以参考、借鉴的可视化方式

3.2 常用指标

3.2.1 招聘指标

招聘时长、单位招聘成本。

招聘时长：从职位开放到候选人接受该职位之间的天数，职业类型会造成较大的差异，如资深前后端开发、大数据分析师、市场销售都会相对比较长；

3.2.2 考核指标

在职员工数、新员工占比、离职率、缺勤率、晋升时长、九宫格人力评估等级、满意度得分等。

在职员工数：当前在职的员工数；
离职率：周期内离职员工数/总员工数；
新员工占比：周期内新员工的数量/总员工数；
缺勤率：周期内平均缺勤的时间/理论上班时间；

3.2.3 成本指标

招聘成本、缺勤成本、培训成本、人力成本（单位人力成本）。

招聘成本：招聘工作的总成本，包括各渠道下招聘广告成本、人员流失成本、交接管理成本等；
培训成本：在员工培训课程引入、授课、激励等方面花费的总金额；
人力成本：主要体现在薪酬方面，包括员工月底工资、社保、福利、税务、绩效奖金、年度奖金等；

3.2.4 信息化指标

人力配套软件的使用情况测量：

总PV数
活跃用户数量
平台上的平均时间
会话长度
每个用户每月在平台上的总时间
软件留存率

3.2.5 其他指标

HR人数/总员工数占比
HRBP人数/总员工数占比
…

四、需要用到的表字段命名和定义

附阿里天池比赛中的数据结构，项目数据来源。

（1）Age：员工年龄
（2）Attrition：员工是否已经离职（1表示已经离职，2表示未离职，这是目标预测值）
（3）BusinessTravel：商务差旅频率（Non-Travel表示不出差，Travel_Rarely表示不经常出差，Travel_Frequently表示经常出差）
（4）Department：员工所在部门（Sales表示销售部，Research & Development表示研发部，Human Resources表示人力资源部）
（5）DistanceFromHome：公司跟家庭住址的距离，（从1到29，1表示最近，29表示最远）
（6）Education：员工的教育程度（从1到5，5表示教育程度最高）
（7）EducationField：员工所学习的专业领域（Life Sciences表示生命科学，Medical表示医疗，Marketing表示市场营销，Technical Degree表示技术学位，Human Resources表示人力资源，Other表示其他）
（8）EmployeeNumber：员工号码；
（9）EnvironmentSatisfaction：员工对于工作环境的满意程度（从1到4，1的满意程度最低，4的满意程度最高）
（10）Gender：员工性别（Male表示男性，Female表示女性）；
（11）JobInvolvement：员工工作投入度（从1到4，1为投入度最低，4为投入度最高）
（12）JobLevel：职业级别（从1到5，1为最低级别，5为最高级别）
（13）JobRole：工作角色 （Sales Executive是销售主管，Research Scientist是科学研究员，Laboratory Technician实验室技术员，Manufacturing Director是制造总监，Healthcare Representative是医疗代表，Manager是经理，Sales Representative是销售代表，Research Director是研究总监，Human Resources是人力资源）
（14）JobSatisfaction：工作满意度（从1到4，1代表满意程度最低，4代表满意程度最高）
（15）MaritalStatus：员工婚姻状况（Single代表单身，Married代表已婚，Divorced代表离婚）
（16）MonthlyIncome：员工月收入（范围在1009到19999之间）
（17）NumCompaniesWorked：员工曾经工作过的公司数
（18）Over18：年龄是否超过18岁
（19）OverTime：是否加班（Yes表示加班，No表示不加班）
（20）PercentSalaryHike：工资提高的百分比
（21）PerformanceRating：绩效评估
（22）RelationshipSatisfaction：关系满意度（从1到4，1表示满意度最低，4表示满意度最高）
（23）StandardHours：标准工时
（24）StockOptionLevel：股票期权水平
（25）TotalWorkingYears：总工龄
（26）TrainingTimesLastYear：上一年的培训时长（从0到6，0表示没有培训，6表示培训时间最长）
（27）WorkLifeBalance：工作与生活平衡程度（从1到4，1表示平衡程度最低，4表示平衡程度最高）
（28）YearsAtCompany：在目前公司工作年数
（29）YearsInCurrentRole：在目前工作职责的工作年数
（30）YearsSinceLastPromotion：距离上次升职时长
（31）YearsWithCurrManager：跟目前的管理者共事年数
（32）Average_Working_Hours_per_Month：每月平均工时
（33）Average_Working_Hours_per_Month：每月平均工时
（34）Complete_Projects：完成项目数量
（35）Employee_Competence：工作能力
（36）Mistakes：失误次数
（37）Salary：工资区间
（38）Whether_Get_a_Promotion_in_Five_Years：五年内是否晋升
（39）Whether_Resign：是否辞职
（40）Working_Years：工作时长（年）

五、写在最后

人力资源数字化是企业数字化转型中的重要部分，是由表及里、由下至上的多层次变革。其核心价值在于盘活人力资源管 理中的各项数据，重塑管理与业务流程，达成提升企业管理能效、优化员工工作体验的效果。

基本定义上，人力资源数字 化的主体为企业的人力资源部门，狭义上指在人力资源部门内部进行数字化转型，广义上则指将人力资源业务融入企业运 行生态，与企业数字化转型形成交互配合。在实施流程中，人力资源数字化往往通过云与人工智能等技术对底层数据进行分析预测，进而赋能企业决策，并在文化层面培养员工的数字化心智，形成数字化管理的文化氛围。

引用：艾瑞2022年发布的《2022年中国人力资源数字化研究报告》一文中的内容

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！