做HR应该做哪些数据分析?

关注者
383
被浏览
354,067
登录后你可以
不限量看优质回答私信答主深度交流精彩内容一键收藏

随着互联网产业快速发展,注重质量、注重效率、注重速度成为组织发展的内在要求。同时,数字时代的来临,无论企业大小,都开始转型升级,在过去几年中,全球在利用人力资源数据分析、预测和提高绩效的实用性和应用价值上不断攀高,而且,未来还有进一步普及推广的趋势。


一、国内人力资源数据分析面临的问题


在德勤2018年的《全球人力资本趋势》调查中,84%的受访者都认为人才分析重要或非常重要,“人才分析”的重要性在“2018年的10个人力资本趋势”中高居第二位。例如,Visa,IBM等公司开发出一套分析工具查找“非显著”电气求职者并推荐相关培训。

但在国内,人力资源数据分析目前还存在着人力资源综合信息管理水平较低的问题,其阻碍了企业人力资源管理水平的提升,导致无法对经营过程产生的大量数据进行收集、分析、挖掘,进而影响企业真实地展现组织经营过程,打造完整的人力资源管理价值链。如果企业在生产经营中忽略了人力资源价值链的构建,使得企业人力资源管理工作遇到问题,那么很有可能就会给企业的经营发展带来重大问题,产生无法对企业中人员的业绩进行全面跟踪,无法将业绩成果与收入进行有效对应等组织决策效率及人员激励等问题。

究其原因有三点:第一,由于组织管理者对大数据理念在人力资源管理中应用的重要意义并没有深刻理解;其次,企业还是比较偏向相信有经验的人力资源专家;但即使是最有经验的人力资源专家难免也会带着无意识的偏好和偏见,大数据分析方法有助于去除偏见和干扰,通过数据,可以更公正地分析实际情况,提出客观的解决方案。第三,相当一部分HR,要么认为数据管理是IT部门的工作,要么认为自己并非内行,无法参与到数据在企业内部的共享过程。


二、HR如何利用数据分析做人力资源管理呢?


那么企业在生产经营中要如何构建人力资源价值链,HR如何利用数据分析做好人力资源管理呢?

首先,根据分析目标,准确建立人力资源数据分析模型。人力资源相关应用主要集中在招聘、绩效、培训、评测、员工服务等方面,以上模块都非常需要对数据的整合、分析、挖掘来提供决策支持。同时,也必须从公司的战略和业务出发,从支撑公司发展的驱动因素和核心能力着手开展人力资源管理活动,并构建数据分析模型。HR能否将人力资源管理的实际问题抽象化、掌握方向和要素,将直接决定着建立分析模型的成败以及能否对现实工作进行诊断。

其次,根据分析模型,确定哪些数据是可用的,并搜集数据,通过对不同类型的数据库的梳理、整合,企业可以建立起统一的数据仓库或者数据湖,为进一步的数据分析奠定基础;随着电子化人力资源管理(E-HRM)、网络职业招聘平台、社交网络应用、在线劳动力市场等技术在企业人力资源管理中应用程度的不断加深,以及大数据技术的日臻成熟,组织收集、存储和使用与人力资源管理相关的海量数据变得更加便捷和系统化。数据收集成本越来越低,员工的调查问卷,员工的代码行为,员工的社交网络内容等都可以用来对员工的绩效,招聘、流失率进行科学客观的分析。

一般人力资源大数据,分为基于内容的数据、基于关系的数据、基于用户行为的数据,如下图。

需要注意的是,在搜集数据的过程中,一定要注意数据的合规性。GDPR以及网络安全法都已经将数据安全保障作为一个必须要遵守的严格规范,因此,企业在搜集这些数据的过程中,要尽量避免额外、敏感数据的搜集。此外,还需要注意这些数据在储存、调用过程中的安全性。

第三、数据处理与访问、预测分析

数据处理与访问、预测分析,对于大多数HR而言是短板,所以很多公司HR都需要获得数据分析人才和IT部门的协助。因此,企业需聘用一批数据分析方面的专业人士,以及付出IT部门的人力资源。

第四、要明晰HR在数据管理中的角色

事实上,HR应该认识到,未来的企业人力资源与信息化的契合水平将日益紧密,HR只有尽快从业务管理转变为数据分析的引导者和提供者,才能真正成为管理者从而提供人力资源的战略决策支持。


三、DataHunter人力资源BI数据分析解决方案


BI又称商业智能,是一套完整的解决方案,用来将企业中现有的数据进行有效的整合,快速准确的提供报表并提出决策依据,帮助企业做出明智的业务决策。

DataHunter(简称:DH)人力资源BI数据分析解决方案,目的是帮助HR从“行政人事支持和后勤保障”到“企业经营管理的伙伴”,所以,DH从公司的战略和业务出发,从支撑公司发展的驱动因素和核心能力着手梳理人力资源管理数据的来源场景:组织架构、招聘数据、员工数据、绩效数据、薪酬数据、考核数据,真正发挥人力资源的数据价值,让其能反映人才现状,体现人才管理运营效率,实现基于战略的人才管理、预测未来,甚至引领战略。

同时,DH了解到目前大部分大型企业人力资源管理现状是组织架构复杂,无法在公司内实施整体人力资源优化计划;信息分散,只能做定期信息汇总,无法时刻掌握公司人力资源信息全貌。DataHunter人力资源BI数据分析解决方案能很好的解决大型企业人力资源数据孤岛问题,帮助人力资源部门掌握公司人力资源信息全貌。

DataHunter人力资源BI数据分析解决方案可以从HR角色转变、企业整体人力资源管理两方面协助HR便捷、高效地做好数据分析。DataHunter人力资源BI数据分析解决方案所依托的产品是Data Analytics 数据分析平台,其属于新一代自助式敏捷BI系统,成熟度高,安全,稳定,易上手,支持团队分享讨论,电视、PC、手机、Pad等多终端同步。该解决方案主要的优点有:


一、覆盖人力资源数据分析85%的模型:人力资源效能分析、员工关系分析、招聘配置分析、组织管理分析、员工培训分析。企业HR可以根据人力资源问题,选取其中的模型,能帮助HR处理85%人力资源方面的数据分析。

比如在人力资源效能管理方面,通过Data Analytics 数据分析平台不仅可以直观的体现当前的员工数量、利润率、人均利润率、人均管理成本等指标,以及不同时间区间内的指标变动情况。

在员工关系分析模块,还可以实时的显示员工入职与离职数据、岗位分布等常规数据,

以数据图表的方式直观的显示这些数据的变动情况,这可以支撑人力资源以及高层管理者更清晰地掌控公司内部人力资源的全貌,并强化管理。

在组织管理分析模块,系统还设置了“员工薪资”模块,企业管理者可以便捷的查看企业整体的薪资支出波动,以及各岗位的平均工资,这有利于企业管理者对于当前的人力资源成本进行更加精准的考量。当与企业更广泛的收入与支出指标结合之后,能够增强对于企业业务运行的预见性,从而采取更具有前瞻性的策略。

二、非常易上手;HR可以直接使用,一方面,HR只需进行拖拽即可操作,简单方便,数据分析小白也可轻松上手,另一方面,不需IT人员预先进行建模,企业HR在具体的数据分析方面,可以借助Data Analytics 数据分析平台已搭建覆盖人力资源各个数据维度的看板(即模型和指标体系)进行数据分析和数据可视化展示,这些看板直接关联到后端的数据库,能够以可视化图表的形式直观反映出人力资源的变动情况,并通过组合式分析来实现数据洞察。

三、支持多数据源汇聚;要搭建企业人力资源分析管理体系,首先需要对于企业目前的人力资源数据进行梳理,这些数据可能广泛来源于企业人力资源数据库、OA系统、财务系统,以及部分的行业数据。Data Analytics 数据分析平台通过对不同类型的数据库的梳理、整合,企业可以建立起统一的数据仓库或者数据湖,为进一步的数据分析奠定基础。

多数据汇聚

四、故事板展示,HR可快速生成分析报告,高效、便捷进行工作汇报和展示;

快速生成分析报告

五、提供多视角的人力资源分析,高管、经理、HR可以进行“随问题而动”的数据查看、分析,协助企业业务作出改进。

因支持交互式实时数据展示,在看板上,数据可以联动,并进行协同过滤,无需事先建模,HR可以自助式、探索式分析,自由地进行多维度数据钻取、排序、筛选。比如,HR可以将数据洞察钻取到具体的部门乃至个人,显示更细粒度的人力资源效能变化趋势,这样让人力资源管理变得更有针对性。再比如,HR想了解7月份“员工变动”,只要点击7月份,其他图表会联动显示“当月各岗位人数变动情况”,“当月离职人数&离职率”,“当月期末各岗位员工人数”等,让数据查看、分析更智能与高效。

总之,方便HR随时且深入查看、分析人力资源基础数据、人力资源运营数据、人力资源经营性数据。让选人有术、育人有道、用人有方、留人有测。

多视角的人力资源分析
多视角的人力资源分析

六、提供优质的数据分析咨询服务:对业务需求调研,痛点归因分析,数据采集汇集、数据分析挖掘、优化业务、转型数据决策;在已有的模型基础上,DH还可以帮助HR搭建新业务模型,让HR真正成为人力资源数据分析引导者,让真正懂业务的人能进行专业的数据分析;


七、提供技术支持服务:数据中心搭建、二次开发与合作,真正解放IT部门。


四、案例


目前,DataHunter 的人力资源数据分析解决方案已经在地产、制造、金融等多行业得到成功应用。以富力地产为例,作为一个规模庞大的房地产企业,富力地产在全国拥有着数万名的员工,这些员工广泛分布于地产、物业、建筑、设计院等各个业务板块之中,在学历、薪资、所属部门等方面存在着广泛差异,而且常常会有人员变动的情况,人力资源管理的复杂度很高,而且难以及时的显示全局的人力资源变动情况,不利于及时的进行管理。

通过对人力资源相关数据进行汇总和梳理,DataHunter为富力地产打造了八大分析模块,具体包括集团总览、地产总览、富力星、员工画像、离职数据、招聘数据、组织架构以及传统报表,基于实时、自动的可视化数据分析展示,为其打造了高效统一的人力资源数据平台,有效提高各人力资源各环节工作效率,优化决策流程。建立了统一的数据平台,为后续的人力资源数据分析、数据挖掘奠定了良好的基础。


*参考资料:

刘善仕,孙博,葛淳棉,彭秋萍,周怀康. 组织人力资源大数据研究框架与文献述评[J]. 管理世界,2018(7):1098-1106


关于 DataHunter

DataHunter 是一家专业的数据分析和商业智能服务提供商,注册于2014年。团队核心成员来自 IBM、Oracle、SAP 等知名公司,深耕大数据分析领域,具有十余年丰富的企业服务经验。

DataHunter 旗下核心产品智能数据分析平台 Data Analytics、数据大屏设计配置工具 Data MAX已在业内形成自己的独特优势,并在各行业积累了众多标杆客户和成功案例。



成立以来,DataHunter就致力于为客户提供实时、高效、智能的数据分析展示解决方案,帮助企业查看分析数据并改进业务,成为最值得信赖的数据业务公司。


欢迎关注公众号:DataHunter
-数据分析展示就用 DataHunter-