第一章 人力资源数据分析概述

第一节 人力资源数据分析的误区

随着这几年大数据应用的兴起，很多企业开始意识到了数据分析对于行业和企业的重要性，零售、电商、制造业等行业大规模地进行大数据的转型和分析。零售行业通过分析用户的购买数据，进行精准的产品推送和产品结构的调整，做到销售的精准化。制造业提出了工业4.0的概念，通过对整体制造过程的数据采集、呈现、分析，以仪表盘数据的形式来监控整体的制造的进行，从而可以更加高效地进行产品的生产。

图1-1 各个行业的数据化转型

在这样一个大数据时代，人力资源从业者已经意识到了数据分析应用在人力资源行业的重要性，并且已经有很多的HR开始在实际的工作中应用数据分析和业务部门进行沟通交流，用数据分析带动业务的发展。

但是HR在进行人力资源数据分析的学习过程中，对人力资源的数据分析的认知还是有一定的偏差，很多HR对于数据分析还存在误解：

●数据分析很复杂，我学不会

HR认为数据分析是一个专业的岗位，需要用到很专业的数据分析的工

具，如BI、python、编程等。

●数据分析就是Excel

很多HR认为数据分析就是学Excel，学各种Excel的函数，学各种Excel

的数据图表、表格处理，只要学好了Excel就学会了数据分析。

●数据分析就是做数据分析报告

很多HR也会认为数据分析就是做一个数据分析报告，里面有各种图表和文字描述，以PPT的形式汇报给老板，这个就是数据分析。

我相信以上3点是很多HR在接触人力资源数据分析或者在学习人力资源分析时都会产生的误区，那真正的人力资源数据分析是什么样的呢？我们通过一个案例来做阐述。

2020年上半年由于受疫情的影响，很多公司的线下培训都停止了，我们的学习形式由传统的线下培训变成了在线学习。很多公司都引入了在线学习系统，鼓励员工在线学习相关的课程。作为在线学习培训的运营人员，我们希望可以提升员工的线上活跃度，让更多的员工上线进行学习，所以我们把每个时间段的员工登录人数和员工学习人数的数据报表进行提取，然后分析数据，希望从这些数据里寻找规律，并制订相应的学习解决方案，如图1-2所示。

图1-2 数据报表提取

我们对提取的这两组数据按照时间的维度做了两个柱状图，其中一个是登录时间，另一个是学习时间，通过每个时间段人员的数量，发现在早上的7~8点登录和学习的人数最多，在下午的4~5点登录人数最多，但是在晚上的7~8点学习的人数却是最多的。所以我们根据做好的数据图表，结合员工的实际学习情况再进行深入分析。

通过对于员工的访谈我们发现为什么早上7~8点学习的人数最多，是因为员工早上在上班的途中，会用手机连接车载蓝牙，然后在路上听音频版的课程。然后我们发现登录时间和学习时间最高数量不是同一个时间段，通过分析发现由于公司的培训时间都是在下午4~5点，而且公司的培训都是需要员工打开App登录，进行二维码的扫描，所以这就导致了在下午4~5点的时候登录人数最多，但是登录人数最多并不意味着学习的人员最多，在图1-3中我们发现其实员工学习人数最多的时间段是在早上7~8点。

通过以上的数据，我们分析了原因，接下来就需要给出解决方案。我们可以通过什么样的方法来提升员工的线上活跃度和学习人数、学习时间呢？我们结合分析的时间数据，更改了课程的推送时间，把每天新课的推送时间由原来的9∶00改成了7∶00和19∶00，这样不仅可以推广岗位的线上课程，也可以在第一时间让更多的员工看到新上线的课程，从而提升线上的学习指标。

图1-3 学习人数与登录人数柱状图

这就是一个简单的数据分析案例，没有用复杂的模型，也没有对复杂的数据继续进行分析，但是我们最终对数据做了分析，并给出了解决方案，解决了线上学习的问题，提升了相关的数据指标，用最简单的方法、模型来解决复杂的业务问题。

所以对人力资源数据分析正确的定义是：

数据分析的目的是把一堆无序的数据信息集中、萃取和提炼出来，以找出所研究对象的内在规律。数据分析可以对数据进行可视化的呈现，发现问题、解决问题并最终预测数据，预防问题。

作为人力资源行业从业者，我们应该如何进行人力资源的数据化转型，用数据支持人力资源决策、用数据说话、用数据驱动公司业务和战略呢？

首先，我们需要明确人力资源数据分析在人力资源行业里的价值，为什么要做人力资源的数据分析？人力资源从业者需要具备数据分析的能力，数据分析能力如何体现HR的价值？

其次，需要了解的是如果你想成为一个专业的人力资源数据分析专家，你需要如何进行系统化的数据分析学习？你的学习路径与学习方法是什么样的？

最后，数据分析在人力资源行业是以什么样的形式呈现的，我们看到的数据分析报告、数据图表、数据分析的思路和流程是如何结合业务进行分析的？

我们通过WHY、HOW、WHAT来和大家阐述一下人力资源数据化的转型：

●WHY：人力资源数据分析的价值；

●HOW：人力资源数据分析指南；

●WHAT：人力资源数据分析输出。

图1-4 人力资源的数据分析决策