人力数据分析（人力数据分析精要）
本篇文章给大家谈谈人力数据分析，以及人力数据分析精要对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。
人才数据分析指南 B1
1.为了满足业务的未来需求和引领组织变革，人力资源部门不能等待别人来引导，而是必须鼓励研究，进行团队创新和基于场景的规划，将自身置于“前沿”的位置——这一点至关重要，而不是根据已确定的需求制定解决方案； （你要动起来，行动起来）
2.除非你能够证明自己的价值，否则你不会增加任务价值。——每一项人力资源计划或解决方案都需要以“零成本“为基础进行评估。 （衡量自己的价值——你行动的结果能不能促进职能部门实现他的价值，或者你的价值能否和职能部门的价值同向）
3.人力资源部门的业务影响力—— 基于数据展示投资回报率和进行预测分析 。
4.想为某个战略性结果加分，那你必须首先在该战略领域承担一定程度的责任 （你要入圈），这就是你在使用数据和分析来展示你的价值时所面临的业务挑战（你是职能部门，首先你要承担业务责任，才能去进行业务挑战）。 数字可以上升也可以下降，但你需要使用 数据说明这些变化为什么会发生， 而不是区关注这些变化对人力资源部门产生的直接影响。
5.人力资源的决定定位从 流程实施者的角色转变推动者或决策者的顾问；
6. 定性评估和前瞻性指标 ——传统意义上的硬数据、指标已经发生变化；
7.人力资源领导者的价值体现—— 保持敏锐的战略意识和对未来业务需求的持续预测 。 人力资源领导者密切关注外部环境，尤其是预测行业动态、监管变化和快速发展的技术。
人力资源领导者不必是战略规划专家，但他们必须了解 外部变化及其对劳动力和技能需求可能产生的影响。
8.人力运营部门的关键任务——将 人才战略与业务战略相结合，以数据驱动 的以人为本的文化基础，引用育留人才。
9.我们不再关注人才存在的合理性，而是将重点放在组织展示人才项目能给为组织带来的切实影响上。——不在就人才说人才
10.人力运营部门需要像关注成本管理一样关注收入和增长。大幅节省成本的机会可能不复存在，而寻找新的收入来源和提高生产率的方法对组织的影响则更大的多。只有使用数据和分析，人力运营部门才能成为利润中心。
HR数据分析师是什么？
偏人力的数据分析师。
一、薪酬
先说重要的，出来工作嘛，主要是为了薪酬。我在这个职能做了也已经三年多了，期间也接触了不少外部机会。总的来说薪酬并不比业务分析方向差，起步薪酬甚至比业务数据分析好的不是一点半点。主要原因，一是目前市场上这个方向的数据分析师很少，供不应求；二是有需求这个职位的基本都是大公司，在华员工数打底两千人以上，或者千人以上并处于急速扩张中的，本身这种类型企业的薪酬就不会太差。但是目前的问题在于，起步价不低，可是封顶也不高。这个我会在下面职业发展一块详细来说。不过封顶这事情吧，你没到一定级别还是不需要考虑太多的。
二、职业发展
这个还是看职位归属的部门的。
以前我是做业务方向的，基本上都是个人直线或者所在部门直线汇报给业务老大（GM-1）。这种情况下你可以在自己岗位按部就班的晋升到老大以下的最高级别，总体发展态势还是不错的。
而HR就有点特殊了。国内很多公司（无论国企外企），人力资源分析都处于起步阶段，定位就没有那么明确，汇报线也是千奇百怪。多数公司的HR都是按照三支柱理论，分为业务伙伴（HRBP）、专家（COE）和共享服务中心（SSC）。常见的一种情况是人力资源数据分析被划在了SSC（三个支柱中最底层，员工最junior的），原因是HR所有数据都产生于SSC。顺理成章的，因为数据产生于SSC，所以数据分析师需要汇报给SSC的头儿（GM-2）或者是SSC分管非工资、非流程的“杂务”的头儿（GM-3）。从职业发展上来看，你的上限比业务分析低了一到二层，有一定的“外行领导内行”的风险。如果要进一步发展，你几乎都不得不承担其他莫名其妙的杂务。我曾经收到过某个知名外企电话，招聘的数据分析岗位居然同时需要帮助上海员工办理社保，并处理外籍员工的公司股票购买事务（外汇、税务什么的），简直莫明其妙。不过好在目前我的公司发现了这个问题，正在逐步使数据分析脱离SSC序列，转为专家一类的独立部门。相信随着数据分析价值的体现，越来越多的公司会发生这样子的转型。如此这般，人力资源数据分析从业者的上限将会被打开，甚至将会成为未来HR Head职位的角逐者之一。
三、工作内容
相比业务数据分析师而言，HR的数据分析师工作并不简单，多数情况下甚至还更加繁杂。
一是HR部门对于数据的意识不如业务部门高，历史数据的质量很差，初期你会不得不投入很大精力去完善数据保存，甚至是研究流程，乃至帮助流程管理方去提高流程数据的质量。
二呢，不是我抱有偏见，HR部门是个比较浮的部门，很喜欢fancy的东西，搞个大新闻。你一入职就会希望你能拿出一些很炫的产出（dashboard啊、离职预测啊什么的），你得要不断的说服他们先去清理历史数据，积攒一段时间的数据。三是普遍来看，现在的HR对于数据的认识远不如业务。你别老看他们培训时候张口闭口的change mindset（拥抱变化的思维），在自己的职能方向，HR的思维是非常固化的。我就亲眼见过群里从讨论AI和数字化时代在不到十分钟里变成了“HR的职能依靠沟通和经验，是不可能被数字化工具和AI取代的”（黑人问号.jpg）。我还见过不少HRBP在入职两年以后连离职率公式都不知道的。（讲到KPI公式，这是一个大坑，离职当天的人算不算当天的员工数、试用期通过率用延迟计算公式还是即时计算公式，作为数据分析师都会头大，遑论HR们了。）
不过，数据意识不强这一点也有好处，那就是他们不会拘泥于每一个数字细节，大方向差不多就成了。熟悉我的朋友都知道，我以前做业务分析时候，老板是个浆糊阿三，但是他特别喜欢抠数字，我的收入总数和财务差了一分钱人民币都会叫我查一下差异的原因在哪里（基本都是汇率的保留小数位数问题）。在HR部门，这种蠢事会相对较少一点（如果你们公司global团队不那么愚蠢的话）。
四、部门关系
基本上，作为HR数据分析师，你和外部门关系本该只是一个数据出口。但是获取数据的人不会这么认为，他们会觉得数据有错了找你就行了，你不仅应该知道错在哪里，而且应该负责把他改正了。不过这个问题也不仅是HR分析存在的问题吧，但凡做数据的岗位，都会被这个问题困扰。
五、项目
项目其实是HR数据分析的一个难点。因为习惯或者文化问题，你的客户很少会在遇到困难时想到用数据分析的方法去定位和解决问题。HRBP们更喜欢凭自己的经验，收集一些特例并无限放大特例的普遍性，来寻找和解决“问题”。不能说这个方法完全无效，但是这样子的思维很不利于数据分析文化的普及。
还有一些项目，比如离职预测、职位匹配等等，很新潮、容易吸引眼球，再加上HR的宣传能力，套上AI啊、大数据什么的包装，宣传效果一级棒。所以HR喜欢花钱做这种项目。不过往往最后建模什么的不那么难，但在实际应用时候会遇到阻碍。比如预测离职，你能把风险用户直接给直线经理吗？（以现在经理的素质，你都不知道人最后走了是模型准还是被经理逼走了。）比如职位匹配，很多直线经理会极度反感你们给员工提供内部职位的机会。怎么去应用项目，永远永远是最大的问题。
HR的数据分析应该具备什么?
1）挖掘数据背后的管理逻辑
数据不是纸上或表格上的数字而已，而是要通过数据分析，找到问题或者规律，分析梳理出背后的关系，找到原因，再提出解决方案，采取行动，最后反馈评估等，形成管理闭环。比如数据显示公司的年离职率达到了8%，超过行业5个百分点，就需要再深入挖掘这10%的高离职率究竟是如何造成的，需要再拿那些数据出来关联对比，并且给出对策结论。
2）实现业务驱动的数据分析
数据分析应用不仅仅停留在复盘上，更在于规划预测上。数据型HR的能力也体现在如何制定基于数据的人力资源规划，如何提升人才分析(People Analytics,PA)能力以及如何最大化人力资本效能，这样的数据分析能力才是HR角色职能从事务型转向战略型的关键。
人力资源数据分析需关注哪些关键指标
人力资源管理不同岗位的评价指标重点不尽相同：
1、招聘配置： 如招聘完成率、人岗匹配度、试用期离职率等
2、培训开发： 如培训计划完成度、培训质量、员工满意度 、教材开发率等
3、绩效管理： 如方案合理性、执行率 、员工满意度、绩效提升等
4、薪资福利： 如核算准确率 、及时率、成本控制 、及时性、福利方案合理性等
5、员工关系： 如、员工满意度、手续及时性、劳动争议处理情况等
人力资源管理评价体系对企业人力资源管理的效益进行评价，发现企业人力资源管理中存在的问题，将为改进企业人力资源管理工作，促进企业战略目标的实现提供重要的决策依据。
关于人力数据分析和人力数据分析精要的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。
