作为一名HR,如何学会做数据分析?应该具体分析哪些指标和数据?

文 | 商业智能BI相关文章 阅读次数:2,772 次浏览
2022-08-15 9:33:01

在讲具体怎么做之前,让我们先把自己放在“高位视角”,学着从更高角度去思考问题,当然也不会让你瞎思考。

我会先带你看清楚整个市场环境和HR行业的变化规律,再带你想明白为什么我们要去做人事数据分析这件事,这件事的价值在哪,以及具体要怎么做。只有把这个思考链路想通,你才能真正懂得如何正确去做人事数据分析。

思考1:数字化大环境——向HR行业渗透

市场环境:数字化热度持续上升

根据百度搜索指数的综合统计,自2016年起,数字化热度持续上升,2020年疫情后出现明显拐点,以更快的速度上升。

人事数据分析,分析排查离职率,具体分析

HR行业:开始重视数据的重要性

根据《中国企业人力资源效能研报》,2021年有50.1%的被调研企业表示:开始重视数据化人力资源,并设有负责此项工作的专职员工/团队,用以沉淀人力资源数据。对比2020年疫情前后,该比例已持续上升5%。

人事数据分析,分析排查离职率,具体分析

这些信号充分说明了一件事:数字化时代已经来临,不懂数据的HR必然面临被淘汰的风险。

打开招聘软件,你就更能直观感觉到在数字化转型浪潮下,诸多大厂已经开始对HR提出了全新的要求。

总结下来,这类HR岗位的职责主要有:

①数据整合——人才数据的梳理、提取、清洗;

②指标搭建——根据业务特点建立数据指标体系;

③数据分析——分析数据,制作数据分析报告、数据报表或仪表盘,为业务提升找到优化点;

对比传统HR职能,这种进步已十分明显。真能完全做到以上三点,HR再享受5年的“专业变革红利”不成问题。“红利”反映在什么地方?无非就是HR们的身价(钱)和地位(权)嘛。

思考2:为什么HR要花时间去学人事数据分析?是真的有价值,还是只是面子工程?

在上文我说了市场和行业的影响,但你再往前独立思考一步:市场和行业有这个要求,我就一定要去学吗?学了有什么用?是真的有价值,还是只是面子工程?

在这块我不说套话,反正说来说去也就是一句话:时代的一粒灰,落在每个人的头上都是一座山,数字化时代就是说明了数据的重要性,所以在这个时代的我们必须都得学会数据分析。当然,时代也不是傻的,数据分析确实是能帮助我们看清业务优化的方向以及提高工作效率,但这取决于你做数据分析的目的和思路是否正确。

 

思考3:HR如何正确学习数据分析?具体分析学习路径如何规划?

避雷:3种最常见的错误数据分析方式

初阶,应付了事:只有在年终交报告时,才做数据分析,且只是把简单的数字罗列,为了应付老板

中级,思考太浅:只会从单一维度来分析单一指标,最常见就是做单维度数据的折线图、柱状图,只会观察数据变化趋势。

高阶,无法解决问题:分析”完数据后,不会用数据思维去解决问题,白分析一场,最后还是根据经验来“拍脑袋”做决策。

牢记:三步走,按照正确路径学习数据分析

第一步:先利用业余时间去了解、学习数据分析思维,把数据分析当成是自己的一个必要技能来学习;

第二步:在工作中,刻意练习自己的数据思维,与此同时,学会像BI这样给业务人员用的数据分析工具(简单科普下BI,可用来做数据分析和制作数据看板、报告,可处理的数据量比Excel多),平时多用,孰能生巧;

第三步:将分析过程和结果可视化,让给部门/老板知道自己数据分析后产出的结论是有价值的,能够真正提升自己的工作效率或提高业务水平,而不是只是绣花枕头。让数据为自己说话,掌握工作上的话语权。

思考4:HR做数据分析,具体分析哪些指标数据,以及如何输出分析结论?

按模块来说

一、招聘模块

1、招聘入职率:应聘成功入职的人数÷应聘的所有人数×100%。
2、月平均人数:(月初人数+月底人数)÷2
3、月员工离职率:整月员工离职总人数÷月平均人数×100%
4、月员工新进率:整月员工新进总人数÷月平均人数×100%
5、月员工留存率:月底留存的员工人数÷月初员工人数×100%
6、月员工损失率:整月员工离职总人数÷月初员工人数×100%
7、月员工进出比率:整月入职员工总人数÷整月离职员工总人数×100%

二、考勤模块

1、个人出勤率:出勤天数÷规定的月工作日×100%

2、加班强度比率:当月加班时数÷当月总工作时数×100%

3、人员出勤率:当天出勤员工人数÷当天企业总人数×100%

4、人员缺勤率:当天缺勤员工人数÷当天企业总人数×100%

制作:FineBI——部门考勤情况分析

模板:部门考勤分析案例

人事数据分析,分析排查离职率,具体分析

得出有用结论:研发组的平均工作时间最长,但迟到率是最高的(迟到是否仅作为参考项),公司研发岗位业务量很重,接下来公司新增加的研发任务需要新招研发岗位来做。财务组的平均工作时长最少,需要查看一下人事饱和度,近期不考虑增加财务组新岗位。

三、离职模块

1、员工离职率=期间员工离职人数\(期初员工人数+本期增加员工人数)*100%

2、新员工离职率=期间入职半年内就离职的员工人数\期间离职员工人数*100%

3、高绩效员工离职率=期间离职人数中平均绩效为A的员工人数\期间离职员工人数*100%

4、高司龄员工离职率=期间离职人数中司龄在三年以上的员工人数\期间离职员工人数*100%

5、高职级员工离职率=期间离职人数中职级在 p5 以上的员工人数\期间离职员工人数*100%

6、离职健康度=(1-总离职率 * 0.2 +新员工离职率 * 0.2 +高绩效员工离职率 * 0.2 +高职级员工离职率 * 0.2 +高司龄员工离职率 * 0.2 )*100(这里用了一个等比加权,实际应用中可根据公司关注点调控权值。)

制作工具:FineBI——员工离职分析

人事数据分析,分析排查离职率,具体分析

人事数据分析,分析排查离职率,具体分析

分析排查离职率得出有用结论:2020 年公司的总离职率为 27.65%,相对于同行业其他公司 15% 的离职率较高,且高于本公司前两年的离职率。后续需对员工填写的离职原因分析排查离职率高的原因。公司高层本应相对稳定,但是 P7、P6 的流失率为 30% ,决策团队频繁换帅,需要引起重点关注。

总结:

数据分析不仅是一种职业,更是当代HR必备的技能,往大了说,人人都应该是数据分析师。说扎心点,在如今内卷严重的职场,不学点硬技能傍身,怎么体现出你的价值?

很显然在目前的信息时代,借助类似于FineBI的这些工具,可以让企业加速融入企业数据分析的趋势。备受市场认可的软件其实有很多,选择时必须要结合实际的情况。一般的情况下,都建议选择市面上较主流的产品,比较容易达到好的效果,目前企业数据分析BI软件市场占有率前列的,就是帆软BI软件——FineBI。

人事数据分析,分析排查离职率,具体分析

商业智能BI产品更多介绍: www.finebi.com

相关内容

立即体验 立即体验

返回顶部