對于盈利性企業來說，數據分析的最終目的始終都是利潤、成本、風險、效率，對于HR模塊也是如此。那么，作為HR可以做哪些數據分析？一起來看看本文分析吧。

對盈利性企業來說，數據分析的最終目的始終都是利潤、成本、風險、效率，對人力資源領域來說同樣適用。

對于分析而言：

首先，要學會找好標桿?？纯葱袠I內頂尖行業的企業都是怎么做的，他們做出來的結果是怎么呈現的，框架是怎么組織的，都用到了哪些數據。

然后，先借鑒再去創新。去看看曾經別人都做過什么，哪些是可延續繼承的，哪些是微調就可用的，哪些是需要重構的，整合過往的問題，針對每個問題進行分類，優先等級、解決難易度、消耗時間等，判斷需要用多少資源來解決這些問題。

最后，求同存異做融合。在已有業務的基礎上進行改進優化，結合自身企業的特色構建適配業務的分析框架和數據指標。

一、哪些場景需要用到數據分析

招聘、薪酬與福利、培訓、績效考核、員工關系、人力資源規劃

場景1：人才盤點，矩陣評估

企業通過人才盤點，系統化對組織結構和人才管理進行建設，為人員的選、聘、育、留提供充足的決策依據。

通過對人才各類信息的評估完成層次評估，完善組織架構設計，并制定詳細的組織行動計劃，包括各層級各專業的人員配比、績效考核方案、核心人員人員規劃（晉升、激勵、培訓）、關鍵崗位的繼任計劃、不同崗位的招聘策略，支撐業務發展上的可持續增長。

同時也能夠對員工的發展方向進行指導，科學系統的評估自身的優劣勢，提供職業發展的改進方向，實現個人自我價值的成長，增加用人的穩定性。

場景2：績效考核，考核方案設計

KPI、OKR、BSC、KPA、MBO…這是企業中比較常見的考核方式，難點和痛點在于數據獲取和采集難度大，需要打通考勤、考核、晉升、績效等多個模塊下的數據，其中不少是人工離線臺賬。

就容易造成指標不合理、評價模式單一、落地過程繁瑣、目標難追蹤、績效結果難衡量、評價結果難應用等現象。通過對企業已有信息的現狀評估，構建績效考核指標庫，通過過程數據留痕，實現管理可追溯。

場景3：離職預測，員工行為分析

“一個無用的人離職，可能是無聲的，一個有用的人離職，可能是無補的?！?/p>

通過離職原因的分析，在核心技術保留、企業文化塑造、人才成長規劃等方面都會有促進作用。

一個核心人員的異動，會對整個組織的活力有所影響，同時在工作交替、招聘上的成本都會增加。通過對員工在職期間的各類數據表現，通過構建模型對離職員工的數據進行訓練，通過量化的方式對離職行為進行特征衡量，挖掘離職的主要人群及原因，進行人員的離職概率預測，及時針對問題、現象擬定方案，降低人才流失帶來的損失。

譬如離職人員特征包括入職時間短、年齡23～26歲左右、單身男性、IT類、薪資1W左右、月均加班15天以上。

參考“瘋狂de蝌蚪君”《企業高離職率原因分析》文

場景4：成本衡量，投入產出測算

在后疫情下的“寒氣”時代，隨著經濟下行，組織內聽到最多的一個詞就是：價值，怎么去衡量一個人所產生的價值成了核心討論的問題，不少公司為了實現降本的目的，在年度末的時候會采用PIP、畢業裁員的方式，對低價值貢獻的人進行管理。

對前臺業務人員（銷售）來說，能夠通過訂單/合同營收直接進行衡量，但是對于中后臺的人員而言，多數情況下是基于需求而展開的業務，需求滿足率不足以支撐團隊或個人的價值點，需要引入更多維度的數據指標來進行考量。

通過對單位人力投入產出比、員工生產率、單位時間需求處理時長、工作時長等維度的數據指標構建，對各個團隊進行橫、總向對比分析，定位低效、低產、低運作的問題點，實現企業的利潤最大化。

場景5：工時統計，人效結果評估

測算人力成本最重要的依據是單位人力的工作時長。而在互聯網行業，為追求利潤，不斷的降低人力成本，普遍都是彈性工作制，從而衍生出如“白加黑”、“996工作制”、“007模式”等工作模式，對數據的統計口徑和標準都會存在差異，也成為數據分析的一個痛點。

可以引入FTE的指標。

FTE：全職當量，是指一名員工全職工作的時間，用于將總的工作時間，轉化為等量的全職工作時間；
全職工作時間：8小時/天，5天/周，22天/月，52周/年

一個100FTE的工作，即需要100個人全職工作的工作。FTE 可以準確衡量組織中的總工作量。此外，工作時間少于 1 個 FTE 的人可被視為兼職工人。

發展到現在，有特別多的在線課程可以跟著學習，站在前人的基礎上進行翱翔。在知乎知學堂課堂，由官方組織的基礎課程，可以跟著up主尋尋漸進的進行學習，在理論知識、工具介紹、模塊拆解、語法講解上都有特別細的說明，也可以根據自己的目標去選擇性學習（提高辦公效率、高逼格分析可視化、算法實踐），把知識嵌入到實際項目中去！

二、HR幾大模塊中都有哪些數據

從可采集的信息中，最常見的數據信息和字段

2.1 招聘信息

招聘計劃、招聘渠道、簡歷質量、簡歷篩選記錄、面試記錄、入職記錄。

招聘渠道：線下、線下、內推、獵頭，不同的渠道下的簡歷質量差異點可評估，用于評估渠道成本；
簡歷篩選記錄：從接洽候選人到通過簡歷篩選之間的時間點記錄，記錄候選人的基礎信息，提前評估匹配度；
面試記錄：電話面試-現場初試-現場復試-薪資洽談- offer下達-正式錄用-實際到崗各個流程下的時間點和溝通信息，通過建立漏斗模型查看不同團隊下的招聘質量和招聘效率；

2.2 基本信息

姓名、性別、國別、籍貫（省份/城市）、年齡、聯系方式、學歷、專業、技能、工作時間、用工形式、職業/級別、薪酬范圍等。

可結合公安、學信網、背調信息等渠道進行信息的準確性查驗，并賦予相應的數據標簽，如是否誠信等；

年齡：在互聯網時代，員工年齡對創新和重組的組織來說很重要，很多公司在招聘的時候都會增加35歲的限制；
學歷：隨著經濟衰退，就業市場越來越卷，高層次人才進入到市場之后，學歷往往會成為一個卡點；
職業/級別：不同的公司有不同的崗位勝任力模型，定崗定級都不太一樣，如阿里的P級、美團的L級、百度的T級等；
用工形式：出于成本考慮，很多公司都會配置全職+外包的模式進行工作協同，以實現成本優化；

2.3 用人信息

考勤記錄、績效評估結果、晉升信息、培訓信息、活動參與信息、工作時長、加班記錄、出差記錄、請假原因等。

考勤記錄：正常出勤、請假、休假等，由于疫情，會提倡居家辦公、遠程在線解決問題，線上打卡的時間；
績效評估結果：考核方式的差異性，對考核結果也會存在一定影響，不同維度的評價，影響人才規劃發展；
晉升信息：入職后，參與晉升提名、晉升述職及最后的晉升結果，構建人才梯隊建設，塑造影響力；
培訓信息：參與專業技能培訓的記錄，以及對外開展培訓的記錄，對用人成本進行控制和優化，催生更大的人才價值；

2.4 離職信息

離職時間、離職原因、離職去向。

離職原因：離職的真實原因，需要通過離職面談做好面談記錄，可用于優化后續的人力體系建設；
離職去向：是否加入競爭對手相關的公司，判定是否遵循競業協議

三、幾個典型的案例和分析框架

分析框架和核心指標。

3.1 可參考的分析框架

油管上檢索到的可以參考、借鑒的可視化方式

3.2 常用指標

3.2.1 招聘指標

招聘時長、單位招聘成本。

招聘時長：從職位開放到候選人接受該職位之間的天數，職業類型會造成較大的差異，如資深前后端開發、大數據分析師、市場銷售都會相對比較長；

3.2.2 考核指標

在職員工數、新員工占比、離職率、缺勤率、晉升時長、九宮格人力評估等級、滿意度得分等。

在職員工數：當前在職的員工數；
離職率：周期內離職員工數/總員工數；
新員工占比：周期內新員工的數量/總員工數；
缺勤率：周期內平均缺勤的時間/理論上班時間；

3.2.3 成本指標

招聘成本、缺勤成本、培訓成本、人力成本（單位人力成本）。

招聘成本：招聘工作的總成本，包括各渠道下招聘廣告成本、人員流失成本、交接管理成本等；
培訓成本：在員工培訓課程引入、授課、激勵等方面花費的總金額；
人力成本：主要體現在薪酬方面，包括員工月底工資、社保、福利、稅務、績效獎金、年度獎金等；

3.2.4 信息化指標

人力配套軟件的使用情況測量：

總PV數
活躍用戶數量
平臺上的平均時間
會話長度
每個用戶每月在平臺上的總時間
軟件留存率

3.2.5 其他指標

HR人數/總員工數占比
HRBP人數/總員工數占比
…

四、需要用到的表字段命名和定義

附阿里天池比賽中的數據結構，項目數據來源。

（1）Age：員工年齡
（2）Attrition：員工是否已經離職（1表示已經離職，2表示未離職，這是目標預測值）
（3）BusinessTravel：商務差旅頻率（Non-Travel表示不出差，Travel_Rarely表示不經常出差，Travel_Frequently表示經常出差）
（4）Department：員工所在部門（Sales表示銷售部，Research & Development表示研發部，Human Resources表示人力資源部）
（5）DistanceFromHome：公司跟家庭住址的距離，（從1到29，1表示最近，29表示最遠）
（6）Education：員工的教育程度（從1到5，5表示教育程度最高）
（7）EducationField：員工所學習的專業領域（Life Sciences表示生命科學，Medical表示醫療，Marketing表示市場營銷，Technical Degree表示技術學位，Human Resources表示人力資源，Other表示其他）
（8）EmployeeNumber：員工號碼；
（9）EnvironmentSatisfaction：員工對于工作環境的滿意程度（從1到4，1的滿意程度最低，4的滿意程度最高）
（10）Gender：員工性別（Male表示男性，Female表示女性）；
（11）JobInvolvement：員工工作投入度（從1到4，1為投入度最低，4為投入度最高）
（12）JobLevel：職業級別（從1到5，1為最低級別，5為最高級別）
（13）JobRole：工作角色 （Sales Executive是銷售主管，Research Scientist是科學研究員，Laboratory Technician實驗室技術員，Manufacturing Director是制造總監，Healthcare Representative是醫療代表，Manager是經理，Sales Representative是銷售代表，Research Director是研究總監，Human Resources是人力資源）
（14）JobSatisfaction：工作滿意度（從1到4，1代表滿意程度最低，4代表滿意程度最高）
（15）MaritalStatus：員工婚姻狀況（Single代表單身，Married代表已婚，Divorced代表離婚）
（16）MonthlyIncome：員工月收入（范圍在1009到19999之間）
（17）NumCompaniesWorked：員工曾經工作過的公司數
（18）Over18：年齡是否超過18歲
（19）OverTime：是否加班（Yes表示加班，No表示不加班）
（20）PercentSalaryHike：工資提高的百分比
（21）PerformanceRating：績效評估
（22）RelationshipSatisfaction：關系滿意度（從1到4，1表示滿意度最低，4表示滿意度最高）
（23）StandardHours：標準工時
（24）StockOptionLevel：股票期權水平
（25）TotalWorkingYears：總工齡
（26）TrainingTimesLastYear：上一年的培訓時長（從0到6，0表示沒有培訓，6表示培訓時間最長）
（27）WorkLifeBalance：工作與生活平衡程度（從1到4，1表示平衡程度最低，4表示平衡程度最高）
（28）YearsAtCompany：在目前公司工作年數
（29）YearsInCurrentRole：在目前工作職責的工作年數
（30）YearsSinceLastPromotion：距離上次升職時長
（31）YearsWithCurrManager：跟目前的管理者共事年數
（32）Average_Working_Hours_per_Month：每月平均工時
（33）Average_Working_Hours_per_Month：每月平均工時
（34）Complete_Projects：完成項目數量
（35）Employee_Competence：工作能力
（36）Mistakes：失誤次數
（37）Salary：工資區間
（38）Whether_Get_a_Promotion_in_Five_Years：五年內是否晉升
（39）Whether_Resign：是否辭職
（40）Working_Years：工作時長（年）

五、寫在最后

人力資源數字化是企業數字化轉型中的重要部分，是由表及里、由下至上的多層次變革。其核心價值在于盤活人力資源管 理中的各項數據，重塑管理與業務流程，達成提升企業管理能效、優化員工工作體驗的效果。

基本定義上，人力資源數字 化的主體為企業的人力資源部門，狹義上指在人力資源部門內部進行數字化轉型，廣義上則指將人力資源業務融入企業運 行生態，與企業數字化轉型形成交互配合。在實施流程中，人力資源數字化往往通過云與人工智能等技術對底層數據進行分析預測，進而賦能企業決策，并在文化層面培養員工的數字化心智，形成數字化管理的文化氛圍。

引用：艾瑞2022年發布的《2022年中國人力資源數字化研究報告》一文中的內容