HR进阶之路:用数据驱动人力资源管理

发布日期:2020-01-07 来源:红海科技 链接:http://www.hr-soft.cn/info/202001073825.html

  5G时代已来临,人工智能成为现实,大数据时代的真正到来。

  在信息高速发展的时代浪潮里,只要公司有业务决策需求,就离不开数据分析。

  无论你是从事数据分析类岗位,还是从事其他岗位,数据分析能力将成为所有岗位的基本要求,每个职场人的必备能力。

  这条规则在人力资源领域同样适用,近几年在各大公司火爆的岗位:HR Analytics—HR数据分析,就是最好的证明,很多公司开始高薪招聘人力资源数据分析岗位,却依然人才难觅。

人力资源数据分析岗位.png

  可以说,数据型HR似乎已经成为下一个风口。

  然而,大部分HR在工作中所谓的数据分析在老板眼中却只是“罗列数字”,并没有体现出价值。

  为何?比如老板需要一份公司人员分析表,而HR仅仅交出一份列出公司员工性别比例、工作年限、地区分布、学历水平等等,数据精确的图表,试想这样一份表格,相信能熟练操作Excel表格工具的优秀实习生也能提交,如果作为资深的HR来提交,显然不合格。

  真正能打动老板的HR数据分析应该具备以下两个条件:

  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,因为

  企业中CHRO或HR COE的定位便是依托数据的人才洞察与决策。

  那么,HR们应该从那些方面开始进阶HR数据分析之路呢?

  掌握应用分析方法——找出数据背后的逻辑线

  一、对比分析法

  有两个维度非常重要:一个是纵向时间,另一个是横向空间

  时间维度下我们经常会比较同比和环比的数据。比如今年上半年人力成本同比去年变化多少,今年12月比11月下降多少。而空间维度主要做横向对比,相对于其他企业,你的数据表现是怎样,以及企业各个部门之间的人力数据对比。

  企业内部数据比较好拿,行业和外部数据有一些渠道可以参考。

  1)行业内的上市公司。因为上市公司的数据、年报是公开的,翻年报你就可以找到相应的财务指标和人数。通过企业的股票代码找到它的年报,里面关于企业的财务数据、部门人数,事无巨细都有。

  2)是行业协会平台网站或行业垂直媒体网站

  3)咨询公司报告,可以选择付费拿报告数据,成本比较高,也可以找到一些公开免费的数据报告。

  二、相关分析法

  把两组不同的数据放在一起分析,找出其中的相关性,就是相关分析。你要把不同领域之间的问题结合起来一并分析:薪酬和绩效之间的关系是什么,高薪酬是否带来了高绩效?人员编制和部门业绩之间的关系是什么?团队的高敬业度是否带来了高盈利?比如,HR可以通过把加班时间和绩效两组数据放到一起做一个相关性分析来告诉老板,是不是加班时间越长,员工或公司的绩效就越好呢?

  专业的数据分析师一般都不会只局限于解决某个业务环节的问题,而是要从整体上来解决问题。同样地,HR数据分析既需要也应该熟悉人力资源六大模块的内容及关联,在实际工作中能够把各模块打通来分析问题,如此才能提出对业务最有价值的解决方案,这也是对HR全局思维能力的考验。

  可视化呈现分析——列图表讲故事

  当你经过大量推算、分析,得出了自己的洞见,提出了相应的解决方案,但是当把这一切向老板去汇报时,没有让老板看明白,也没能让老板清楚自己接下来该干什么,这样只会让你的努力功亏一篑。

  不论是谁,面对一大堆数据,第一感觉肯定是毫无头绪,但是如果能够将这些数据通过图表呈现出来,就很容看出其中的规律了。

  “一图胜千言”,有研究表明,人们接受含有可视化元素的指令比不含有可视化元素的效率高出323%,阅读高质量信息图表时的理解度要比纯文字高30倍。

可视化呈现分析——列图表.png

  另外,还有一种高阶的呈现方式,即通过数据讲故事,把枯燥的数字和文字通过讲故事的方式沟通给你的听众,当然这对HR的表达能力也是一种考验,如果想要往高阶晋升,也是一种努力的方向。

  最后,最重要的一点是,HR专业知识是应用数据和分析的关键和基础,才能将数据解读成可付诸于行动的洞察,提出相应的建议,知道如何定义与解构问题,如何收集与分析数据,使用什么工具来可视化呈现数据等。