你所看到的那些只是數據圖表,這才是數據分析

人力資源數據分析 發佈 2020-01-12T02:02:34+00:00

"2016年公司離職 55 人,比 2015 年離職少了 11 人,其中招商,運營,客服離職人數最多,占了 60% 的離職人數,主要原因是 2015-2016 年這幾個部門招聘的人數比較多,相對離職的人數也是占比多。在公司層面的離職原因里薪酬不滿意占了 25% 的離職原因,其他各



最近在更新人力資源數據分析的課程素材,在群里和小夥伴交流的時候,很多小夥伴就數據儀錶盤和數據分析報表進行了討論,其實在前幾篇文章里我們也講到了數據儀錶盤和數據報表的功能和用途,我們現在看到的很多數據分析的文章,書籍其實大部分都是數據報表,只是對數據的一種數據化的呈現,很少圍繞公司的戰略,業務部門的發展來對數據進行數據分析,也很少用科學的數據分析的方法來進行數據的分析。

要對人力資源數據進行分析,首先你必須了解你們公司的戰略,了解你們公司的業務,其次你要是一個人力資源專家,最後你要是一個數據分析的專家,所以為什麼現在人力資源數據分析的人才這個少,主要是你要滿足前面幾個條件非常的難。

我們就通過案例來講講到底什麼樣的人力資源數據分析報表才是真正的數據分析報表。我們就拿哪家每個季度都在做的人員離職原因來做案例,我們一般看到的傳統的對人員離職數據分析的數據呈現是這樣的:

這些是傳統的對離職人員離職原因分析的維度,很多HR對數據做了視覺化,然後圍繞這幾個圖做分析,最後得出的結論是 對公司的環境不適應這個是主要原因,我們要改善公司的環境,某某部門離職人數最多,我們要關注某某部門,某某年齡段的人離職最多,這部分人我們要關注。

我們往往做的都是這樣簡單的數據分析,但是真正的結合戰略,結合業務的數據分析應該是什麼樣的呢?

首先是一個數據交互的數據儀錶盤,數據儀錶盤的目的不是為了做數據報表,主要是數據分析的工具,我們設計了幾個維度,部門,離職原因,年份,各個職級,首先我們對公司整體的離職做一個數據的描述。

"

2016 年公司離職 55 人,比 2015 年離職少了 11 人,其中招商,運營,客服離職人數最多,占了 60% 的離職人數,主要原因是 2015-2016 年這幾個部門招聘的人數比較多,相對離職的人數也是占比多。在公司層面的離職原因里薪酬不滿意占了 25% 的離職原因,其他各項離職原因基本都持平。在離職人員的年齡分析中 30-39 歲的離職占據了 58% 的占比,工齡上一年內的離職占據了 71% 的占比。"

然後我們就要用儀錶盤進行數據分聚焦和交互,我們在公司的整體離職原因分析中,發現因為薪酬離職的人最多,那我們想知道哪些部門的人因為薪酬離職最多,因為薪酬離職的人,年齡組成,工齡組成,管理層和基層員工人數占比是什麼樣的,所以我們在數據切片器上 選擇「離職原因」這個時候出現的是以 「因為薪酬離職的」數據儀錶盤數據。

在這個儀錶盤里我們可以看出,哪幾個部門因為薪酬原因離職人數最多,發現是招商部門,而且主要年齡集中在30-36歲,工齡在 6-12月,管理層人數居多,所以我們根據公司的行業特點,和招商部門的人員特點,最終分析的結論是這樣的:

薪酬不滿意占據離職的 25% ,薪酬不滿意的離職員工 30-39 占據了 64% , 0-12 個月占據了 93% ,所以判斷基本上為有經驗的員工,這部門員工在崗位上有一定的工作經驗,了解行業的市場薪資,會和市場的薪資做對比。並且在因為薪酬不滿意在一年內離職,部門主要是運營和招商部門,所以我們需要去了解這兩個部門的薪酬架構是否合理,在薪酬的構成上績效考核是否合理,在薪酬上是否再市場上有競爭力。而且離職的基本都是基層員工,這部門員工多比較直接,以薪酬為直接目標,所以接下來我們需要多這些崗位做績效考核的調整。相對管理風因薪酬離職只有 3 人,說明管理層對薪酬還是滿意的。

然後我們在對離職最多的部門做數據分析,切片器選擇離職最多的那個部門,數據儀錶盤呈現的是那個部門的離職數據,這個時候我們就可以來針對這個部門和公司業務發展來做分析,最終給出解決方案,為什麼這個部門離職最多,這個就是在數據分析的時候做數據的交互和聚焦。

最後我們再以職級的維度來做分析,我們的目的想知道 管理層離職的原因和工齡,年齡,目的是能對管理層進行干預,降低管理層的離職率。

以上是我們通過數據儀錶盤進行各維度的切換,交互,聚焦,來結合公司業務戰略進行數據分析,最終我們會給與建議給出結果,並結合實際的解決放方案,這才是人力資源數據分析的真正意義所在,也是領導喜歡看到的。

我們要的是你通過數據得出的結論建議,以及你下一步的行動,所以數據圖表做的再好,如果沒有後面的數據分析,其實沒有太大的意義,我們要學的就是數據思維的提升。

關鍵字: