这两天在朋友圈一张华为的HR招聘广告传的很火。年薪40万招聘HR数据分析师!这还没算上股票期权和其他福利补贴。 人力数据分析,人力资源分析,人力资源分析模板,人力资源数据分析工具 一般企业的HR工资水平在公司应该处于中等甚至偏下,没想到多加个数据分析的标签,薪水居然能这么多,而且这两年,数据分析能力似乎已经成为优秀企业招聘HR的重要指标,不光华为要求数据分析能力,百度、阿里等企业在HR的招聘简章中都提到了数据分析能力的要求。 人力数据分析,人力资源分析,人力资源分析模板,人力资源数据分析工具 人力数据分析,人力资源分析,人力资源分析模板,人力资源数据分析工具 大公司的招聘要求,一定程度上代表着职业发展的方向。不会数据分析的HR,必将没有市场。 特别是在人力资源岗位上,因为本身不具备直接产生效益的能力,如果还不懂得运用人力资源数据推动业务发展的,那对企业而言,只能是成本部门,不被重视,没有任何话语权,还不如外包省钱省力。 正因为如此,很多像百度一样的企业,都已经开始设置人力资源分析师岗位,通过大数据获取有关组织和人才的信息,对企业在组织和人才上未来可能产生的问题进行预测、预警、预判,并据此向业务部门提出决策建议,让人力资源真正发挥价值。人力资源数据分析,不仅仅是对HR个人的要求,更是企业发展的需要。 人力数据分析,人力资源分析,人力资源分析模板,人力资源数据分析工具

人力资源数据分析应该如何做?

人力资源数据分析的岗位之所以高薪,主要还是当下的HR多数都缺乏数据分析的能力,稀缺性造成了高薪,另一方面,HR用数据说话,从来不是一件简单的事情,也是HR工作里含金量高的工作之一。 人力资源管理中的数据分析最主要的就是两个方面,一方面是人员结构性分析,一个方面是人效的分析。跟踪企业人效,能够有效地监测公司经营状况,了解每个员工或者每个部门以及公司整体的人力效能情况,分析人员结构,能够帮助公司在招聘上提前做方案,做好储备,避免人才断层的风险。 人力数据分析,人力资源分析,人力资源分析模板,人力资源数据分析工具 虽然大部分的HR对人力资源管理知识掌握熟练,也大概知道做人力资源数据分析的意义,但是大部分人对数据分析的理解还不够深入,所以很多人做出来的人力资源数据分析的模板,可能就是下面这样: 人力数据分析,人力资源分析,人力资源分析模板,人力资源数据分析工具 员工性别比例、工作年限、地区分布、学历水平等等,把数据罗列好,配上简单的图表。 然而这样的数据,掌握基本Excel使用能力的人都能轻松统计出来,为什么要高薪聘用人力资源数据分析师来做?这样的数字统计出来了,到底代表了什么呢?好还是不好?性别比例背后的意义,是要老板自己猜吗? 只有数字罗列,没有分析,这样的数据不要也罢。而所有的数据分析,都应该有驱动业务的价值。 人力资源的数据分析,应该是通过数据获取有关组织和人才的信息,对企业在组织和人才上未来可能产生的问题进行和预测、预警、预判,并据此向业务部门提出决策意见。 这里我们就以一个真实案例,来讲解一下有价值的业务分析是怎样的。

人力资源数据分析中的痛点

小王是某公司总部的人力资源专员,每个月、每季度、每年,小王都要负责整理这段时间区间内员工的新增、离职、调动情况,并针对员工的构成特征、KPI绩效、工资发放等进行管理。公司的员工信息保存在OA系统中,而薪资信息又保存在另一套云ERP系统中,有一些分公司还有自己的业务系统。 这些数据之间没有被打通,就像一个个孤岛,将其整合在一起需要耗费大量的人力,而就算费了老大劲整理好了数据,这些数据也存在滞后性、准确性等问题。比如: 1.小王每个月月中就要发布通知,让各分公司将本月的人力资源信息开始汇总,之后进行上报。从发布通知,到上报结束,往往需要经历2周甚至更多的时间, 白白耗费了许多人力不说,还存在严重的滞后性。 2.人力资源数据采用Excel进行上报,绩效、薪资的计算也是人工使用Excel进行核算,篡改、纰漏等数据准确性问题无法把关,全靠业务人员的责任心和专业性。 3.数据以月份为单位进行存放,当需要汇总观察趋势时候,就需要将N张Excel进行整合,费时费力,Excel的性能也堪忧。 因为以上的种种数据问题,小王每个月的大部分工作时间都在整理、核算数据,更不要提什么数据分析了。

分析工具+解决方案

为了解决上述问题,小王需要的是一套能够实现多数据源整合+数据处理+数据分析的软件。小王的这一需求,是许多企业推进数字化进程中的共性需求。这样能够满足从数据源到业务人员数据分析完整分析流程的软件,就叫做商业智能(BI)软件,这个概念最早由Gartner集团提出,目前国内的BI软件很多,我就以比较有名的FineBI为例,来讲解如何进行人力资源数据分析。

1、数据连接

FineBI可以把不同来源的数据基于业务分析需求进行分类管理。无论是传统的关系型数据库MySql,Oracle还是Kylin,Hive,Spark等大数据平台,都可以通过FineBI进行连接,将其中的数据进行整合,打破各个业务系统中的“数据孤岛”。 而如果选择直连模式,则可以实现实时数据展示,上一秒发生的人员变动信息,下一秒就可以在BI中展现出来,消灭数据迟滞的同时也降低了人力浪费,大大提升了决策效率。 人力数据分析,人力资源分析,人力资源分析模板,人力资源数据分析工具

2、数据加工

在设置好数据连接,添加好需要的数据表并设置了表间关联后,我们可能还需要对数据进行一些处理,比如过滤掉一些不需要的数据,或者进行一些计算等等。这时候就可以使用FineBI的自助数据集进行数据的二次加工。 人力数据分析,人力资源分析,人力资源分析模板,人力资源数据分析工具

3、自助分析

数据治理这些后台的底层工作完成后,HR就可以针对数据进行探索式分析了。把纬度和指标拖拽到坐标轴就可以自动生成可视化分析图表,制作完成的各图表组件之间还能实现联动、钻取等OLAP分析功能,从多个角度探索,深入挖掘数据价值 人力数据分析,人力资源分析,人力资源分析模板,人力资源数据分析工具

人力资源分析模板

1、新入职员工分析

人力数据分析,人力资源分析,人力资源分析模板,人力资源数据分析工具 我们可以通过探索分析发现以下特点: “新员工数、去年同期新员工数和与去年同期相比的在职员工数变化率(%)(按月)” 组合图显示,今年每个月雇佣的员工数都比去年多。 有几个月的雇佣员工数明显很多。 从按地区和种族划分的新员工计数和在职员工计数组合图可以看出,我们在东部区域招聘的员工较之更少。 按年龄组划分的新员工增长率变化瀑布图显示,我们主要招聘的是年轻员工。 这种趋势可能是因大部分工作都是兼职性质所致。 “新员工数(按性别)” 饼图显示,新员工数按性别大致均分。 人力数据分析,人力资源分析,人力资源分析模板,人力资源数据分析工具 我们可以通过探索分析发现以下特点: 左边的两个组合图显示了,与去年同期相比在职员工数和离职员工数的变化情况。 今年的在职员工数比去年多,这是由于快速雇佣所致,同时离职员工数也比去年多。 8 月的离职员工数比其他几个月都多。通过点击不同的区域、性别进行探索分析,发现其中东部地区的离职人数明显更多。 我们注意到,在饼图中,在职员工数按性别和年龄段均分。 接下来可以选择不同的年龄段了解各个年龄段是否按性别均分。

2、差员工分析

人力数据分析,人力资源分析,人力资源分析模板,人力资源数据分析工具 要探究的最后一个部分是差员工。 差员工定义为上班不超过 60 天就走人的员工。 我们正在快速雇佣,但我们是否雇佣到了优秀候选员工? 选中左侧“区域” 过滤组件中的“西北” ,并点击“差员工数(按性别)” 环形图中的“男性” 。研究“差员工数” 页上的其他图表。 我们注意到,男性差员工数比女性要多,并且 A 组中有很多差员工。 如果研究“差员工数(按性别)” 环形图,并选中“区域”过滤组件中的不同区域,就会注意到,东部区域是唯一一个女性差员工数比男性要多的区域。

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。

人力数据分析,人力资源分析,人力资源分析模板,人力资源数据分析工具

用FineDataLink串联您的企业数据,数据成为生产力

加入标杆客户阵营,分享您所在企业的数据故事