欢迎收听三茅会员话题深度分享。

大数据时代，无论是人工智能还是信息系统，这些技术的基础都离不开数据。在这样的背景下，人力资源数据分析也已经成为一个非常热门的话题。本节内容就带你了解数据分析的优势以及如何培养数据分析思维框架。

数据分析对HR工作的好处不言而喻。例如，你可能会用主观方式描述人力资源问题：“公司员工生产效率较高”或“最近招不到研发人员”。这些描述虽然表达了问题，但缺乏说服力。如果我们换成数据：“公司人效比行业平均水平高30%”，“研发人员招募周期为3个月”，“年化离职率为40%”，则更具客观性和说服力。

这就是数据的意义，能够让我们更理性、客观地看待问题。而没有数据，跟着感觉走，就很难把握方向。

即使大家意识到数据分析的重要性，许多HR仍然有困惑：“我数学不好，不懂算法，是不是就无法做好数据分析？”或者“如何通过数据分析发现工作中的问题？”

数据分析的关键在于培养正确的思维框架，给大家介绍一个能够快速有效培养数据分析思路的工具——长链分析。

长链分析，就是把自己的思维从横向时间轴和纵向逻辑轴两个维度拓展，帮助我们深入分析问题。

横轴代表事物发展的顺序，称为时间轴。事物的发展会有很多环环相扣的前因后果关系，因此，我们如果能把这些不同时间点的数据串联起来可能有更多的发现。

在人力资源领域中我们通常会进行招聘分析、绩效分析、离职分析、人力成本分析等不同类别的分析。有不少公司的分析侧重点会更着重当下的需求。例如，在招聘期间，侧重点是如何以最快的速度把人招进来满足业务需求。因此，对于招聘人员的能力和绩效的评估，往往会通过每个岗位招聘完成所经历的时间、人均招聘量及用人经理在招聘完成后的满意度等维度来分析。

如果你在分析招聘数据时也主要着重这几个指标，那么说明你是一位有经验的好员工，掌握了当前市场上通常的分析方法。不过，如果你每次都谈这些指标，这并不代表着你有更深入的洞察，因为大家都知道要看这些数据。

那如何进一步拓展分析的广度呢？我们可以在考虑当下需求的基础上，再把时间轴拉得更长一些，去看看在招聘之后能不能发现什么问题。

比如，有些公司会把新员工是否通过试用期作为另一个招聘质量的衡量点，这个做法至少能将时间往后推移几个月来验证招聘的质量。如果我们继续拓展思路沿着时间点往后看，我们可以去关注新招员工在第一年年末的绩效情况。因为一个人在加入公司一年之内所取得的成绩，很多是由他过往的知识积累、学习能力、人际相处能力等来决定的，因此员工第一年的绩效情况和招聘质量会有比较大的关联性。

我们还可以沿时间点再继续往后看，关注员工离职的时间，我们会发现不少员工是在入职一年之内离职的。这很有可能是员工进入公司以后，能力上的人岗不匹配，或者由于性格、价值观等无法改变的特质和公司的团队文化氛围不相容等因素造成的。发生这些事件和招聘质量也有一定关系。因此，我们还可以尝试从离职分析来反观招聘的质量。

现在，你会发现其实我们已经把招聘分析、绩效分析、离职分析关联到了一起。

再就是通过招聘过后用人过程中的成本，也能有所发现。比如，在完成招聘之后可以定期分析一下，比较新员工群体整体薪资状况和现有员工群体薪资状况，是否会有明显的差距，如果因为时间的压力用提高薪资的方式来招人，最后就可能会导致用人成本迅速上升和一定的内部薪资失衡，这些问题都是可以从数据角度通过分析来发现并深入讨论的。

不仅是把时间点往后推，还可以把时间点往前推，分析新员工的来源。通常大公司的招聘渠道有社招、内招、校招、员工推荐、第三方招聘供应商、猎头等。我们把时间链上各环节的数据通过渠道来区分，就可以看出哪些渠道的综合招聘质量最好。

分析完横向的时间轴，我们再来看纵向的逻辑轴。

逻辑轴主要是通过数据分析进一步寻找根本原因，把数据分析的结果转化为行动，以便后续改善。

详细来看，逻辑轴中的问题能起到一个很好的引导作用。这两个主要的引导问题分别是“为什么”和“真的吗”​。任何事情只有解决这两个问题有时才能找到真正的原因，否则容易停留在表象。

以销售报表为例。假设我们通过数据看到员工甲的销售额排名最高，员工乙的销售额排名最低，可以先问自己为什么会是这个结果，这时我们的第一感受很有可能是员工甲的能力强，员工乙的能力弱。接着，按照长链分析的逻辑引导，我们要继续问一个问题：​“这是真的吗？​”这个问题会驱使我们再往下探究其他数据并深挖原因。

我们可以看一下上季度的销售数字，计算出季度销售增长率。假设我们发觉员工甲和上个季度相比销售额没有增长，但是员工乙的销售额相比上个季度却有50%的增长。我们可能就会想到由于销售区域不同，基础不同，绝对数字并不能真正代表员工的能力，因此增长率也是一种用来体现销售能力的维度。

分析到这里，我们能否说因为季度销售增长率高，所以员工乙更有潜力呢？别着急，可以再往下问一个“为什么”​，为什么会有这个增长率的结果呢？再次深度发掘，有可能我们会发觉员工甲的销售区域受到了国家政策的影响被限制相应产品的销售，而员工乙的销售量高是由于产品刚进入该区域，需求旺盛，因此增长快。所以市场因素也是导致销售增长率变化的原因而不仅是销售的能力。

以此类推，我们还可以通过问自己更多个“为什么”和“真的吗”来继续往下钻取更多的根本原因或者获取更多证明结论的证据。

好，接下来，我们再往逻辑轴的上半部分看，往上的方向，就是在深度挖掘后，要回到现实引发行动。要向自己发问：​“然后呢”​，这会引导我们去思考下一步应该采取什么行动。没有行动，分析就是纸上谈兵。

回到介绍时间轴时所列举的招聘分析来看，当我们在找到不同招聘渠道在成本、绩效、离职率上所产生的不同结果之后，可以问自己：​“然后呢”​，来思考如何依据结果来展开行动。

假设我们在招聘质量分析结果中，发现内推渠道进来的员工绩效和一年之内的保留率都比较好，就可以思考如何进一步采取行动在公司内部加强内推的宣传和奖励机制来激励员工有更多的内推。如果发现某供应商招聘渠道招的新员工整体薪资和能力相比偏高，也可以通过数据对比，告知供应商存在的问题并提出新的衡量要求。这样，我们的数据分析结果就可以嵌入日常的工作流程中。

在想出一些行动之后，也不要急于结束思考，可以再次发问“还有吗”​，引导我们去思考还有什么有帮助的行动。

例如，我们已经在分析中发现入职一年员工的离职率偏高，那么可以在员工体验这方面着重和新员工进行一些访谈和调研，来看看是否有可能通过改善新员工体验来缓解新员工离职率高的情况，从而降低公司不断招人的成本和压力。同时，我们还可以把离职率分析的结果用来优化招聘计划。

持续通过“还有吗”来思考的行动越多，真正通过数据分析引发的工作改善就越多。

在日常工作中，希望大家能够打开思路，利用长链分析多做一些相关联的分析，能够多问“为什么”​“真的吗”​“然后呢”​“还有吗”来深度挖掘根本原因和引发行动。相信自己，坚持实践，就能逐步成为这真正懂数据、有深度、有洞见的实战派HR。