最近在更新人力资源数据分析的课程素材,在群里和小伙伴交流的时候,很多小伙伴就数据仪表盘和数据分析报表进行了讨论,其实在前几篇文章里我们也讲到了数据仪表盘和数据报表的功能和用途,我们现在看到的很多数据分析的文章,书籍其实大部分都是数据报表,只是对数据的一种数据化的呈现,很少围绕公司的战略,业务部门的发展来对数据进行数据分析,也很少用科学的数据分析的方法来进行数据的分析。
要对人力资源数据进行分析,首先你必须了解你们公司的战略,了解你们公司的业务,其次你要是一个人力资源专家,最后你要是一个数据分析的专家,所以为什么现在人力资源数据分析的人才这个少,主要是你要满足前面几个条件非常的难。
我们就通过案例来讲讲到底什么样的人力资源数据分析报表才是真正的数据分析报表。我们就拿哪家每个季度都在做的人员离职原因来做案例,我们一般看到的传统的对人员离职数据分析的数据呈现是这样的:
这些是传统的对离职人员离职原因分析的维度,很多HR对数据做了视觉化,然后围绕这几个图做分析,最后得出的结论是 对公司的环境不适应这个是主要原因,我们要改善公司的环境,某某部门离职人数最多,我们要关注某某部门,某某年龄段的人离职最多,这部分人我们要关注。
我们往往做的都是这样简单的数据分析,但是真正的结合战略,结合业务的数据分析应该是什么样的呢?
首先是一个数据交互的数据仪表盘,数据仪表盘的目的不是为了做数据报表,主要是数据分析的工具,我们设计了几个维度,部门,离职原因,年份,各个职级,首先我们对公司整体的离职做一个数据的描述。
"
2016 年公司离职 55 人,比 2015 年离职少了 11 人,其中招商,运营,客服离职人数最多,占了 60% 的离职人数,主要原因是 2015-2016 年这几个部门招聘的人数比较多,相对离职的人数也是占比多。在公司层面的离职原因里薪酬不满意占了 25% 的离职原因,其他各项离职原因基本都持平。在离职人员的年龄分析中 30-39 岁的离职占据了 58% 的占比,工龄上一年内的离职占据了 71% 的占比。"
然后我们就要用仪表盘进行数据分聚焦和交互,我们在公司的整体离职原因分析中,发现因为薪酬离职的人最多,那我们想知道哪些部门的人因为薪酬离职最多,因为薪酬离职的人,年龄组成,工龄组成,管理层和基层员工人数占比是什么样的,所以我们在数据切片器上 选择“离职原因”这个时候出现的是以 “因为薪酬离职的”数据仪表盘数据。
在这个仪表盘里我们可以看出,哪几个部门因为薪酬原因离职人数最多,发现是招商部门,而且主要年龄集中在30-36岁,工龄在 6-12月,管理层人数居多,所以我们根据公司的行业特点,和招商部门的人员特点,最终分析的结论是这样的:
薪酬不满意占据离职的 25% ,薪酬不满意的离职员工 30-39 占据了 64% , 0-12 个月占据了 93% ,所以判断基本上为有经验的员工,这部门员工在岗位上有一定的工作经验,了解行业的市场薪资,会和市场的薪资做对比。并且在因为薪酬不满意在一年内离职,部门主要是运营和招商部门,所以我们需要去了解这两个部门的薪酬架构是否合理,在薪酬的构成上绩效考核是否合理,在薪酬上是否再市场上有竞争力。而且离职的基本都是基层员工,这部门员工多比较直接,以薪酬为直接目标,所以接下来我们需要多这些岗位做绩效考核的调整。相对管理风因薪酬离职只有 3 人,说明管理层对薪酬还是满意的。
然后我们在对离职最多的部门做数据分析,切片器选择离职最多的那个部门,数据仪表盘呈现的是那个部门的离职数据,这个时候我们就可以来针对这个部门和公司业务发展来做分析,最终给出解决方案,为什么这个部门离职最多,这个就是在数据分析的时候做数据的交互和聚焦。
最后我们再以职级的维度来做分析,我们的目的想知道 管理层离职的原因和工龄,年龄,目的是能对管理层进行干预,降低管理层的离职率。
以上是我们通过数据仪表盘进行各维度的切换,交互,聚焦,来结合公司业务战略进行数据分析,最终我们会给与建议给出结果,并结合实际的解决放方案,这才是人力资源数据分析的真正意义所在,也是领导喜欢看到的。
我们要的是你通过数据得出的结论建议,以及你下一步的行动,所以数据图表做的再好,如果没有后面的数据分析,其实没有太大的意义,我们要学的就是数据思维的提升。