什么是数据分析逻辑？

作者齐涛 2022-12-08 16:17 21463

内容来自 2022-12-09 打卡话题观看本期直播

【干货分享】薪酬、员工关系、劳动法等模块精华知识分享~

HR干货专场，欢迎15位大咖带来薪酬、员工关系、劳动法HR模块实战知识分享，期待各位同学一起参与讨论，认真学习~

展开

关联直播

已结束可回放

摘要：汇总学员关于数据分析逻辑的问题，分享给大家。

连续几期把学员的问题汇总并分享给大家，这是近期中最后一期比较有意义的内容了。

1.齐老师，你接触的公司和学员比较多，你认为人力资源数据分析普遍的难点在哪里？

总结这些年碰到的各种情况，我认为人力资源数据分析的难点主要有两点：

一是并不是真正通过数据分析来得到结果，只是做指标和维度的呈现，同时带一些分析的动作。

例如分析离职人数，要分析部门离职人数占比，一般情况下这个分析主要用于呈现。你说销售部门的离职人数占比达到30%，我们要重点关注，但是如果销售部门人数占公司总人数50%以上呢？事实上这样的情况很多，但是实操中用部门维度做分析却是非常常见的。

二是没有形成数据分析知识体系和逻辑，虽然数据分析的知识掌握了，但是运用却是没了思路。

例如学了对比分析，对比分析在哪用？只要对比一般都会有差异，哪些差异要分析，哪些差异可以忽略，这与专业知识、工作经验联系紧密。学了矩阵分析，为什么想不到应用场景？老师讲哪个场景就用哪个场景，老师不讲的根本想不起来，那学这个还有什么意义？

2.数据分析发现问题，再提出针对性举措，这个思路是没错的，但是为什么会说不是真正通过数据分析得到结果呢？

分析问题、发现问题、解决问题这个思路是没错的，但是最容易错的是在发现问题这一阶段，现在还普遍存在用感性代替理性、用现象说明结果、用少数概括多数的情况。

例如招聘计划完成率未完成，要通过数据分析找到未完成的原因，会发现什么原因呢？不拿具体数据也可能会猜测到一些：公司业务忙、招聘人员工作忙、XX岗位难招、招聘渠道不给力、猎头不给力、薪资低、用人部门要求高……

这些都不是数据分析的结果……真正的结果应该是通过数据去发现问题，例如工艺工程师岗位难招实际是每次复试通过后，都没有正式入职；招聘人员工作忙，具体忙到什么程度呢？如果我们说明每位招聘人员一个月只能发10份OFFER，实际要求每月要发30份OFFER，这样是不是更让人信服？

所以分析到了差异并不代表你能发现问题，还需要继续深入分析，拿数据说话，让人信服才行，要不然找理由谁都会找。

3.齐老师你也提到了没有形成数据分析知识体系，那这个知识体系到底是怎样的？

人力资源数据分析知识可以分为分析流程、分析方法、工具使用、案例实操等。

以数据分析方法为例，数据分析方法：对比、细分、结构、矩阵、回归、预测。到底该怎么用？什么情形下使用对比、什么情形下使用矩阵？这都是需要我们到场景中实践的。

我们再考虑一下，对比大家还会学到横向、纵向，或者时间、空间、基准等对比，但是是不是横向、纵向，时间、空间、基准等都要使用，这个该如何取舍？

知识体系是没错，但是都是模块化的，它们之间的联系并没有学到，这个是市面上的知识普遍存在的问题。必须掌握数据分析逻辑，形成自己的知识体系，把这些知识关联起来，形成网状化的知识体系，哪些知识可以结合使用，碰到什么样的情况使用什么样的知识。这个要么是自己做，要么是需要有人手把手的带，否则能构建知识体系的人还是占少数。

4.那到底什么是数据分析逻辑？

数据分析逻辑是学习数据分析的小伙伴普遍欠缺的，有没有发现哪怕学了数据分析方法、流程等，面对数据我们也不知道如何处理？

其实这个逻辑就是告诉你如何通过数据分析确定真正原因、找出影响因素、找出重要原因。不能像前面我们所讲的分析招聘计划完成率未完成原因，还没看到数据就能想到有各种情况，而掌握了逻辑，碰到问题不会偏离航道，真正通过数据找出原因。

例如：招聘计划完成率未完成原因，为什么没完成呢？再细分分析，发现中层岗位拖后腿，为什么中层岗位拖后腿呢，再细分分析发现除了行政经理，其它中层岗位都拖后腿，为什么这些拖后腿呢，再继续细分，最终发现HR和老板的选人标准不一致。我们会发现未完成的原因有很多，通过数据思维直接定位到了老板和HR的选人标准不一致，那么其它原因就是次要原因了，不是我们重点关注的内容。