相信現在所有的HR都認同，人力數據（People Analysitcs）可以被挖掘出新的價值。

不少企業的人力部也已經認識到，有很多數據躺在電腦里，但未被充分利用。

人力數據能用來干什么、該怎么用？

很多HR卻充滿疑惑，并不清楚如何開始，從哪里開始。

數據分析是為了更好地決策！

提升決策水平，是數據分析的目的，也是之前提到的數字化的三大目標中最重要的一個。

決策需要的，不是羅列各種不同不癢的指標，而是方案建議。

建議的提出，應該依據數據分析中發現的觀點，更時髦的說法，叫做“洞見”或者“洞察”（Insight）。

校園招聘中的例子

分析數據，解釋數據，得出觀點和建議，可能并不復雜。

招聘HR每天登錄招聘系統，可以看到格式的報表和儀表盤：總簡歷數、本月新增簡歷數、應聘者學歷等背景信息的分布、各階段人數的漏斗圖等等。

也包括這樣一張每日簡歷新增數量的折線圖：

（示例數據，非真實）

我們能看到它有一些起伏，但我們能看出什么觀點，提出什么建議呢？我們需要結合其他數據和實際工作，進一步分析：

只是簡單地加上了上年同期情況，就可以發現和上年同期相比，簡歷數已經成倍增長了，便不難得到觀點：今年的簡歷總數大幅增加。

增加的原因，可能與我們吸取經驗，提前布局了一系列推廣活動有關。

再標注上各推廣活動的日期，結合其他數據，我們可以看出各項活動對簡歷量的短期刺激作用；結合各項活動的成本投入，我們就能建議：哪些活動值得擴大，哪些活動不應該再做。

在整個校招期間，我們每天早上會發出一頁PPT的數據報告，只有2-5張統計圖表，每天都不同；只展示近期成果、顯著變化等當時最被關心、對之后工作有指導意義的數據結果，分享給相關人員。

這是人力數據分析的一個非常簡單的例子，沒有復雜的方法與專業的工具，但亦能推動日常工作。

校招日報，就是一個人力數據分析的小主題。

主題分析，是我推薦HR走出的人力數據分析第一步，它能帶來不少益處：

• 入門無障礙，用Excel透視圖和PPT已經足夠做很多分析

• 成果可見，分析的結論可以指導日常實際工作

• 在實戰中，培養用數據思考、用數據講故事的思維和能力

• 發現業務中的數據缺失、發現數據質量等問題，主動提出數字化、數據治理的需求，并理解這些工作的價值。

如何完成一次HR數據專題分析

大致的流程步驟如下：

一、提出業務問題，進行合理假設

人力數據分析，一定要回答HR管理中的問題、支持HR管理中的決策。業務問題，可以從這幾個角度收集：

1.哪些決策是純憑經驗甚至拍腦袋的？

2. 工作中，你缺少哪些數據結論給自己撐腰？

3.自己的工作方向、方法是否正確？

4.你對哪些事情感到好奇？對哪些事情感到懷疑？

常懷好奇心和質疑精神，對于發現問題是非常重要的。

事實真的有那么好嗎？事實真的是那么差嗎？

比如前面校招的例子，可能你正為簡歷比去年同期成倍增長而高興，而只要再從招聘崗位的維度細看一下，可能你就會發現，增長其實主要來自某一類崗位的暴漲，部分崗位甚至是負增長。

之后要對你的業務問題，提出假設，為你的數據收集和分析提供方向。

比如，我想分析離職傾向，提出這樣一個假設：員工提離職前下班走得更早。

二、收集、整理相關數據

為了驗證你的假設，你需要找出過往積累的原始數據。可能是各種臺賬、問卷結果、測評結果等等。

通常原始數據的顆粒度越小越好（是解聚的），如果你有某員工具體的每天下班時間，就不要使用他的每月平均下班時間來分析。

當你用Excel透視表做探索和分析，你的透視表需要基于一張二維表。二維表就是類似員工信息表那樣的表，每一列都是一個字段（Field），每一行是一條記錄（Record）。

為了完成分析、看得足夠全面，你很可能需要將多張表合并成一張大表（通過Vlookup函數匹配）。

要驗證準備離職的員工會提前下班的假設，你至少需要合并離職員工信息表、離職申請表和下班時間表。

整理數據的過程中，你很可能會發現，此前的數據是有缺失的。有多少數據就先做多少分析，這不是我們止步不前的理由。

你可能發現Vlookup并不順利，各張表的業務口徑、格式都有很多不同。這些都是需要整理和轉換的，花在清理數據的時間很可能比分析數據還要多多，但這是必須的，也是值得的 。

確定各張表的業務口徑，記錄下轉換邏輯，之后考慮用自動化的工具來處理。

三、探索數據特征、發現業務觀點

探索數據的過程，你可以先簡單理解為制作Excel透視表，并嘗試不同的行、列、值、篩選條件組合，看看能不能發現一些特征。

透視表基于的大表中，定性的列（姓名、部門、入職年份等）被稱為“維度”，定量的列（下班時間、加班時長、遲到早退次數等）被稱為“度量”。

對于“維度”列，我們可以計數；

對于“度量”列，我們可以求和、求平均值、最大值、最小值、方差等。

除此之外，我們用Excel計算或作圖，嘗試發現“度量”的一些其他的數學特征，比如：

• 分布情況（集中或分散）

• 異常值

• 周期性

• 多個變量之間的相關性

之后，我們根據不同“維度”，再來細看，比較差異，發現特征；例如從部門維度來看，不同部門的人均下班時間差異大不大，不同部門的下班時間方差差異大不大。

“時間”同樣是通常會拿來比較的維度，正入校招例子中的折線圖。

我們說的“指標”，也可以看成特定維度和度量的計算和組和。

這樣探索出來的結果，可能與你的假設相同，也有可能與你的假設相反，這都可以給你帶來有價值的觀點；然而更多時候，你的嘗試可能并不能發現什么特征或規律。

例如，我們發現，疫情后，離職員工在提出離職前后的下班時間，與之前并無明顯區別；下班時間和提出離職并沒有明顯的關聯。這個有點反常識的結果也許令人失望，但我們同樣可以得出觀點：在判斷離職傾向時，也許不必考慮下班時間的變化了。

在這一階段，你也可以嘗試更高階的分析方法，比如聚類、線性回歸、預測算法甚至機器學習算法；當然這也需要更專業的數據分析工具。

四、可視化數據，展示觀點

制作圖表，可以讓讀者更容易理解我們發現的數據特征，從而更容易接受我們依據數據特征提出的業務觀點。

大致三個步驟：

• 確定我們要展示的觀點，和讀者/聽眾

• 確定要展示的數據特征

• 選擇合適類型的圖表

• 優化圖表中的元素

雖然Excel可以一鍵插入“推薦的圖表”，但實際上要做一張好的圖表，有不少技巧。

你也許曾經見過下面這張阿伯拉（Andrew Abela）圖表指南，但我們在選擇圖表類型時，它未必是最優解。

這部分內容，如果大家有興趣，之后可以單獨做一篇分享。

五、形成報告和行動建議

我們還需要將觀點、支撐觀點的數據圖表整合成一份邏輯清晰的報告，并基于觀點提出未來的行動建議，進行匯報，作為決策的參考依據。

人力數據分析探索與HR系統

回顧五個步驟，不難發現，人在探索數據、解釋數據、提出建議中的作用似乎難以被自動化工具替代。但HR系統任然能起到重要的作用：

• 提供規范的原始數據

• 自動制作探索分析所需的“大表”

• 自動計算新觀點相關的新指標，

我們在通過數據產生新觀點時，很可能也會發現新的需要持續監測的指標，讓系統來計算，加入到儀表盤中，能大大提升檢測的效率。

通過專題分析發現的指標，組成的儀表盤，也比不痛不癢的“常用指標”更有工作指導價值。

人力數據分析探索與BI（商務智能）

BI（商務智能）軟件可以通過互動式的圖表，幫助你找出數據特征、分享業務觀點；在人力數據分析的五個步驟中，均能帶來提升。我最近一直在學習Tableau，有機會可以跟大家再做分享。

希望每一位HR都能開啟自己的數據分析探索之旅！