-
行業資訊
INDUSTRY INFORMATION
人力資源部門作為企業必不可少的部門之一，每年經手的數據量之大、類型之多可想而知。特別是在如今信息爆發式增長的時代，海量數據沉淀的背后是亟待挖掘的數據寶藏。
然而目前大多數人力資源部門還在做傳統的“體檢型”數據分析，不管有用沒用，所有數據來一遍圖表，男女比例、學歷構成、離職趨勢等等，這些有一定價值，但都是泛泛之談。
“如何能把人力資源從成本中心變為為企業盈利部門，讓各業務老大們視為自己人，是從業HR多年的我在思考與摸索的?！边@是某制造企業的HRBP陳同學的目標，并且為之展開了行動，但是現實中卻發現諸多瓶頸：
▏海量數據無法高效處理？
制造型企業日常管理中積累了大量數據，其中HR部門尤甚，如培訓記錄、出勤記錄、加班記錄、請假記錄、招聘面試數據、績效評價等，每月數據量達2萬行；
Excel可以滿足部分數據分析，但數據達到一定量級后，很容易造成死機；
▏數據孤島阻礙價值探索？
企業投入的諸多系統“各自為戰”，同時還存在部門壁壘，形成了數據孤島；
進行數據分析需要收集多個平臺數據進行整理和數據清洗，耗時耗力；
無法實現數據串聯，造成數據浪費，隱藏在數據中的價值未被發現，也難識別；
▏數據如何保證又快又準？
領導臨時交代的分析任務，如離職率分析、在職人員經驗等數據，為了保證數據實時性，每次都要把之前所有分析過程再走一遍，效率非常低。
為實現個人價值與組織共贏，陳同學積極參與企業業務，但光“動嘴皮子”很難去說服別人，更不可信，所以拿“數據”說話是必要的手段。
因此，陳同學一直在努力學習數據處理方法，并在不斷的實踐中提高知識應用能力。接下來陳同學將通過以下三個場景案例分享個人實踐過程：
1
午餐排隊時間過長
是否要調整時間錯峰進餐？
公司分兩個職場，兩地步行約10分鐘。主職場有A、B兩個食堂供餐，副職場由B食堂送餐。食堂通過刷卡就餐人次同公司結算賬款。副職場甲部門同事同后勤反饋就餐排隊時間過長，要求更改進餐時間。
一般此類事情領導第一時間會想到讓HR處理，加上由于和個人體感不符，所以作為積極主動的HR一枚，陳同學同后勤處要了食堂的5個工作日刷卡數據。利用數據來看看實際情況如何：
1.了解每日整體就餐人數，以及各食堂人員分流情況
通過導入刷卡就餐數據，關聯人事數據后發現就餐人里出現了已經幾位離職的伙伴“去而復返”，而且兩位是已經離職5個月的人。
這是出現了風控問題：首先立刻聯系公司IT注銷已發現的兩人權限；再要求IT核實一年內離職人員權限是否均已失效；同時審核離職流程中權限注銷節點是否出現BUG；至于離職人員刷卡消費產生的損失，交由后勤處理。
回到本次要看到的內容，數據顯示每天會有約30%的在副職場工作的人員花費20分鐘跑去主職場食堂就餐。從就餐人數看甲部門人員遠小于乙部門。
2.反映排隊的食堂，員工集中就餐時間
從熱力圖中的趨勢線可發現副食堂就餐密集時間為11:28-11:48，甲部門就餐高峰為11：29-11：39，雖有重疊但甲部門人數較少且整體人員就餐時間分散，更改就餐時間影響意義不大。
本次事件分析除了能為后勤管理決策提供一定參考意見，同時也發現了潛在的風控問題，發現漏洞及時止損。
2
項目多加班長，項目經理要求社招加人
要不要招？
項目經理在月度例會上提出了抱怨，說是近半年項目太多，工程師一直在加班，需要再增加人員，需要HR進行社招。
招不招？招多少？分配給誰？可不是拍腦門就能確定下了的。在同總部申請人頭數前，還是要用數據說話，底氣足好辦事：
1.了解人員負荷情況和各月加班趨勢，探究加班是普遍趨勢還是個別情況
從近半年加班數據看，人均加班小時數與整體加班小時有下降趨勢：
?54%的員工加班小時在70h以內，平均到每月約12h，較為正常；
?24%的員工加班時間在100-200h，日均加班1.5h，在可接受范圍；
?超300h的僅3%；
從個人加班排行看，一位仁兄異軍突起，且個人申請的加班小時占了個人加班的80%。
從員工加班詞云也可直觀發現，加班異于常人的只有非常少的小部分人。
2.了解加班嚴重的是哪些群體
過濾出加班超過300小時的人員：
?通過餅圖可直觀發現工作經驗不足3年人員占比50%，這部分人員需識別是技能不足，還是工作負荷較大導致的加班：
?如果是技能不足，需要安排輔導與培訓；
?如果是工作負荷原因，建議酌情安排分工；
?從各項目組看，D組加班比例較高。需同業務負責人聊聊是項目階段情況，還是人員不足。
?各項目組還有部分“準點下班人員”，大家雨露均沾下，是否可行？
基于以上分析，針對業務要求加人的請求，暫時先進行人員儲備，如持續高水平加班，則適當進行人員補充或采用借調方式補充“人力”，針對識別出的幾個“異常點”，核算后采取臨時支持措施。
3
員工離職原因必選“晉升困難”
到底有多難？
離職檢查單中離職原因“晉升原因”基本是必填選項。離職面談時員工也會就這點”深入淺出”聊聊。
聊天吐槽后，數據匯總完，就真的完事了？領導問你離職原因，你直接來句“晉升困難”信不信領導瞪你。
而且從信度與效度的角度，簡單的離職檢查單是不夠的?？紤]如下兩點分析：
1.考慮基數與受眾因素聚焦主管級，從人事檔案中抓取從入職到晉升主管的時間
從各部門人員晉升到主管需時間排行來看，最難的當屬戰略部，而生產部門相對較好，所需時間均低于平均值。
公司整體與項目部晉升時間對比看，項目部人員晉升所需最大時間遠小于公司整體，但項目部仍處于最難提升的TOP5內，從數據層面印證了員工反饋的“晉升難”問題。
從人員年齡與工作經驗維度對比，“年輕人”更容易晉升，公司晉升政策對此有一定影響。
從人員激勵與保留角度，建議公司仍需考慮“年齡較大，經驗豐富”的基層人員激勵方案。
PS：由于績效為晉升硬性要求，不具有分析對比價值，在此未單獨羅列。
2.公司晉升時間現狀如何，均值與中位值情況與影響因素
“晉升”作為人員保留的手段之一，可謂企業為數不多的殺手锏。但從數據對比中發現，仍會有10%人員在晉升后選擇離職，離職日期與晉升時間相距不足1年。
是我們晉升決策過于冗長，還是對晉升人員沒給予足夠的培訓輔導，是需政策制定者反思與深究的。
從陳同學上述分享的實踐過程可以得知，通過數據的分析和拆解組合，能看到之前忽略的信息；領導臨時交代的任務，也能很快的交付，并且提供更多維度的選擇。
如何選擇合適的人力資源數據
分析解決方案？
人力資源數據分析需要完整的解決方案，那么如何選擇一個適合你的解決方案？
任何大規模使用的人力資源數據分析解決方案都必須具有某些特定的部分：
1.會回答高管們提出的商業問題。人力資源數據分析要服務于企業的業務發展，在選擇人力資源解決方案時就要多維度考量是否能支持業務問題的解決。
2.很容易被非數據專家的個人使用。當非專業人員在不中斷數據專家的工作流的情況下，也能有一個可訪問的解決方案。
3.以統計分析和機器學習技術為動力。大型數據平臺需要先進的數據管理系統，這些系統由機器學習和自然語言處理驅動。這使得技術能夠自主地學習和推理，得出可以分析的數據。
4.基于預測分析。“預測分析”是從現有數據集中提取信息以確定模式和預測未來結果的實踐。
5.使用可視化技術。對大量數據的可視化表示可以幫助更好地理解趨勢和事件。通過分析引擎處理的復雜數據需要先進的可視化軟件，因為它不能用簡單的圖表和演示文稿來表示。
6.保障數據安全。當方案存在安全漏洞時，有可能造成薪資信息、內部調查或員工評估記錄等敏感數據丟失或被竊取，使企業面臨巨大的風險，因此使用安全性高的系統格外重要。獨家揭秘紅海eHR安全防護體系，可點擊“閱讀原文”查看哦。
人力資源數據分析從哪里開始？
▏培養團隊的轉變思維
HR領導者必須讓團隊和組織為一個由分析驅動的工作流做好準備。雖然與高管討論分析需求是變更的一部分，但是另一部分是讓你的團隊準備好處理用來測量變化的數據量。
這是數字轉換的一個關鍵方面。讓團隊開始進行小型項目，并要求他們創建報告，以便于業務領導人交流，這是一個很好的開始方式。
▏引進數據專家
數據專家將成為人力資源團隊中不可或缺的一部分。他們最適合于評估分析解決方案的可行性，還可以確保統計建模和預測的穩健性。
隨著人力資源業務合作伙伴和多面手角色逐漸演變為包括數據策略、分析和溝通等技能，數據專家將指導他們在人力資源部的同事如何理解和應用這些技能。
▏從小事做起
要是人們相信人力資源分析可以驅動業務價值，一個很好的方法是首先成功的實現一個小項目。這些項目被稱為“速成”，可以在短時間內產生切實的成果，而且有很高的影響力。
▏得到法律團隊的許可
人力資源分析所使用的數據收集在很大程度上受合規法律的制約。在實施人力資源分析解決方案時，需要牢記的一些法律限制是：
?員工隱私和匿名
?員工對其收集數據的數量和類型的許可
?使用第三方軟件進行人力資源分析時的IT安全性
與你組織的法律團隊合作，確保遵循道德和法律規范。
