来源 | 人力资源方法论

人力资源管理与人有关，但这可能会使事情变得棘手，经理和人力资源专业人士成为光环和喇叭效应的受害者并不少见。人力资源和经理很容易得出错误的结论，比如假设低敬业度是绩效不佳的原因，而实际上缺乏有针对性的培训是问题所在。

人力资源数据分析是揭示真实情况的最佳方式，你可以使用可衡量的数据收集准确、公正的信息，从而做出明智的决策，这些决策不仅支持业务运营，还支持你的员工。作为一个数据驱动的绩效管理平台，我们知道在实施提高绩效和参与度的策略时，正确的信息有多么强大。

一、人力资源数据分析的四种类型

数字是你在下面看到的人力资源数据分析示例的核心，但这些数字可以揭示有关你的业务及其员工工作方式的非常不同的信息。以下是4种分析类型：

1、描述性分析

描述性分析是一个HR数据分析示例，侧重于发生的事情，它允许你发现历史数据以更好地了解过去发生的事情。

例如，你可以收集有关在特定时间段内离开公司的员工人数的历史数据，这种类型的数据也可以成为衡量一段时间内出勤率和员工敬业度趋势的有效方法。

2、诊断分析

诊断分析是一个HR数据分析示例，侧重于某事发生的原因，它触及行为的根源，这是真正改变发生的地方，你可以了解特定结果的原因或工作场所趋势的原因。在尝试确定员工离开公司或某些员工不参与的原因时，数据点可能特别有效。

描述性分析和诊断性分析之间有什么区别？

描述性分析允许你衡量过去发生的事情，诊断分析阐明了发现的描述性数据点背后的原因。例如，描述性分析会告诉你在一定时间内有多少员工离开了公司，诊断分析可以帮助你确定导致高离职率的因素。

3、预测分析

预测分析是一个HR数据分析示例，它分析当前和历史数据以预测未来结果，它利用机器学习等创新技术来创建预测模型，突出过去数据中的相关性，以预测接下来可能发生的情况。

这是预测员工流动率、人才需求和其他劳动力趋势的有效方法。例如，预测分析可以帮助你根据工作满意度和敬业度等特定因素，确定哪些员工在特定时间段内最有可能离开公司。

4、规范性分析

规范性分析是一个HR数据分析示例，它确定了为改善未来结果而要采取的最佳行动，它超越了当前和历史数据，并处理数字以分析未来的潜在结果和情景，它使人力资源部门能够通过发现你可以采取的实际措施来提高员工满意度、减少人员流动和提高绩效，从而设计OD干预措施。

例如，如果你确定了离职风险很高的员工，规范性分析可以确定你是否应该提供晋升、加薪或专业发展机会。

预测分析和规范性分析之间有什么区别？

预测分析使用当前和历史数据来预测未来可能发生的情况，规范性分析确定为实现最佳结果而要采取的最佳行动。例如，预测分析可以帮助预测哪些员工离职的风险最高，规范性分析可以帮助你根据员工的独特风险因素确定加薪或专业发展是否是留住员工的更好策略。

二、18个HR数据分析示例

查看实际的HR数据分析示例可以帮助你准确了解它们如何适应更广泛的劳动力分析策略。下面的18个示例中的每一个都根据四种数据类型中的每一种进行细分，因此你可以专注于使用哪一种以及何时使用。

※描述性分析示例

收集数据点的第一步是通过描述性分析关注历史数据，此类别中的HR数据分析示例包括：

员工流失率数据

多样性指标

招聘指标

员工敬业度结果

绩效评估分数

1、员工流失率数据

员工流失率数据包括在特定类别中离开组织的员工总数，按部门、角色和任期对他们进行分类可以阐明你的发现。如果你想更深入地了解，离职面谈可以阐明员工选择离开公司的原因。

2、多样性指标

一些统计数据指出，种族和民族多元化的公司通常优于包容性较低的公司，因此你可以理解为什么调查为什么某些人群在你的工作场所中可能代表性不足很重要，你可以分析招聘模式、晋升率和内部流动趋势。

3、招聘指标

招聘指标可以帮助你发现招聘方法的有效性，一些示例包括空缺职位的填补时间和每次招聘成本，计算收到的申请数量很重要，但如果你根据部门、经验和其他因素划分申请，你可以从这个数据点中收集到更多信息。

4、员工敬业度结果

在调查中汇总员工数据，使用行为锚定评分量表来衡量敬业度分数，可以阐明整体敬业度水平。为不同的团队和部门创建独特的分数，你可以识别更准确的员工满意度趋势。

5、绩效评估分数

分析一段时间内的平均绩效评估分数可以帮助你更多地了解员工在一段时间内的绩效水平，你还可以衡量团队和部门的平均绩效评估分数，信息可用于识别高绩效员工以及可能需要额外支持的员工。

※诊断分析示例

诊断性HR数据分析示例可以阐明你发现的描述性分析，并向你展示如何最好地进行改进。他们包括：

招聘效果

多样性差距

员工敬业度下降

绩效问题

6、招聘效果

人力资源主管和经理可以通过评估职位描述、寻找渠道和衡量应用程序转化率来分析某些职位发布无法吸引合格候选人的原因。

7、多样性差距

通过令人大开眼界的人力资源统计数据，例如种族和民族多元化的公司经常优于包容性较低的公司这一事实，你可以理解为什么调查为什么某些人群在你的工作场所中可能代表性不足很重要，你可以分析招聘模式、晋升率和内部流动趋势。

8、员工敬业度下降

如果你注意到员工敬业度水平下降，你可以将调查反馈与最近的组织变化（如重组、政策变化和工作量增加）相关联。员工敬业度调查还可以发现其他问题，例如缺乏自主权或缺乏专业发展机会。

9、绩效问题

在此HR数据分析示例中，你可以检查某些个人或团队持续表现不佳的原因，你可以分析工作量、培训可用性、工作匹配度和领导效率等因素。

※预测分析示例

你可以将过去的数据与预测分析示例相关联并预测未来的结果，这些示例包括：

失误预测

招聘成功预测

未来的劳动力需求

参与度和生产力趋势

绩效结果

10、失误预测

更换员工的成本可能高达其年薪的两倍，这使得预测人员流动率成为一个有价值的衡量指标，通过敬业度分数、任期、绩效趋势和薪酬基准，你可以预测哪些员工的离职风险最高。

11、招聘成功预测

由于人才招聘可能非常昂贵，因此确保你的招聘流程尽可能成功非常重要。你可以根据历史数据预测应聘者接受录用通知的可能性，例如提供录用通知所需的时间、行业平均值和应聘者反馈以优化招聘。

12、未来的劳动力需求

你可以通过分析组织增长、项目需求和员工流失率的趋势来预测未来的招聘需求，你可以为全新的职位雇用某人或雇用额外的人手以避免人手不足的压力。

13、敬业度和生产力趋势

你可以根据历史调查数据、最近的管理变化和工作负载趋势来预测下一季度的员工敬业度水平，而不是等到敬业度和生产力下降后才采取行动。

14、绩效结果

预测员工的未来绩效可以帮助你提供主动支持，而不是在绩效下降后提供被动支持，你可以通过技能评估、过去的审核数据和培训计划参与来实现此目的。

※规范性分析示例

规范性分析可以帮助你在发现要改进的预测数据点时采取正确的行动，一些规范性的HR数据分析示例包括：

减少人员流动策略

优化招聘渠道

参与度改进计划

培训和发展建议

15、减少人员流动的策略

如果你预测人员流动率在不久的将来可能是一个问题，你可以制定数据驱动的人员流动率减少策略，它们可以包括根据你发现的特定预测分析增加培训、工资调整和指导计划。

16、优化招聘渠道

根据你发现的潜在招聘需求，你可以优化你的招聘渠道，你可以根据过去的数据和特定角色的不同渠道的预测成功来发现最有效的采购平台或工作委员会。

17、参与度改进计划

敬业度改进计划可以为你提供可行的建议，以根据显示对某些团队或角色的满意度下降的预测趋势来提高敬业度，这些数据也可以纳入SMARTHR目标，帮助为员工提供可行的步骤来提高他们的敬业度。

18、培训和发展建议

规范性分析可以为你提供精确的培训和发展建议，使员工能够提高某些技能，推荐的有针对性的培训计划可以侧重于提高未来的绩效或为员工的内部晋升做好准备。