HR数据分析，可以像电商用户分析那样做吗？

最近小蒋在学习HR数据分析（People Analytics），主要想了解两个问题：

• 有什么Low Tech的方法，HR用Excel就能开始？
• 有什么HighTech的玩法，又真的能够推广落实？

第一个问题，市面上有些不错的资料。沃顿商学院在Coursera上有一门网课：[英语中字]《人力资源分析》。学过后我才知道，就连组织网络分析（ONA）这种看似离不开大数据的玄乎玩意，其实人家靠问卷调查就已经实践了很多年。

第二个问题，就难直接找到答案了。我买过好几本书名带“HR大数据”的书。其中一本的案例里数据竟只有几十个样本，其实原版书名就没有“Big Data”，是翻成中文时硬蹭的。另一本的作者，是我在领英上关注许久的”畅销书作家、主题演讲人、未来主义者、商业战略和与科技顾问“（听懂掌声）。那本不能说对我毫无启发，只能说让我手足无措。

其实，在我的认知里，传统的HR系统里，甚至都没有”大“数据。入转调离的结果记录不算大，审批过程记录不算大，打卡时间记录都不算大。

于是，我将学习的目光转向了电商，这个大数据真正应用广泛且影响深刻的行业，令我两眼放光。

而且电商数据分析中有一类叫用户分析，和HR数据分析的主要研究对象一样，都是“人”。

很快我发现了一些两者相似的地方。例如，HR管理中有员工的职业旅程，电商中有用户的生命周期。

现在不少HR系统厂商也宣传自己是“员工全生命周期管理”，常常把周期划分为下图中的几个阶段，每个阶段有相应的系统功能支撑：

可以看到，这些阶段的划分，主要依据还是入转调离这些人事异动事件。

而电商的用户周期划分（见下图），是根据用户的统计数据来的。

电商网站除了记录你买过什么、收藏过什么、购物车里有什么，还会用一种叫“埋点”的技术手段收集你的行为数据：例如你几点登录、搜索过什么商品、点击过什么“猜你喜欢”的推荐商品、从哪个页面点进的哪个页面、在每个页面上停留了多长时间等等行为动作。

之后，再进行统计并设置划分规则。例如，将下过首单的用户归入成长期，总下单数达到N次且近X天下过单的用户进入成熟期，X天没登录过的算作衰退期，不但半年没登录还退订了所有促销消息、见到关怀优惠也毫无波澜的用户列为流失期。

针对不同阶段的用户，电商平台会给出不同的推广策略。要让引入期的用户尽早下单，让成长期的用户尽快养成习惯，让成熟期的用户客单价更贵。

为的是让用户尽快地花钱，尽量长期地消费，花得更爽，花得更多，从而提升整个周期的价值。

作为HR，我们也希望让员工尽快进入岗位角色，加速成长为业务骨干，干得更起劲，做出更多贡献，提升整个周期的价值。

那么，我们能不能也按类似的方法划分员工的周期呢？

能不能也通过数据指标和判断规则，来评估员工所处的阶段呢？

例如根据职级、工龄、晋升速度、绩效趋势等数据来给员工打上“发展期”、“成熟期”或“瓶颈期”的标签。这样可以指导HR和经理对员工采取针对性的发展策略，例如给成熟期的员工持续激励、丰富他们的职责、发挥帮传带的作用；给瓶颈期的员工更多的辅导、培训和轮岗机会等等。

还有一件事情，是电商和HR都在尝试做的，那就是识别和挽留流失。对于电商平台来说，拉一个新用户的成本往往比留住一个老用户高出数倍。

电商的数据分析师会使用决策树等分类算法，找到流失用户的典型特征，建立流失模型。再从数据库中检索出符合特征的用户，打上标签，交给运营人员采取挽留措施。

流失预测对于HR来说同样重要，毕竟等员工提交辞职信再做挽留往往为时已晚，此时员工常常已经和下家谈拢薪资，而留给原单位找接班人的时间仅剩下一个月。

除了所属用户周期阶段，电商平台还会通过数据分析，给每个用户打上成百上千个标签，汇集成用户画像。用户画像的用途包括：通过精准营销来降本增效、通过个性化推荐来提升满意度、通过标记异常行为来控制风险等等。

受此启发，也有不少企业、HR系统厂商在尝试搞人才盘点，输出员工画像，并以此为基础实现所谓的“千人千面”。

员工画像常用于后备干部选拔、人才识别等，可以帮助经理、HR快速了解员工，也可以根据标签推荐培训课程、福利计划、HR服务等。

两者目前的一大区别是标签的来源不同。

用户画像的标签大多要靠数据分析得到，按方法分类，从易到难分别是：统计类标签、规则类标签和机器学习挖掘类标签。电商不阔能让用户填个人信息收集表，只能暗戳戳、悄咪咪地收集你的行为数据来搞点分析。甚至你的性别都可能要通过分析你浏览、收藏、购买过的商品来算个概率。

而员工画像的标签，据我了解，目前不少是直接使用或简单统计员工的静态数据（如学历、司龄、招聘渠道、绩效得分、测评结果等）得来的。更复杂的标签，例如离职倾向、稀缺人才、高潜力，则可能更多还是根据主观判断手工打上的。这就会有评价标准统一性、评价客观性、及时性和工作量的种种问题。

那么HR系统有没有可能也通过分析数据，特别是行为数据，来自动给员工打上，或者建议给员工打上一些复杂的标签呢？

例如某位员工最近一年在线学习的有效时长，在全公司排前10%，就给他打上“自学达人”的标签。又例如，如果一名员工点进了《离职流程说明》页面，且浏览时间超过了3分钟，就升高他被打上“离职倾向”标签的可能性。

当然，如果没有现成的产品，HR要尝试这样的分析，在技术上还是非常有挑战的。

首先，打标签的规则要怎么设置才合理？这就需要HR数据分析师通过统计大量历史数据，或者编程使用聚类等算法，才能确定。然后，要收集、清洗、处理这么多数据，并定时计算出标签，还得有人搞得定比较复杂的IT架构。例如下图，是一个电商员工画像系统的架构示意：

这样的投入有没有价值呢？其实在电商出现之前，商场还在发实体会员卡的时候，商场也会做会员分析。而电商及其对行为数据等大数据的分析，给行业带来的变化无疑是翻天覆地的。管理的精细度大大提高了，运营的针对性明显增强的，服务的体验显著提升了。

当我们能够更深的挖掘HR系统、甚至是协同办公等系统中的行为数据，我们一定也对我们的员工有更深的认识和更新的发现。

那么，现在有产品能帮助HR像电商做用户分析那样做员工分析吗？

本文经授权转载自微信公众号：Johnny HCM

如果你想了解更多SaaS干货和方法论，欢迎访问36氪企服点评！