专家团|蒋祎:跬步千里,从专题报告开始,做人力数据分析

蒋祎 Johnny
+ 关注
2022-12-02 10:48
999次阅读

相信现在所有的HR都认同,人力数据(People Analysitcs)可以被挖掘出新的价值。不少企业的人力部也已经认识到,有很多数据躺在电脑里,但未被充分利用。人力数据能用来干什么、该怎么用?很多HR却充满疑惑,并不清楚如何开始,从哪里开始。

Why?HR为什么要做数据分析?

数据分析是为了更好地决策!

提升决策水平,是数据分析的目的,也是之前提到的数字化的三大目标中最重要的一个。

Business analytics is the scientific process of transforming data into insight for making better decisions.商业分析是一个科学的过程,将数据转化成能提升决策的洞见。——《商业分析》
People Analytics consists simply of applying evidence to management decision about people.人力分析,是将证据应用与关于人的管理决策。——Mike West《People Analytics for dummy》

决策需要的,不是罗列各种不同不痒的指标,而是方案建议。

建议的提出,应该依据数据分析中发现的观点,更时髦的说法,叫做“洞见”或者“洞察”(Insight)。

校园招聘中的例子

分析数据,解释数据,得出观点和建议,可能并不复杂。

招聘HR每天登录招聘系统,可以看到格式的报表和仪表盘:总简历数、本月新增简历数、应聘者学历等背景信息的分布、各阶段人数的漏斗图等等。

也包括这样一张每日简历新增数量的折线图:

专家团|蒋祎:跬步千里,从专题报告开始,做人力数据分析

(示例数据,非真实)

我们能看到它有一些起伏,但我们能看出什么观点,提出什么建议呢?我们需要结合其他数据和实际工作,进一步分析:

专家团|蒋祎:跬步千里,从专题报告开始,做人力数据分析

只是简单地加上了上年同期情况,就可以发现和上年同期相比,简历数已经成倍增长了,便不难得到观点:今年的简历总数大幅增加。

增加的原因,可能与我们吸取经验,提前布局了一系列推广活动有关。

再标注上各推广活动的日期,结合其他数据,我们可以看出各项活动对简历量的短期刺激作用;结合各项活动的成本投入,我们就能建议:哪些活动值得扩大,哪些活动不应该再做。

专家团|蒋祎:跬步千里,从专题报告开始,做人力数据分析

在整个校招期间,我们每天早上会发出一页PPT的数据报告,只有2-5张统计图表,每天都不同;只展示近期成果、显著变化等当时最被关心、对之后工作有指导意义的数据结果,分享给相关人员。

这是人力数据分析的一个非常简单的例子,没有复杂的方法与专业的工具,但亦能推动日常工作。

校招日报,就是一个人力数据分析的小主题。

主题分析是我推荐HR走出的人力数据分析第一步,它能带来不少益处:

  • 入门无障碍,用Excel透视图和PPT已经足够做很多分析

  • 成果可见,分析的结论可以指导日常实际工作

  • 在实战中,培养用数据思考、用数据讲故事的思维和能力

  • 发现业务中的数据缺失、发现数据质量等问题,主动提出数字化、数据治理的需求,并理解这些工作的价值。

How?如何完成一次HR数据专题分析

大致的流程步骤如下:

专家团|蒋祎:跬步千里,从专题报告开始,做人力数据分析

一、提出业务问题,进行合理假设

人力数据分析,一定要回答HR管理中的问题、支持HR管理中的决策。业务问题,可以从这几个角度收集:

1.哪些决策是纯凭经验甚至拍脑袋的?

2. 工作中,你缺少哪些数据结论给自己撑腰?

3.自己的工作方向、方法是否正确?

4.你对哪些事情感到好奇?对哪些事情感到怀疑?

常怀好奇心和质疑精神,对于发现问题是非常重要的。

事实真的有那么好吗?事实真的是那么差吗?

比如前面校招的例子,可能你正为简历比去年同期成倍增长而高兴,而只要再从招聘岗位的维度细看一下,可能你就会发现,增长其实主要来自某一类岗位的暴涨,部分岗位甚至是负增长。

之后要对你的业务问题,提出假设,为你的数据收集和分析提供方向。

比如,我想分析离职倾向,提出这样一个假设:员工提离职前下班走得更早。

二、收集、整理相关数据

为了验证你的假设,你需要找出过往积累的原始数据。可能是各种台账、问卷结果、测评结果等等。

通常原始数据的颗粒度越小越好(是解聚的),如果你有某员工具体的每天下班时间,就不要使用他的每月平均下班时间来分析。

当你用Excel透视表做探索和分析,你的透视表需要基于一张二维表。二维表就是类似员工信息表那样的表,每一列都是一个字段(Field),每一行是一条记录(Record)。

为了完成分析、看得足够全面,你很可能需要将多张表合并成一张大表(通过Vlookup函数匹配)。

要验证准备离职的员工会提前下班的假设,你至少需要合并离职员工信息表、离职申请表和下班时间表。

整理数据的过程中,你很可能会发现,此前的数据是有缺失的。有多少数据就先做多少分析,这不是我们止步不前的理由。

你可能发现Vlookup并不顺利,各张表的业务口径、格式都有很多不同。这些都是需要整理和转换的,花在清理数据的时间很可能比分析数据还要多多,但这是必须的,也是值得的 。

确定各张表的业务口径,记录下转换逻辑,之后考虑用自动化的工具来处理。

 

三、探索数据特征、发现业务观点

探索数据的过程,你可以先简单理解为制作Excel透视表,并尝试不同的行、列、值、筛选条件组合,看看能不能发现一些特征。

专家团|蒋祎:跬步千里,从专题报告开始,做人力数据分析

透视表基于的大表中,定性的列(姓名、部门、入职年份等)被称为“维度”,定量的列(下班时间、加班时长、迟到早退次数等)被称为“度量”。

对于“维度”列,我们可以计数;

对于“度量”列,我们可以求和、求平均值、最大值、最小值、方差等。

除此之外,我们用Excel计算或作图,尝试发现“度量”的一些其他的数学特征,比如:

  • 分布情况(集中或分散)

  • 异常值

  • 周期性

  • 多个变量之间的相关性

之后,我们根据不同“维度”,再来细看,比较差异,发现特征;例如从部门维度来看,不同部门的人均下班时间差异大不大,不同部门的下班时间方差差异大不大。

“时间”同样是通常会拿来比较的维度,正入校招例子中的折线图。

我们说的“指标”,也可以看成特定维度和度量的计算和组和。

这样探索出来的结果,可能与你的假设相同,也有可能与你的假设相反,这都可以给你带来有价值的观点;然而更多时候,你的尝试可能并不能发现什么特征或规律。

例如,我们发现,疫情后,离职员工在提出离职前后的下班时间,与之前并无明显区别;下班时间和提出离职并没有明显的关联。这个有点反常识的结果也许令人失望,但我们同样可以得出观点:在判断离职倾向时,也许不必考虑下班时间的变化了。

在这一阶段,你也可以尝试更高阶的分析方法,比如聚类、线性回归、预测算法甚至机器学习算法;当然这也需要更专业的数据分析工具。

 

四、可视化数据,展示观点

制作图表,可以让读者更容易理解我们发现的数据特征,从而更容易接受我们依据数据特征提出的业务观点。

大致三个步骤:

  • 确定我们要展示的观点,和读者/听众

  • 确定要展示的数据特征

  • 选择合适类型的图表

  • 优化图表中的元素

虽然Excel可以一键插入“推荐的图表”,但实际上要做一张好的图表,有不少技巧。

你也许曾经见过下面这张阿伯拉(Andrew Abela)图表指南,但我们在选择图表类型时,它未必是最优解。

专家团|蒋祎:跬步千里,从专题报告开始,做人力数据分析

这部分内容,如果大家有兴趣,之后可以单独做一篇分享。

五、形成报告和行动建议

我们还需要将观点、支撑观点的数据图表整合成一份逻辑清晰的报告,并基于观点提出未来的行动建议,进行汇报,作为决策的参考依据。

人力数据分析探索与HR系统

回顾五个步骤,不难发现,人在探索数据、解释数据、提出建议中的作用似乎难以被自动化工具替代。但HR系统任然能起到重要的作用:

  • 提供规范的原始数据

  • 自动制作探索分析所需的“大表”

  • 自动计算新观点相关的新指标,

我们在通过数据产生新观点时,很可能也会发现新的需要持续监测的指标,让系统来计算,加入到仪表盘中,能大大提升检测的效率。

通过专题分析发现的指标,组成的仪表盘,也比不痛不痒的“常用指标”更有工作指导价值。

人力数据分析探索与BI(商务智能)

BI(商务智能)软件可以通过互动式的图表,帮助你找出数据特征、分享业务观点;在人力数据分析的五个步骤中,均能带来提升。我最近一直在学习Tableau,有机会可以跟大家再做分享。

专家团|蒋祎:跬步千里,从专题报告开始,做人力数据分析

希望每一位HR都能开启自己的数据分析探索之旅!

 

本文来自微信公众号“JohnnyHCM”(ID:CloudHCM),作者:蒋祎,36氪经授权发布。

0
相关文章
最新文章
查看更多
关注 36氪企服点评 公众号
打开微信扫一扫
为您推送企服点评最新内容
消息通知
咨询入驻
商务合作