如何做好HR年度数据分析报表 之 - 培训数据分析

马上要到年底了 ，很多HR开始要做年度的人力资源数据分析了，我们针对各位HR的需求，开辟了这个主题，来讲讲在如何做年度的人力资源数据分析模块，今天我们来讲讲培训模块。

培训的数据分析如果从整体的大的分析来，我们可以分为培训组织分析和培训成本分析和培训评估分析。培训组织分析又可以分为内训和外训，内训外训又可以分为培训场次数，培训人次，各部门人均课时。

培训成本可以从几个维度分析，从大的类别来，培训成本分为课程成本和差旅成本，又可以分为内训成本和外训成本， 从培训成本的类型来分，我们可以分为各个部门的年度培训成本，又可以分为各个机构的年度培训成本。

培训评估分析我们可以分内训的评估和外训的评估，内训的评估一般是结合培训后学员对培训组织和讲师的评估，这个是最简单也是最看得见的，如果你想评估第三层级，第四层级，这个我觉得还是有点难度的。在外训的分析上，同样是对外训机构的培训组织和讲师进行打分评估，但是外训的评估要结合外训的成本来，选择性价比最高的外训机构。

接下来我们通过一个案例来分享下 如何做培训模块的数据分析。

我们做的是一个季度的分析，思路其实和年度一样，首先我们先分析总体的培训费用，要了解这个季度和上个季度在培训成本上差多少，为什么造成这个差距，主要的原因是什么。

然后我们对各个部门的外训费用做一个分析，在对各个部门外训费用做分析的时候，我们的表格的数据是差旅费用和课程费用的记录，我们首先对比这个季度各个部门的培训费用的对比，哪些部门的培训费用最高，为什么，什么原因导致的，然后我们再来分析每个部门课程费用和差旅费用的占比，因为有些部门人数多可能培训费用就比较多，所以我们用条形的成本堆积图来对比各个部门的课程费用和差旅费用的对比，从而来看我们的差旅费用是否可以做压缩。

这个我们根据上图做的分析：

数据分析：

1.在各个部门的季度外训费用中，产品部的季度费用最高，主要原因是产品部有多人参加了《产品经理的野蛮成长》、《如何开展市场调研》，所以导致产品部的费用最高。

2.供应链的几个部门，由于年初上报的外训课程比较多，所以在外训的费用中会占据较大的比例，按照年度的计划，在接下来的几个季度中依然会保持高比例的外训费用

然后我们需要对外训费用最对比，各个部门这个季度和上个季度的课程费用，差旅费用，总费用的增幅情况是怎么样

我们通过费用的增幅可以分析出每个部门在这两个季度培训费用和培训组织上的不同，比如我们看左下角的这个折线图，我们可以看出，其中有部门在培训的费用增幅上最高，那我们要去分析为什么这个部门的增幅最大，是什么原因，这个增幅合理吗？下个季度需要做调整吗？

接下来我们要对培训组织做分析，在培训组织上，我们主要分析对比的是每个部门的的培训场地和部门的人均课时，特别是部门的人均课时是反应部门培训效率比较重要的一个指标，下面是我们通过这个图表做的分析：

数据分析：

1.内训的场次参加人数中，视觉设计，品质，IT都是场次多人数多的部门，这个主要是这几个部门都有做年度的内训规划，所有都是按照规划来做内训，所以每个月的课程相对稳定，其他部门都是按照月度的需求来做的，所以比较临时性，开拓业务主要是每周都会进行内部的业务分享会，所以在数据上也比较突出。在明年我们除了要求各个部门做年度的外训规划外，也要求做年度的内训规划。实现内训的系统化。

2.在外训的课时上，供应链管理和品质相对课程人数和人均课时数据比较高，主要是因为在年初的外训规划这，这两个部门对部门的外训提出的需求会比其他部门多，应该是从年初开始对部门的岗位进行了外训的规划，所以在外训的一些数据上，供应链系统的部门会相对来说占比高，

最后我们会对两个季度的总的数据做一个对比分析，分为外训的分析和内训分分析，从场次，课时，人均课时，来做分析对比，最后我们根据数据得出的分析如下：

数据分析：

1.内训的场次，从3月份开始各个部门的负责人需要进行每月培训计划的录入，所以相对第一季度，内训的场次明显的增加，所以在场次，人数和平均课时上都比第一季度有大幅增长（公司季度人均课时计算方式=内训总课时/ 公司总人数）

2. 在外训的数据上，由于3月份开始按照年度的计划进行，所以外训数据也有大幅上涨，同时外训的数据里还包含外部讲师来公司做培训的相关数据，所以在人数上会有大幅上涨。

最后我们做了外训机构的培训数据分析，选择机构，机构的具体课程，然后从机构培训组织，讲师评估，人均课时费用这个维度来做分析，我们从图上的数据图表来选择得分相对较高但是费用合理的机构，为来年的机构和课程选择做参考。

对于培训模块的数据分析，从部门的角度和机构的角度来从时间维度和自身横向的对比很重要，我们可以结合我们自身培训模块的实际情况，通过数据报表来描述现在的数据，发现问题，解决问题，然后进行数据的预测。

---------------------------------------------------------------------------------

欢迎关注人力资源数据分析公众号，学习更多人力资源数据分析技能