人力资源数据分析 - 数据维度指南

数据分析逻辑是整个人力资源数据分析过程中最核心的一个环节。我们在学习数据分析的过程中，一些软性的技能我们可以通过线上学习或者跟随老师的操作，反复的操作就可以学会，比如EXCEL的技能，这些都是数据技能类的知识。但是思维的养成和改变确实最难的，数据分析的思维需要你在真实的工作场景中，通过真实的案例的学习，积累数据分析的经验，养成数据分析的思维。所以数据分析的思维是不断学习积累的过程。

在我们做人力资源数据分析的建模和数据报告的时候，我们首先要做的就是要想好你的数据分析要从哪几个维度进行分析，用哪些数据分析的方法，最后呈现的结果是什么，你只有这些想明白了，才可以打开电脑开始做数据的建模。

人力资源的数据分析的逻辑是一个数据聚焦的过程，对数据的分析我们从整体到局部。我们以往在做数据分析的时候都是从公司层面对数据进行分析，然后找到数据分差异值，在给出解决方案去改进这个差异值。但是公司的这个维度是在是太大，我们给出的解决方案其实没有太大的针对性。在现在追求数据细分，数据聚焦的时候，我们在做数据分析的时候，更应该聚焦在部门，聚焦在层级，聚焦在岗位，这样不管是我们在找数据差异化问题的原因，还是最后给出解决方案的时候，就更加的有针对性。

6.1.1 公司层面的数据分析

在人力资源的数据分析里我们首先第一个层级我们要做公司整体的数据分析，在公司整体的数据分析里我们会从宏观的数据入手，比如公司今年有多少人，和去年比的增幅怎么样，今年离职了多少人等，公司层面的数据呈现对象是公司的老板和管理层，他们关注的是宏观的数据，所以我们在做这个层面的数据呈现的时候一般是公司关键的KPI数据。

比如上面是公司薪酬的一个数据分析，这个是薪酬数据仪表盘的一个截图，我们从公司层面分析，选取的就是一些宏观的数据，年度支出，年度的增幅，人均工资，人均工资增幅等。主要的目的是用过这些KPI数据让公司层能一目了然的了解公司整体的薪酬情况。

6.1.2 部门层面数据分析

由于每个部门的职能不一样，所以各个部门的人力资源各模块的关键数据指标的标准就不一样，我们拿最简单的人员结构来说，IT部门和研发部在人员结构标准上肯定不一样，IT部门的年龄占比相对来说25-26岁占比最多，但是研发部的工程师在年龄结构上30岁的人员占比应该会比较大，因为工程师都是需要有比较长的工作经验的。那如果我们从公司的层面来进行结构分析，就不能针对各个部门做结构的对标。所以我们还是需要做数据聚焦，从各个部门来分别看各个部门的各模块的关键指标的数据，然后和市场数据或者历史数据进行对标，在进行数据分析。

客服部人员结构

比如大家看到的上图是客服部 和招商部的人员结构数据仪表盘，我们可以看到不管是在工龄，年龄，学历占比上两个部门的数据指标都是不一样的，那我们就要根据部门的特点结合业务来对两个部门的人员结构做分析，对标行业的人员结构数据，对有差异数据找出关键原因，并给予解决方案。所以我们以部门为维度进行数据的分析就使我们的分析更加的落地，给的方案更加的有效。

6.1.3 关键岗位聚焦分析

我们对数据分析的维度在进行聚焦的过程中，我们还可以对关键岗位进行聚焦分析，特别是公司的核心岗位，不管是在人员结构，招聘，人才发展等，我们都需要单独的把这些岗位列出来，分析这些岗位的人力资源各模块。

比如上图的产品经理是我们的核心岗位，我想分析产品经理的人员结构，公司的产品经理的年龄，工龄，学历的数据都是什么样的，然后根据数据我们分析得出的结论，来支持招聘，培训等模块。比如以后我们找产品经理这个岗位他的人员结构画像是什么样，产品经理最重要的能力是什么。这些都是通过岗位聚焦，并结合岗位人员组织的数据来做人力资源各模块的应用。

6.1.4 层级数据聚焦

在人力资源的各模块的数据分析中，我们除了要关注部门，岗位以外，还特别关注公司的管理层数据，公司的各个层级的管理层是公司的核心人员，我们需要在各个模块对各个层级的管理层进行数据分析，从而在人才发展，绩效，薪酬，组织等来对管理层进行管理。所以在数据分析维度里，对管理层进行数据的聚焦非常重要。

比如在人员结构的数据分析里，我们添加了 M/P的筛选维度来，M是管理层的序列，通过数据的交互可以对管理层和普通员工进行数据的筛选。在数据仪表盘中，我们设计了一个各个层级的人员结构的数据表，通过切片器的交互，我们就可以知道公司各个层级的管理层有哪些人，管理层的人员结构是什么样的，管理层的人员结构指标是否和行业一致，如果数据有差异，差异的原因是什么，我们应该如何的去做调整。

还有一个模块就是人员离职，人员离职成本是人力资源成本里最高的一个模块，所以我们希望对管理层的人员离职的结构和原因分析，保留核心管理层，并且可以预测离职人员，所以我们在做人员离职的数据分析的时候，就加入了管理层这个维度，如下图：

当我在数据交互的维度里选择 M的时候，这个仪表盘呈现的就是管理层人员离职的所有数据，我就可以通过这些关键指标的数据透视图分析出管理层离职的关键原因是什么，哪些部门的哪些岗位的管理层离职人数最多，离职的管理层的人员结构是什么样的，这样我就可以根据数据来提前进行人员离职的干预，保留核心的管理层。