这个层面追求数据的准确性，一般以静态的数据为主，主要操作是数据的录入和记录，是HR每天的基础的数据工作，比如 员工花名册，公司人员结构，每天招聘人员数据的记录，这些都是属于操作层面，对于这个层面的要求就是要准确，当老板问你公司有多少人，每个月入职多少人，离职多少人等这些静态数据的时候，你都可以准确的回答。
现在随着数据分析在各行各业的广泛应用，各种数据分析的工具软件也层出不穷，现在行业里主流的有python, 微软的BI软件 ，Tableau, Excel 等。
很多HR的同学在学习人力资源数据分析课程的时候，都会问人力资源的数据分析在未来的发展方向是怎么样的，有哪些行业或者岗位可以从事人力资源数据分析的工作，我们帮大家梳理了下现阶段人力资源数据分析的发展方向和岗位。
人力资源的数据分析是一个系统化的学习过程，除了需要掌握基础数据分析知识外，还需要掌握EXCEL的技能和人力资源的专业能力，为了帮助大家更好的学习数据分析，我帮大家梳理了一下学习的知识，需要学习哪些内容，如何循序渐进的来学习数据分析。
做人力资源数据分析的项目差不多有6年的时间，从最开始的企业内训，到线上课程项目，线下公开课，企业内训，差不多做了100场的内训和公开课，从去年开始数据化的转型开始成为了很多机构和企业特别关注的话题，人力资源行业也开始讨论在人力资源如何在数据化的时代背景下进行数据化的转型，我就来聊聊我这几年接触的很多要做数据化转型的HR，和我们做过的人力资源项目和课程，来分享下在现在这个阶段人力资源行业究竟要如何做数据化转型。
今天在我们人力资源数据分析群有个小伙伴提了这样一个话题，所以今天的来分享下什么是人力资源的数据分析思维，如何针对人力资源数据仪表盘来做数据分析报告，如何根据各个指标来做数据的诊断和解决方案。
大家经常说：无工具不管理、无数据难决策。所以企业的人力资源管理，我们首先要考虑在目前大数据背景下如何开展人力资源数据的整理与分析。 当前，移动互联网、社交应用、大数据等技术浪潮凶猛来袭，正在加速驱动着
很多人觉得数据分析是一个很高深的技能，要学会数据分析好像要会很多专业的软件，然后要和很多的数字打交道，要逻辑感非常强，其实数据分析没有大家想象的那么复杂，通过学习你也可以学会人力资源的数据分析。
大家经常说：无工具不管理、无数据难决策。所以企业的人力资源管理，我们首先要考虑在目前大数据背景下如何开展人力资源数据的整理与分析。 当前，移动互联网、社交应用、大数据等技术浪潮凶猛来袭，正在加速驱动着企业人力资源管理的信息化进程。 那么，到底如何有效迎接这一浪潮，如何以价值为导向，整理、分析，并发掘出关键信息加以分析利用，从而提升人力资源管理效益，是每一位管理者面临的问题。 如何通过建立人力资源数据库，完成全面的数据化分析，实现用数据说话，真正推动企业人力资源管理转型升级，支撑企业战略发展。 人
随着大数据分析在行业里的应用，很多企业开始追寻企业内部数据化的转型，在企业内部数据化转型的同时，内部的各个部门都要追随企业的脚步进行转型，对于人力资源部门我们如何在部门内部进行数据化的转型和落地，这是现阶段很多HR面临的问题。
数据的定义标准化是指在进行数据分析选择数据指标的时候，对这些指标定义的标准化，比如我们在进行薪酬数据分析的时候，我们会把各个层级的中位值数据和外部的分位值数据进行对标，在进行对标的时候，我们在定义内部薪酬数据的时候，我们定义的是“中位值”而不是平均值，所以我们需要理解什么是中位值，对中位值的定义是什么。
到了年底很多机构开始组织各种论坛，在今年貌似数字化特别的火，各种人力资源论坛活动不加个 “数字化” 都不好意思做宣传推广，但是什么是人力资源的数据数字化转型，人力资源的数字化转型的真正目是什么，我来谈谈我的看法。
人效数据分析是人力资源数据分析里最能体现人力资源价值的一个分析模块，也是老板最关注的一个数据指标，因为这个指标是和公司的财务关联在一起的，通过人效的数据分析和对比，我们可以看出公司的人力成本在行业是否有竞争力，人员的调薪和人员的编制是否需要调整，这些都是通过人力成本和人效的数据分析得出来的。
任何的学习都是一个体系化的循序渐进的过程，要有一个学习地图和学习路径图，不同阶段的学员对于不同阶段的学习内容，结合不同的形式和路径，在一定的周期内完成学习内容，最终提升某项技能。在人力资源的人才发展TD的模块中，我们会为各个岗位设计不同的学习路径图，在人力资源数据分析的学过程中我们也为大家设计了 数据分析的学习路径图，帮助大家更加系统的体系化的来学习人力资源数据分析技能。
人力资源数据化转型和数据分析是一个系统化的学习过程，不管是人力资源部门的数据转型还是HR个人的数据转型，我觉得都是一个数据化的落地的过程，你需要具备数据分析的思维，数据分析的技能，对于现阶段的HR来说，不要值着眼各种战略，系统，组织这种高高在上的内容，你更应该关注数据化如何的落地。
随着企业数智化转型的推进，内部的各个部门都开始做数据化的转型，人力资源部也一样，在各个模块中数据关键指标，搭建数据模型，结合业务进行人力资源的数据分析，在人力资源整个数据分析的进程中，有三支柱的企业SSC和BP走在了人力资源数据分析的前列。
随着这几年大数据应用的兴起，很多企业开始意识到了数据分析对于行业和企业的重要性，零售、电商、制造业等行业大规模的进行大数据的转型和分析。零售行业通过用户的购买数据分析，进行精准的产品推送和产品结构的调整，做到销售的精准化。制造业提出了工业4.0的概念，通过对整体制造过程的数据采集，呈现，分析，以仪表盘数据的形式来监控整体的制造的进行，从而可以更加高效的进行产品的生产。
POWER Bi 的软件操作相对来说只要你掌握了EXCEL的数据他透视和一些基础函数就会很容易上手POWER BI，所以现在有很多的PB的课程，专门来讲解PB的一些基础的操作的课程。
数据分析是HRBP必须具备的职业技能，在日常的数据分析中需要把业务数据与人力资源数据的关联建模提升，搭建起HRBP的数据分析体系，从人力资源维度来分析业务，最终推动业务发展。
随着数据化在各个行业各个企业的深入，很多企业开始转型数据化的企业，在企业转型的同时，人力资源部门也开始尝试做数据化的转型，但是相对于零售，电商，人力资源在转型的路上还是困难重重，不管是在行业的标准化，还是在数据的标准化上很少有成熟的模式。在人力资源的数据转型上，我们往往关注数据的前端，数据的可视化的建模，在形式上往往以数据仪表盘等方式呈现，我们在做数据建模的时候，重点关注最后数据的呈现，但是往往忽略了数据的后端，也就是人力资源各个模块的底层数据建模。
每到年底的企业人力资源年终总结报告，是令诸多hr朋友头大的事，公司年度会议上怎么给老板汇报这一年人力资源部门的工作呢，下一年的工作计划又该怎么列呢？
人力资源数据分析的最终目标是提升人力资源的绩效，在社群里很多小伙伴问到底我们用什么样的分析方法才能使我们的数据分析真正的落地，真正的提升人力资源的绩效，推动业务的发展？在多年前我接触了绩效改进这个提升组织绩效的方法，后来有幸参加了初级，中级的课程，我发现绩效改进本身就是基于数据的一套提升绩效的方法，可以应用在组织的各个层面去解决问题，提升绩效。
现在很多企业都在做数据化转型，相对应的是企业内部的各个部门也开始做数据化的转型准备。这几年很多的公司，很多的机构，很多的HR 都相继提出人力资源要做数据化转型，数据要驱动业务的发展，支持公司的战略。但是我们听到了太多的 WHY，战略层面的数据化转型，数据体系的搭建，人力资源整体的数据转型，人力资源支持业务的发展，HR的思维要如何的去转型思考。但是很少有人告诉你，作为一个HR 你在企业里，你应该怎么做，如何去在你自己的人力资源模块里进行数据化的转型，建立数据体系，人力资源结合业务去去确定业务，发现问题，解决问题。
在人力资源数据化转型中，我们需要实现数据的6化，最终构建人力资源数据分析体系。
在学习人力资源数据分析的过程中，除了要去学习基础的EXCEL的技能和人力资源的专业知识以外，我们还有一个技能就是 数据分析的方法这个也是我们需要去学的，数据分析的流程和方法其实有很多，今天我们来讲讲三维立体化分析的方法，这个在人力资源的数据分析里经常会用到。
随着企业人力资源的改革的深入，很多的企业都开始做人力资源三支柱的模型，传统的单模块的HR都转型开始做 BP,SSC,COE，在现在的三支柱中点对来说BP比较多，SSC还是比较的少，主要是现在共享服务中心只存在于大型的企业里，所有很多企业的HR 虽然是SSC，但是还是做着传统HR的工作，今天我们就来聊一聊具备数据分析技能的SSC应该是什么样的。
数据分析在人力资源管理当中的应用之 人工成本分析 随着人力资源管理理论和管理实践的迅速发展，人力资源管理的各大模块的职能已趋完善，如何提升人力资源管理的价值，是传统的人力资源转型的核心，在这当中，人力资源管理的专业化水平的提升是人力资源管理职能扩大和深化的关键。而在人力资源专业化的提升过程当中，数据分析扮演中至关重要的角色，它使得人力资源管理的理念、技术及技巧更加的科学化。人力资源提升到人力资本的高度，是发展，也是转型，其中一个很重要的载体，也是数据分析。因此，可以说，人力资源管理的数据分析方法是人力资源管
以我自己的经历来看，很多时候能不能做出成果，其实并不完全在于我自己能力强不强，而在于我的队友拉胯不拉胯——数据分析结论能不能落地执行。如果运气好碰上了给力的队友，那真的是一起飞；如果点子背遇到了猪队友，就得体验一把恨铁不成钢的快感了。
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。
在人力资源的数据分析体系的构建中，我们最终的目的是要把人力资源各个模块的数据表进行数据的关联，然后通过关键指标来构建起一个体系化的数据模型，在进行人力资源的数据模型构建中，我们往往会忽略最重要的原始的数据标准表，今天我们就来聊聊在人力资源数据分析中的原始数据分析表。
EXCEI在人力资源的数据分析方面我觉得和其他几个软件对比，由其自己独有的优势
人力资源的数据分析过程是一个流程化，标准化的过程，对于HR来说，在数据分析的学习过程中，最关键的是要学习数据分析的思维，数据分析思维的最关键是数据分析的流程，以及在这个流程中的方法，工具。
现在大数据，数据分析，企业数据化转型是每个行业，每个企业都在讨论的一个话题，在网上我们会看到很多讨论数据化分析，建模，转型的各种话题，文章等，但是你会发现很多话题的讨论都聚焦在上层，都在讲为什么要去做做数据化的转型，数据化的转型，数据分析对企业的意义是多大，但是很少有讲到应该如何去转型，用什么工具，流程是什么样的，如何去做分析。所以就导致我们在听这个话题的时候，觉得好像说的很好，但是回去到底要怎么做，就不知道了。
POWER BI 软件主要是面向数据可视化，和数据建模，在数据的交互和数据可视化上有自己独有的优势。在对行业数据进行数据分析的时候 PB也有自己的一套数据分析的逻辑，我们以前在讲数据分析课程的时候，也一再强调，数据分析的重点是行业的数据分析的逻辑，并不是软件的应用。在人力资源模块也是一样，我们用PB 来对人力资源各模块进行数据分析，也是需要有一套行业的逻辑。那用PB 来做人力资源的数据分析仪表盘建模，我们的逻辑是什么样呢，我觉得主要是有3个大的步骤构成
大数据已经进入人力资源领域，而且人力资源的专家们也张开双臂迎接大数据趋势的到来。 事实上，根据2013年的SAS 对1200多家企业的调查，6400个员工人数超过100的组织有望在2018年实现对员工的大数据分析应用。更重要的是，有调查显示，去年，有超过1000家组织在人力资源数据分析的投入位于自家公司投入的前三名。 就人力资源而言，大数据是一个大问题。它使雇主和人力资源做出更明智的业务决策。这里有四个原因来说明为什么人力资源领域要迎接大数据这个趋势： 1.更好地了解。 “大数据”是现在在整个商界都很流行，
在人力资源的数据化人才盘点过程中，我们除了要完成 绩效 - 能力的数据化盘点，生成九宫格模型以外，最后我们还需要为每个员工生成一份人才盘点的数据分析报告，这份报告除了每个部门的管理层能看到部门里各个员工的数据盘点的结果外，每个员工也需要了解自己未来的发展。
在人力资源数字化体系的构建是人力资源各模块之前的建模过程，在人力资源数据分析中，各模块并不是单独的进行数据分析，一定是结合各个模块的数据来对人力资源进行综合的数据分析。
一、人力资源管理的本土实践与挑战 “天下之物莫不有理，惟于理有未穷，故其知有不尽也。” 中国企业在改革开放一路坎坷走过三十多年的历程，在企业管理方面主要通过学习和借鉴西方管理哲学与理论，过程中也不断优化以适应中国商业环境和人文环境下运营管理的特殊性要求。人力资源作为其中一个管理模块，已经成为中国企业的日常管理中不可替代的职能，是企业战略落地的支撑要素。但在长期为中国企业，特别是民营企业提供管理咨询服务的过程中，我们认为民营企业人力资源管理的问题往往非常相似，如岗位职责不清、员工责任心不强、薪酬竞争力不足
我们以前在讲HR的各个能力赋能的时候都是从HR的角度出来做分析，特别是HRBP要支持业务部门，BP需要哪些技能，我们应该如何的去赋能这些BP，今天我们换个角度，从业务部门的角度出发，业务部门到底需要一个什么样的HRBP，能最终的来支持业务提升绩效。
人力资源的数据分析除了要掌握 人力资源的专业度以外，我们也需要了解一些数据和统计学的专业基础知识，特别是在薪酬的数据分析中，就会涉及到回归函数，相关性分析，指数函数等，在人力资源的数据分析中，有一个基础统计学的概念很多同学都会关注，就是离散度的分析，数据的离散度是来分析判断一组数据的稳定的关键指标，我们在人力资源的应用中，会用离散度里的方差，标准差等数据来分析员工的绩效稳定性，今天我们就来聊一聊数据的离散度。
在月度的人力资源数据分析中，我们永远绕不开岗位的绩效数据分析，在月底会对于各个岗位的员工进行绩效的数据建模和分析，那如何对岗位员工进行数据建模，我们从哪几个维度来做绩效的分析，最终通过绩效改进和绩效辅导来提升员工的岗位技能，今天我们从绩效数据分析的思维来聊一聊绩效模块的分析。
反映用户在网页上的关注点在哪里，尤其对于官网首页来说，信息密度极高，用户究竟是如何点击，如何浏览的效果图
当前中国互联网行业正呈现一片火爆之势，不仅依托互联网 战略成为了推动各行业创新的支柱行业，更形成了巨头大放异彩，各家百花争鸣的火热格局。因此，互联网行业也成为了炙手可热的人才聚集地。 2月4日，从全球最大的职业社交平台领英获悉，目前研发工程师、产品经理、人力资源、市场营销、运营和数据分析这六大职位是互联网行业需求最火热的。 数据分析人才高度稀缺 2月4日，领英最新发布了《2016年中国互联网最热职位人才报告》，该报告基于领英平台上约50万的中国互联网行业人才大数据（截至2015年第四季度），分析了当
在人力资源的数据化转型过程中，很多HR都在探讨如何在企业落地去做各个模块的数据分析，很多企业的HR部门虽然考虑用第三方的系统，但是在现在这个阶段我觉得灵活的在EXCEL或者在PB上的数据建模，数据仪表盘是比较适合HR部门去做数据分析。因为每个企业的行业不一样，在各个模块的数据标准化还是关键指标上都不一样，如果用通用的系统肯定是没有针对性，所以一定是要去做定制化的系统，在做定制化的系统上，就会产生更多的费用和时间周期。 相对来说在EXCEL上进行数据建模，整体来说比较自由，HR可以根据自己的模块的关键指标和分析维度来做建模，并且当原始数据进行更新的时候，模型和跟着原始做关联做更新，所以在现阶段HR更加适合用EXCEL的工具来做各个模块的数据建模。
我们在做人力资源各项工作的目的都是为了可以支持业务的绩效，提升业务的绩效，不管是在招聘，培训，绩效等工作，但是在人力资源的工作中，我们很难直接的去和业务的绩效相关联，都是间接的支持业务的相关绩效，所以在人力资源的工作中我们一直在探索如何找出和有业务最相关的一些因素。 我们从人才发展和能力维度来分析如何通过数据分析的方法来找出业务业绩最相关的那个能力。 要做这个分析首先需要了解的一个概念就是“数据相关性”，所谓的数据相关性是两个变量之间的数据关系，这个数据关系分为两种正相关：Y数据随着X数据的增大而增大，系数K 是个正值负相关：Y 数据随着X的增大而减小，系数K是个负值
人力资源数字化转型已经是趋势，正好静下心来梳理了一下近年来数字技术在国内外人力资源管理中应用状况与趋势，有些技术应用可能还未完全落地成熟，但是希望可以提供一些参考的方向。
人力资源的数据化转型需要HR在日常的工作中对人力资源各模块做落地的数据建模，数据分析是在数据可视化模型的基础上进行数据的交互，通过数据的交互和数据的交叉来进行数据分析，最终发现问题，解决问题。
在做人力资源数据分析的过程中，很多HR的小伙伴都在追求数据分析如何支持业务，数据分析的结果，数据分析的解决方案如何给业务进行赋能，提升业务的岗位技能，最终提升业务的绩效。
在人力资源数据分析中，人效的数据分析一般是做的频率比较少的，一般我们是一年做一次的人效分析，而且相对来说一般的HR 也很少做这个分析，一般都是HRD或者VP来做一年的人力资源的人效分析，所谓的人效的分析是指人力资源在公司的运营财务数据中的效率，我们在做人效分析的时候一般会从以下几个维度来进行分析：
作为HRBP 人力资源紧密结合业务，从人力资源的角度推动业务的发展，提升业务人员的岗位核心能力，这个是我们HRBP 最为核心的岗位工作。但是很多HRBP在实际的工作中比较迷茫，不知道人力资源如何的结合业务进行业务的分析和推动，日常的BP工作往往做的是普通的HR的工作。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
