什么是HR Analytics ？

工欲善其事必先利其器。人力资源分析是哪个段位的利器，和你本身所处的段位有关系么？人们都在说data is the new oil，是你想用就能用么？用了能干啥能更好么？

HR Analytics的价值到底在哪儿?

人力资源分析看的是成本、数字、人效，并发掘如何为企业做出决策。数据本身没有价值，如何从数据到智慧（from data to intellgence）才是更有意义的所在。那些为员工提供信息/智慧/洞见帮助他们更好地决策，并能够即刻执行的企业，将取得卓越成就。

人力资源分析究其根本，是如何从数据中挖掘有价值的信息，加上洞察，并制定行动计划，从而产生价值。而在现代企业中，我们的数据往往散落在各个角落和流程之中。

PWC对超过1200位CEO的调查报告，大约有5%的CEO对自己企业的HR非常满意，这意味着95%的CEO希望HR做得更好。19%的HR管理层把分析放在优先位置。CEO希望所有事情都可以有量化指标，通过量化的数据去管理风险、控制成本。而传统HR很难找到工具将其工作量化，更加不懂得与业务发展、风险管控、成本控制挂钩。

首先，要解决这个问题，使HR与公司目标挂钩，实现HR为公司业务带来更大价值，就要把HR做的事情融入到业务，使HR角色所发挥的作用和CEO的目标达成捆绑和一致。实现这种捆绑有三个切入点：智能分析、人才管理和员工敬业度。首先，智能分析不只是目前企业有多少员工，提升幅度如何。"比如员工离职，系统要预测某位员工离职对于公司的业务会有什么影响，他离职的几率有多高。再比如，某位员工薪酬提高，系统可以预测他明年的绩效会是怎样。如果给员工调薪，那么调到什么幅度，他的离职就会下降，企业的成本增加多少等等系统都能给出预测。

其次，对人才管理来说，以前HR都很喜欢做绩效考核、绩效评估系统，但不够细致，绩效考核分数打完就算了。业务部门更关注的是如何能够比较容易地找到需要的人才，以及如何对人才进行定义，在人才库中便捷地找到。如果业务扩充，怎么样灵活调动人才，在业务竞争上提供价值。这就需要HR的工作继续深入一步做人才盘点。把人才管理更深度地应用到业务上。

第三，社交网络的影响力，如何用同一概念，使员工对公司更加投入，员工跟员工之间互相分享，提高大家的生产力。

由此可见，对于人力资源数字化分析也当如是，在追求各种语言以及分析工具的同时，我们更应当关注其数字化分析的场景以及内核，而不是为分析而分析。

HR Analytics 的核心能力有些啥？

在linkedin上最近正夯的David Green曾经这样架构HR Analytcis的核心思考项目：

Capability Analytics and Knowledge

能力：分析能力与相关知识

Confidence：Feelings and beliefs toward analytics；信念：对分析有感

Culture：Underlying company beliefs， assumptions and values towards analytics

文化：公司是否有数字化分析的基本假设及基础

Mindset：Attitudes, Opinions and ways of thinking for analytics

思维：态度、洞见以及分析思考的方式方法；

Training: Interventions to support analytical developmpent

培训：用以支持分析发展的干预模式；

Organization: The formal structures to support analytics；

组织架构：有正式的组织架构支撑分析；

综上所述，就是所在的公司有机制有人且支持HR分析的发展；那么人力资源数据分析到底哪个模块应该先行呢？是否应当是capability以及mindset呢？大白话解释就是现有组织和人，或者至少有这个职能在现有团队中，否则就只能是纸上谈兵了。

HR Analytics 分析点啥?

人力资源在分析可以看几个简单的指标：人均销售额、人均利润额、人均运营费用以及人均费用占运营费用比率。一般我们在衡量人效的目标上需要考量下面两个等式：

利润增长>营业收入增长>人力成本增长；

人均利润增长>人均营收增长> 人力成本增长；

而从对比方面考量，一般从两个维度考量：

时间维度（同比/环比）: 在平时HR的数据分析模式上，我们经常能够看到两年数据分析或者按照季度数据进行分析、跨部门进行对比或者与行业同类企业进行对标。在进行数据堆砌之后，这些数据说明什么问题，我们又需要采取什么模式进行分析，也是每个人力资源从业者应当思考的问题。同时在做数据分析的时候，也需要注意数据清洗，对于某些存疑数据或者原因需要深究。比如是什么引起了离职率激增，又或者人力成本增长？为什么某部门某经理的离职率居高不下？或者是我们的离职理由里为什么创业或者回老家的出现频次增加了？这些就要进一步进行数据对比以及分析逻辑了。

空间维度（企业之间/部门之间）：比如是否参考行业内上市公司（财经网站/企业年报）；行业协会组织（官方组织/自发组织白皮书）；招聘段收集（候选人是你的重要信息来源）又或者咨询机构；

写在后面

借用冯唐在他的新书《成事》里的摘录总结我们对于人力资源数据分析的要旨，这也是HR网红范珂老师在提到people analytics的时候引述的：

以数据事实为依据

以假设为驱动

兼具逻辑和真知灼见

冯唐的成事理论等式：成事=诚X(勤+慎）。数据分析亦如是，get things done，无论用什么方法，分析什么，始终铭记以终为始，放在people analytics的语境里面仍然有效。