HR 分析初学者指南

想让你的生意更好通过数据驱动的见解？ 您被告知要创建数据驱动的HR实践，但您可能不会觉得自己有分析能力来实现这一目标。不要害怕！这个方便的指南提供了易于遵循的HR分析概述，包括： HR分析的内容、原因和对象开始使用HR Analytics付诸实践：HR分析项目样本HR Analytics成功的3个关键奖金：HR分析清单 什么，为什么，以及谁的人力资源分析 良好的定义：人力资源分析（通常称为人员分析）是将统计方法应用于基于员工的数据，以解决和改善业务成果。 What是HR分析吗？ 更好的定义：人力资源分析是从混乱中创造秩序的过程，以找到关于员工的有意义的故事，这些故事可以用来让你的业务变得更好。 HR分析可以通过分析诸如以下指标来帮助您了解和解决各种业务问题： 员工敬业度旷工周转率/保留率 为什么HR分析? 人力资源分析可以为您的组织提供基于客观证据的战略方向感，同时还为您提供使用硬数据支持业务案例的能力。 人力资源分析不是做出严重依赖直觉和轶事的战略决策，而是为组织改进提供了一条更清晰、更少偏见的路径。 HR分析非常适合您的业务，甚至更适合您的HR团队！分析可以帮助您： 塑造具有积极和持久影响的数据驱动型决策提升HR作为重要战略业务合作伙伴的价值展示人力资源能力的广度和深度标准化流程，以便于跟踪和改进 谁能做HR分析? 任何人！你不必是一名认证的统计学家或具有高级学位才能进行人力资源分析。 您所需要的只是访问员工数据，以及筛选这些数据以发现有意义的见解的动机。 如果你对人力资源分析没有经验，你不会在一夜之间成为专家——就像任何技能一样，学习和掌握都需要时间。但是，即使朝着数据驱动决策的承诺迈出一步，也会让你领先于游戏。 描述性分析：通过描述数据回答“发生了什么？” 必须知道条款 诊断分析：通过显示数据之间的关系来回答“为什么会发生这种情况？” 预测性分析：通过使用已知数据提供有关未来事件的见解，回答“将会发生什么？” 机器学习：通过训练和测试预测或分类未知数据的统计模型，使用数据回答问题 结构化数据：明确定义且易于搜索的数据（例如，数字数据） 非结构化数据：未明确定义或易于搜索的数据（例如，文本、音频、视频） 数据清理：检测、修改或删除不完整、不一致、重复或不正确的数据的过程 开始进行人力资源分析 遵循的8个步骤 1.理解2.Identify3.收集4.清洁5.分析6.Extract7.沟通8.评估 任何HR分析项目 将基本框架应用于您执行的每个HR分析项目非常重要。框架可以增强项目进展和后续步骤的清晰度和一致性。 每个项目、问题和解决方案都是独一无二的，但开发一个整体过程将有助于指导您找到所需的信息。 下面概述了您应该遵循的框架，在本节中更详细地单独描述了每个步骤。 开始人力资源分析项目时，第一步是更好地理解它。问自己以下问题： 步骤1:理解 我们试图解决什么业务问题？我们问正确的问题吗？谁会支持这个项目？这个项目的预期或希望的结果是什么？这个项目的结果会导致任何有意义的变化吗？谁将受到这些结果的影响最大、最小或根本不受影响？ 在您对项目有了深刻的了解之后，接下来您应该确定执行项目所需的数据和数据源。 Step 2:Identify 我们需要哪些类型的数据？行为？（例如，旷工）感知？（例如，员工敬业度）人口统计？（例如，任期）数据是结构化的还是非结构化的？数据是否已经存在，或者是否需要创建新数据？需要做些什么来收集必要的数据？ 确定所需数据的种类和来源后，您可以通过以下方式开始收集数据： Step 3:收集 进行实验、访谈、焦点小组或调查与您的IT部门合作以获取难以访问的数据跟踪和记录障碍，以记住未来的项目 在分析数据集之前，需要对其进行清理。扫描数据集： Step 4:清洁 不属于的数据点（例如，文本应该位于的数字）数据不正确（例如，10点刻度中的值为12）数据不一致（例如，经理有5个直接报告，但有6个数据）极端异常值（例如，下一个最高值为15时的值为100）过多的缺失数据 这是人们看到“HRAnalytics”时通常会想到的步骤。以下是分析数据的三个提示： 步骤5:分析 1.始终从描述性分析开始，以熟悉数据。2.切勿直接进入诊断或预测分析-您会忽略可能导致高级分析不可靠或无用的重要见解。3.把统计和机器学习当作工具集— —每个分析都是一个单独的工具，这意味着某些工具比其他工具更适合回答你的问题。 分析是关于从数据中创建结果，提取是关于确定哪些结果是有意义的。问自己以下问题： 步骤6:Extract 哪些结果是噪声？（即无意义或不重要）哪些结果讲述了最相关或最重要的故事？结果是否支持你的假设或期望？有任何结果令人惊讶吗？是否有任何结果引发了对其他分析或项目的思考？ 在您完成了前面的步骤之后，现在是时候分享您的发现了。 Step 7:沟通 此步骤完全取决于项目和您的角色。您可能会传达见解： 只给你的直属经理个别部门和团队领导对高级领导团队 无论你向谁展示，确保你的观点清晰、简洁、可解释，并尽可能依靠视觉效果。 HR分析项目永远不会真正结束，因为总是在创建新数据。因此，应创建评估时间表以评估： 步骤8:评估 HR分析项目：这个项目有什么进展？有什么进展不顺利？ Follow - through:是否有任何计划或战略付诸实施？ 趋势：员工的行为或观念是否发生了变化？在您的项目完成后的3、6和12个月，趋势是什么样子？ 影响:你的项目对员工有什么影响？ “人力资源分析师应该接受讲故事的艺术，将劳动力数据塑造成精心制作的叙事，包括所有关键要素任何好故事：情节、背景、人物和结论。“ 伊恩·库克，Visier产品管理总监 付诸实践：样本人力资源分析项目 本节使用上一节中概述的8个步骤，探讨涉及营业额的示例业务问题。 TheSituation:想象一下，在过去的几年里，你公司的营业额增加了20%，而你的首席执行官很担心。你的经理要求你确定可能会发生什么。你的发现将有助于形成下一步。 付诸实践：理解 你从哪里开始？考虑以下问题： 谁会支持这个项目？如果找到了一致的离职原因，这些见解将如何付诸实践？您是否也应该关注或将重点转移到保留风险上？ 付诸实践：Identify 要确定与营业额相关的数据，请问问自己： 您知道或认为哪些团队、部门、部门或地点的人员流失率最高？这些数据的详细程度和趋势如何？外部研究对营业额有什么看法，比如通常与营业额相关的变量？你有这些数据?您是否需要为您的特定研究问题收集新数据？ 付诸实践：收集 您可能决定通过以下方式收集数据： 与员工进行焦点小组，了解他们留在公司的原因以及什么会推动或拉动他们离开。从您的HRIS收集人口和行为数据，以及一年前进行的参与调查的感知数据。收集多年来收集的离职面谈数据。 付诸实践：清洁 在您收集了所有您认为对确定公司营业额原因所必需的数据之后，您可以： 将焦点组中的数据输入到数字电子表格中。扫描基于HRIS和基于调查的数据，以查找任何错误或异常。扫描离职面试数据，以查找可能需要澄清或注释的缩写，行话或其他技术或速记语言。 付诸实践：分析 你已经有了你的数据，而且都是干净的。在这一步中，你可以： 按部门或地点查找每年缺勤的平均人数。比较离职员工和留守员工的调查结果。比较各种人口统计数据的周转率。通过寻找常见的单词，短语和主题来主题分析离职面试和焦点小组数据。 付诸实践：Extract 在进行各种分析后，您可能会发现： 某一地点妇女的离职率高于平均水平。缺勤在周转发生前几周遵循频率增加的一致趋势。员工留下来的一个常见原因是由于他们与队友的关系的强度。由于缺乏专业成长和发展，整个公司的很大一部分前员工已经离开。 付诸实践：沟通 您可能会与经理讨论您从分析中提取的重要结果，并建议： 需要在女性流动率高的地点进行跟进。可以基于缺勤来创建算法，以预测具有较高离职风险的员工。团队凝聚力和关系是你公司的优势，应该有意识地保持。你应该在全公司范围内实施战略，进一步探索增加职业成长和发展机会的方法。 付诸实践：评估 主项目结束后，您可以： 总结您的项目，并与经理一起审查有关改进或改进的建议。确保适当的领导者负责跟进项目的结果。与IT或其他代表合作，支持创建营业额预测算法的任务。 成功进行人力资源分析的三个关键 1.记录一切 文档可以说是成功的最重要的关键。您应该跟踪并记下所有可能的内容。至少要跟踪： 项目的目的和预期成果在整个项目中做出的各种决定某些数据的来源或访问方式遇到的障碍一般结果和提取的见解对见解采取的计划和后续行动 2.知道哪些数据可用 与HR分析相关的数据通常分散在多个HR系统和数据库中，例如： HRIS/HCMATSTMSLMS调查(例如，参与度、脉搏、满意度)内部网 确保您知道每个系统拥有的数据，数据是如何收集的，变量的含义以及访问数据的容易程度。 3.争取高质量的数据 成功的关键是更系统的数据清理版本。确保各种系统和数据库中的数据是： 有据可查、标记或注释定期检查质量保证使用适当的方法聚集 如果你的数据混乱，你的分析有多复杂或先进都没关系。记住干净数据的黄金法则:垃圾进，垃圾出。 使用我们的一体化参与和绩效平台收集、分析员工反馈并采取行动。