导图社区 人力数据分析
人力数据分析的思维导图,包含一、人力数据分析,二、人类数据分析的发展简史,三、为什么人力数据分析如此受欢迎,四、人力数据分析成熟度模型等内容,知识全面详细,干货满满,现在不收藏,还在等什么呢。
编辑于2023-03-07 08:46:55 广东这是一篇关于绩效考核大纲的思维导图,主要内容包括:一、考核目的,二、考核原则,三、考核对象与周期,四、考核指标体系设计,五、绩效考核流程,六、考核结果应用,七、配套工具与模板,八、风险控制,九、方案实施计划,十、注意事项。
这是一篇关于人才储备战略理论构想1.0的思维导图,主要内容包括:数据分析与人才预测,法律合规与风险管理,员工关系与沟通,继任计划与领导力发展,组织发展与文化建设,绩效管理,培训与发展,招聘与选拔。
这是一篇关于HRBP支持团队效能提升大纲的思维导图,主要内容包括:法律遵从与风险管理,技术与创新应用,数据驱动的决策支持,人才吸引与留存,组织文化建设,沟通与协作强化,团队效能提升策略,HRBP角色定位。
社区模板帮助中心,点此进入>>
这是一篇关于绩效考核大纲的思维导图,主要内容包括:一、考核目的,二、考核原则,三、考核对象与周期,四、考核指标体系设计,五、绩效考核流程,六、考核结果应用,七、配套工具与模板,八、风险控制,九、方案实施计划,十、注意事项。
这是一篇关于人才储备战略理论构想1.0的思维导图,主要内容包括:数据分析与人才预测,法律合规与风险管理,员工关系与沟通,继任计划与领导力发展,组织发展与文化建设,绩效管理,培训与发展,招聘与选拔。
这是一篇关于HRBP支持团队效能提升大纲的思维导图,主要内容包括:法律遵从与风险管理,技术与创新应用,数据驱动的决策支持,人才吸引与留存,组织文化建设,沟通与协作强化,团队效能提升策略,HRBP角色定位。
人力数据分析
一、人力数据分析
定义:人力数据分析是一种基于事实管理人员的办法,是人力资源、数据分析与财务的结合
人力数据分析所需技能
聚合各项数据
沟通业务部门
分析关键问题
把分析结果从“分析数字”转变成可以付诸行动的数据视觉化结果
技能缺失的结果
业务:团队进行的数据分析不能给业务增加价值
市场营销:HR数据分析的结果不能被业务部门采纳,或者管理者没有根据数据采取行动
HR:团队难以挑选合适的数据、解读数据分析结果并建立有效的模型
数据分析:团队陷入做简单数据分析的困境中,他们无法发现因果关系和建立预测模型
IT:团队难以获取和聚合全部的相关数据
人力数据分析的重要性
衡量人员政策和费用的效率、效能,以及影响力的一项工具
二、人类数据分析的发展简史
泰勒主义:效率为王
人际关系运动:人为什么很重要
霍桑效应
马斯洛需要层次理论
麦格雷戈X·Y理论
员工的感觉、情感和生产力受他们工作的环境影响
人事管理:不参与公司战略,致力于管理员工
员工福利在实现组织绩效最优化时起到了一个关键作用
人力资源管理:所有人事工作和服务的整合
人员管理和数据分析(人力数据分析):让HR从业者把一个人的问题转化为量化评级和金额,帮助HR从业者计算人事政策的投资回报率
三、为什么人力数据分析如此受欢迎
关于各项数据分析的定义
卓越中心
指一个团队或设施,它关注一个特定的主题,并且分享该领域内的知识、领导力和最佳实践
HR数据分析
更倾向于特指人力资源管理
人力数据分析
是一个包容其他学科的术语,它把数据科学及其原则应用到人员管理领域中
劳动力数据分析
基于对劳动人口更广泛的一个视角,通常涉及代表劳动力效率的财务指标
人才数据分析
主要指绩效和离职分析
商业智能
包括能帮助组织分析信息和提升决策的应用程序、(统计)工具、技能和基础架构。(人力或HR数据分析是商业智能一个特定的子项)
数据分析能为HR和组织带来什么
循证式HR
仅仅通过测算和展示数字,HR从业者能否证明管理者的直觉确实是不正确的,以及能否证明新的招聘流程势在必行?
减少个人偏见和主观性
一个根据战略性的角色
大部分行业中,最顶尖的20%的人贡献了全部产出的50%
一种竞争优势
通过保证数据分析与战略目标的一致性,能更好的提升组织能力,通过更优化的方式执行公司战略
员工焦点和规范
为什么人力数据分析还未成为主流
技能缺乏
布罗德之墙
四、人力数据分析成熟度模型
人力数据分析成熟度等级 (以贝辛的人才分析成熟度模型为基础)
第四等级:预测性分析
发展预测模型、模拟规划、与战略劳动力规划的整合、风险分析和缓解
第三等级:高级数据分析
解决业务问题的统计分析、模型的开发、可落地解决方案、集中的人员配置和整合的数据
第二等级:高级报告
为对标和决策而做的前瞻性报告、对维度数据分析和仪表盘
第一等级:运营报告
反应性运营报告,关注数据准确性、一致性和及时性
五、团队技能
业务场景
数据分析能解决具体的业务问题,它才能增加价值
数据分析的重点不是收集到的数据的数量,而是获得正确的数据去影响决策
战略场景胜任力
对重要的业务挑战十分熟悉(HR以外)
对关键业务流程深刻理解
熟练地将HR贡献与公司的这些战略目标连接起来
市场营销场景
数据带来哪种影响,取决于如何向目标受众呈现和传递数据
市场营销场景所需技能
理解业务会如何使用数据
知道哪些数据可以(或不可以)为业务增加价值,以及如何为业务增加价值
能视觉化呈现和推销洞见
HR场景
胜任力
具备社会科学背景,可以在研究中发现相关人员因素和最佳实践
具备现有HR流程方面的洞见,可以解读公司特定的发现结果
将更多传统的HR与人力数据分析专业技能相连接
数据分析场景
胜任力
精通统计学
理解各种数据分析方法
能使用像Excel和SPSS/Stata这样的软件或其他相关软件
具有编程知识和使用类似R或Python这种数据分析和视觉化软件的经验
IT场景
胜任力
理解业务IT架构
能聚合不同系统的(实时)数据
与组织特定相关的IT技能,如SQL服务器管理员/开发者技能
HR数据分析实质上是一门应用科学
六、提出正确的问题
优先从业务开始,关注业务面临的挑战
聚焦业务三大优先事项
是否有合适的人
是否拥有合适的技能
执行公司战略
如何降低企业成本同时增加收入
和创造价值有关的
七、挑选合适的数据
数据分析的层级
个人、群体、组织
场景的重要性
环境、场景、同事、老板等
结果的复杂性
绩效目标复杂,应特别关注结果
八、数据清洗
数据管理
数据质量越高,分析就越准确
组织管理的数据方式影响如何收集数据和如何开展数据分析
数据具有多个错误标记的职能或节点名称,不一致性必须在数据组合和有效数据分析前解决
数据应该被单独存储或反馈到系统中
数据清洗流程
数据效度
评估能否真正地测量出了需要测量量的数据
该数据是否代表了我们想要策略的内容
我们测量数据的方式是否存在显著的偏见
数据是否以清楚而一致的方式被收集
数据中有异常值吗
数据信度
一遍又一遍地测量同一个内容,并获得相同的结果
如果同样的内容被测量多次,我们是否恒定地得到了同样的结果
我们是否清晰地记录了数据的收集方法,以及是否每次都遵循了这个方法
简易数据清洗清单
更新数据
重复数据
检查数据标签
缺失数值
异常数值
定义有效输出
步骤
检查数据是否是最新的
检查重复的、独特的标识符
检查多个域与合并数据集的数据标签,查看所有数据是否都相互匹配
计算数据缺失值(结果偏差与不准确)
检查异常数值
定义有效的数据输出,删除所有无效值
九、数据分析
描述性分析(总结发生了什么)
交叉性分析,通过计算数据的样本量、平均值、中位值、最小值、最大值和频率等处理数据
预测性分析(预测将发生什么)
通过让用户预测将发生什么,从而可以更加切实地掌握数据
指导性分析(提供建议并帮助采取适当措施)
有助于理解数据和洞见
相关性分析:变量之间相关,有”共同的变化“
回归分析:通过一个或多个预测变量分析结果
数据分析就是要找到不同变量之间的关系
十、解读与执行
检查结果
我们看到的是因果关系,还是相关性关系
我们是否根据场景做了调整
我们的期望值是否影响了结果
解读结果
你的结果是否回答了分析之初剔除的问题
和参与这项分析的人交谈,获得更多场景信息
结果呈现
呈现数据和将数据视觉化
信息保持简单易懂
投资回报率
影响决策的诸多因素之一
清洗和重复
HR数据分析失败原因
1.项目过于雄心勃勃
做出短期规划,创建短期的项目胜果
2.缺乏与业务的相关性
(陷阱)聚焦一个有意思却不能给业务带来价值的选题
3.从一开始没有考虑到合规
4.不良数据
数据被错误标记、数据清洗耗时长
5.没有转化成可落地的洞见
人力数据分析流程