【人力资源管理咨询 ✚ 管理软件】【全套落地解决方案,深度量体裁衣】
新闻动态
公司产品、服务的专业深度和业务的稳健发展,正在受到各界的持续关注
行业动态
数据分析在HR领域的应用,到底有多重要?
发布时间:2022-04-28 09:41
  |  
阅读量:

大数据和数据分析是当今商业的热门话题,人才管理领域也不例外。人才是企业最宝贵的财富,人力资源分析必须成为人才战略整体的一部分。那么如何进行人力资源大数据分析?本文为您提供了建议和方法。

微信图片_20220428093840.jpg


人才竞争



世界正处于争夺枯竭资源的激烈斗争之中,这些资源比石油更珍贵,比资本更重要。这样的资源就是人才。

微信图片_20220428093914.jpg

在全球,各种规模的公司都投入了大量的金钱和时间来引进人才,让他们感到快乐。顶尖人才为公司开发新产品,实现创收最大化和有效率最优化。

然而,我们工作的世界变了,变得更有挑战了,具备包括如下几个方面:

1、数字技术对劳动市场的影响

数字媒体彻底改变了雇主寻找工人和雇员寻找新机会的方式。

对于很多受欢迎的员工来说,新的工作机会源源不断地从数字渠道中涌入,比如51、智联、猎聘、Boss直聘、招聘公众号等平台。

此外,员工通过脉脉、领英等职场社交平台彼此联系更加紧密,更容易理解在公司该做什么、什么值得做,以及公司的负面信息。

所以互联网和其他数字技术的发展,打破了劳动力平衡,彻底改变了整个人才

2. 员工任期和忠诚度不断下降

最近的调查发现,人们不再像以前那样在公司呆得太久了,员工变得比以前更加反复无常,对雇主也越来越不忠诚度,员工流失率正在成为企业的一大成本。


3. 人才竞争加剧

企业要想成功获得人才,就必须密切关注竞争对手,抢占先机。

例如,你知道对手用来吸引人才的战略和战术吗?

你的雇主口碑和工作环境与对手相比如何?

公司在人才竞争中还有哪些劣势?

你的人才获取成本是否高于竞争对手?

在这种情况下,人才的寻找、吸引、获取和留住对企业来说是一个巨大的挑战。

随着数字环境的不断发展,企业有必要进行数字化转型,打造雇主品牌,改善员工体验,并利用大数据分析预测哪些员工面临风险。

总而言之,在这场人才争夺战中,帮助企业获得竞争优势的人力资源数字化转型至关重要。

微信图片_20220428093918.jpg


从商业分析到人力分析的转变


数据分析在19世纪进入保险金融行业。第一次世界大战期间,美国陆军开始大规模应用陆军甲级试验和陆军乙中测验。

在许多组织中,所谓的"凭直觉和经验作战"人力资源团队往往被误解,经常被要求作为具有战略业务功能的高级管理部门作出数据驱动的决定。

比如,人力资源就经常面临3个挑战:


1、认知挑战

人们常说,HR就是招聘,HR就是算工资,HR是有偿的后勤部门,这些都是HR领域的认知偏见和挑战。


2. 战略挑战

人力资源应该成为 “一个更具战略性的商业伙伴”,主动提供建议,解决与核心业务直接相关的挑战和目标。

3. 业绩挑战

挑战在于领导层希望利用先进分析和数据情报的力量做出更明智的决策。

有证据表明,数据分析已经应用到我们生活的方方面面,各行各业。

比如,奥巴马团队使用数据分析细分摇摆州的选民,儿科医院运用数据分析观察婴儿的心跳电波图。FBI结合社交媒体、摄像头和电话数据,追踪罪犯的恐怖袭击,等等。

同样,数据分析也可以应用于人力资源,帮助我们应对当前的挑战。


微信图片_20220428093922.jpg


人力分析的3个步骤


要进行人力分析,首先需要确定人才管理的业务问题或目标,然后需要整合不同的数据源,然后数据分析和预测。


1、人才管理业务问题

凡事预则立不预则废,做任何事之前,都要设定好目标。

你的目标可以是:

你的组织要实现业务目标,需要什么技能?

组织应该去哪里寻找最优秀的人才?

应该吸引什么类型的员工?留住谁?

2. 整合各类数据源

通常来说,数据源可分为三类,即人员数据,公司数据和劳动力市场数据。

首先,人员数据包括员工的花名册、组织架构、招聘渠道、绩效、薪酬、福利、考勤、培训、流动率、敬业度等,这些数据通常来自企业内部的人力资源信息系统

最后,关于劳动力市场的数据,包括政府统计局的数据,如就业率和失业率、社会平均工资工资、最低工资、职工流动率、市场调研报告等。

3. 数据分析和预测

根据分析目标和数据来源,如相关因素预测、决策树,创建适当的分析和预测模型。进而获得人力分析的可行见解。

微信图片_20220428093927.jpg

可行见解,由以下3个层次构成

1)信息:代表过去,发生过什么?

2)知识:代表现在,正在发生什么?为什么会发生?

3)洞察:代表未来,将发生什么?

通常,人力资源数据分析,需要一个团队来通力合作,包括IT技术人员,统计学专家和较高眼界的洞察专家。