人力资源数据分析10条黄金法则

人力资源数据分析10条黄金法则

根据德勤关于全球人力资本趋势的报告，人力资源数据分析革命正在加速。完全有能力应用人力资源分析的组织从4％增至8％。感觉有些能力应用人力资源分析的组织从24％增加到32％。我很高兴看到我的国家（荷兰）在将人力资源分析视为最重要或非常重要的清单中（与印度，意大利和澳大利亚一起）居首位。实际上更多的组织正在加紧布局。

但是，您也可以查看相同的统计数据，并问自己：“什么仍然阻碍所有组织的大部分工作？”您不必等到拥有“最佳”数据，“最佳”数据科学家，“最佳”工具或“最大”预算，您可以边做边学。您可以采取许多措施来开始使用。您可以从供应商处寻求帮助，以帮助您启动分析实践。您可以向自己组织中的其他部门寻求帮助。对于大型组织来说，可能已经有人在从事高级分析，只是他们在营销或财务等不同领域。

有些人要求我提供我们的研究示例，这当然很有意义。请接受我无法分享结果和相关利益。尽管如此，我希望我们的一些研究问题清单能为HR分析可以回答的问题提供更多指导。

1、哪些人力资源因素（例如敬业度，领导力，个人和团队特征，能力和技能）影响客户满意度，销售额，净增长和产品质量？

2、从销售和客户满意度来看，存在哪些面向客户的员工群体？我们可以从这些集群及其人员特征中学到什么？

3、哪些因素在推动组织员工敬业度？

4、团队内部的多样性如何对我们的业务目标（财务和客户满意度）产生积极影响，在多大程度上？

5、哪些人的特征会影响我们呼叫中心内的平均处理时间？您可以同时优化处理时间和通话质量吗？

6、我们能否根据我们的选择数据来预测成功的员工，从而使员工更有可能在公司工作并留在公司？

7、我们的活力计划在减少短期和中期缺勤方面的效果如何？

8、什么情况会影响短期和中期旷工？

9、哪些领导特征对包括参与在内的业务目标有积极影响？

10、员工与我们组织之间的共同目标的概念如何有助于敬业度和业务绩效？

现在，在这些示例之后，让我们深入了解HR分析的10条黄金规则。衷心希望这篇文章为您提供一些思考的基础，并能激发那些尚未开始迈出第一步的人们。

法则1 -超越统计数字

人力资源分析是关于“更聪明地”看待你的数据。通常情况下，您可以组合HR和业务数据集，并应用一些分析技术来发现数据中的关系，以便做出更明智的决策。传统的统计方法，如方差分析、相关性分析或回归分析，在大多数情况下都做得很好。但我建议您超越统计，探索其他数据挖掘技术，如决策树或集群。根据您的数据和业务问题，这些技术可以更快、更直观、更可操作。换句话说，不要把自己局限于“经典”的技术。也尝试其他的，实验和学习。以下是德勤提供的可能方法。

法则2:只做商业相关的研究

请把你的研究重点放在对你的生意真正重要的事情上。是什么让他们保持清醒?他们的机会是什么?他们如何定义成功?您的企业最重要的关键绩效指标是什么?当然，每个企业的答案各不相同，从客户满意度、安全、收入、成本、质量、风险管理、员工满意度、领导力发展到多样化。要找到合适的问题，你只需要先和你的公司高层谈谈，然后问他们很多问题。他们完全有能力表达自己的担忧和业务机会。由你来寻找与工作相关的有趣话题。同时询问你的商业领袖，看他们是否愿意根据调查结果改变自己的观点。他们必须致力于根据这些见解采取行动，即使这些见解不符合他们的议程。因此，密切关注你的企业所面临的机遇和威胁，这样你就能做出最好的改变，立即证明人力资源分析的附加价值。

法则3-创造可操作的见解和洞察

如果您的组织不运用见解和洞察，那么创造见解就没有任何意义。在我看来，创造真知灼见其实很简单，因为这是一种可以学习或外包的技术。就

像反复强调的那样，创建洞察力的过程就是将分析与经验和直觉结合起来使用。你需要他们来解释结果并做出正确的决定。使用分析可能会困难得多，因为这涉及到人类必须理解分析的可能性，接受意想不到的或违反直觉的研究结果，有勇气和意志去执行它，并坚持执行你的行动。

强大的咨询技能、使用你的业务语言、讲故事、直观的可视化和简单性是向客户“推销”你的见解的关键因素。如果你成功地做到了这一点，你就可以开始思考该采取什么行动了。有趣的是思考分析部门的职责在哪里结束?是在提出见解之后，在提供正确的行动之后，还是在评估行动的效果之后?在我们的案例中，行动的预算和责任，或者说是干预，都在企业内部。他们应该跟踪这些行动并定期进行评估。尽管如此，我们正在考虑在研究后的第一年加大努力，在评估方面提供更多的支持，并记住我们的业务对他们最初的承诺。

法则4 -试验和尝试新工具

关于“超越统计”，我鼓励您更多地尝试现有的各种现代的、强大的和非常酷的(基于云的)工具。SAS, SPSS,R等等都很有用。市场上有越来越多的工具，越来越多的是合并强大的数据挖掘技术，数据转换技术，强大的数据可视化与用户友好的自助服务界面。虽然使用这些工具可以最小化编码，但是您仍然需要专家来使用它。尽管如此，这些新工具允许您更快速地研究数据并加快您的洞察时间。由于强大的用户界面，有些工具甚至适合展示给您的企业。比如BigML、Dataiku、Dato、H2O、Rapid Insight、

Skytree和TIBCO。

法则5 –是否涉及法律和合规

没有法律和法规的批准，我们不会启动任何项目。此外，我们显示合法的我们的结果之前，我们的业务。当然，个人数据的匿名性是关键。在我们的情况下，各种类型的数据，如健康或电子邮件数据是超出限制的。但这类研究的另一个非常重要的方面是研究的目标或意图。你打算调查什么?调查的目的是什么?最终结果将根据研究的初始目标进行评估。我们在一些问题上受到挑战和支持，比如数据的匿名性、最新的(国际)隐私立法、与供应商的合同以及它们是否符合当地和欧洲的法规。我们的建议是尽快合法上船。

法则6 -创建清晰的流程

做分析不应该被低估。分析，尽管你可以从小事做起，但它需要纪律，在你同意研究问题和模型之前，在你收到正确的数据之前，在你连接数据集之前，在你检查数据质量和清理数据之前，可能需要一段时间。这些步骤