人力资源行业文章

人力资源管理软件职场干货:这才叫数据分析,你那只是罗列数字!

发布于 2023-3-23 9:55:18   阅读次数:


一位HR朋友,经验丰富、业务能力很强,最近被提拔为HRM。

领导要求她做各种各样的人力资源分析报告,但领导都不太满意。

我问她,你都怎么做的报告呢?她很快发我了一份PPT:

截止到xx年x月x日,公司共有2857人,其中男性员工1819人,占比64%,女性员工1038人,占比36%;……
还有年龄、文化、岗位、司龄等方面的介绍。

看到这里,你有发现什么问题吗?

有人说,里面的数字算得不对吗?仔细算了算,数字好像都对。
有朋友说,是里面的文字太多了吧,没有图形?其实她在后面根据数字制作了很对相应的图表,
那就没有问题了吧?平时不都这样做的报告嘛。

确实,很多公司都是这样。
当老板说:你们HR不要总把自己当作文员,要量化管理,要数据分析。
于是,HR们就做出这样的报告。

但交给老板后,并没有得到老板的肯定。

问题到底出在哪儿呢?

问题就是三个字:没有用

比如上面说的“男性员工占比64%,女性员工占比36%”,这两个数字是公司希望看到的,还是不希望看到的呢?

再比如“30岁以下员工占比39%,50岁以上占比14%”,这两个占比是好还是不好呢?

还有研究生占比2%,专科占比19%,是偏高了还是偏低了呢?

这种数据是没有思想和灵魂的,老板当然不会满意,因为没有给他解决任何问题,没有给他产生任何价值。

我们总结下来,HR在做数据时容易犯4类错误:
1)为了量化而量化,只有数据,没有分析;
2)为了数据而数据,有了分析,没有结论;
3)为了分析而分析,有了结论,没有行动;
4)为了报告而报告,有了行动,没有评估。

用数据陈述一个事实,没有任何意义;
对数据加工分析之后,发现问题所在,形成行动方案,对行动结果有进一步的分析和评估,才是一个完整的、有价值的数据分析。

HR在做数据分析时,往往有错误的认知:
认为有很多数字、表格的才叫数据分析;
认为分析的越复杂、越让人看不明白,分析的质量就越高。

这里需要先纠正一下认知的问题:

1)数据不仅指数字,而是指对企业有价值、可处理的信息。这种信息可以是数字、文字或者图形。

2)数据分析绝不是越高大上越好,相反,很多对公司有用的分析,远离并不繁琐,呈现的结果也并不复杂。只要原理和逻辑毒了,往往是一目了然的。

3)数据分析的目的,是为了解决问题,而不是为了做报告。

4)只要能解决某个问题、达到某个目的,就是好的数据分析;如果不能实现某个目标、解决某个问题,就是没有用,就不是好的数据分析。

举个例子。

拿前面说的男女员工占比的数据来说,到底是公司希望看到的,还是不希望看到的?
我们引入某个行业或市场来做判断,一共有三个信息:

1)公司所在行业是精密零部件的生产加工,因为有部分手工操作,非常适合女性劳动者;
2)行业协会的数据和公司的实践,也证明了女性职工的效率更高;
3)竞争对手的女性职工占比是64%,而且竞争对手的效率明显高于我们企业。

有了这3个信息后,再看我们自己的男女员工占比,是反过来的;
下一步要怎么办呢?

有人说开始裁员,把男性员工裁掉一部分。
这种方式简单粗暴,短时间内会大量增加企业的成本,反而会降低效率,对公司形象也不利。

那该怎么办呢?

我们可以先了解一下员工自然流失的速度。

比如现在每年操作工的流失率是20%,加入现在开始,每流失一位员工,都用女性员工来补充,那么理论上2年时间可以把男女占比调整为4:6。

这样的行动方案拿给老板,看起来就是靠谱的。
当然在这两年内,还要不断做评估和调整。

这个例子,只是一个非常简单的演示,其实还有很多问题没有考虑。

比如,到底4:6的男女比例是不是效率最高的比例呢?
不确定,还要根据岗位设置等具体情况作进一步的细分评估,也就是判断每一个岗位,到底是更适合男性还是女性。这些岗位加和之后的比例,才是最优的比例。

再比如,现在我们公司的男女比例达到了最优比例,是不是这个问题就解决了呢?
不一定。有可能一些男性职工所在的岗位,其实是更适合女性职工的,也就是不同岗位的男女分配并没有达到最优。

所以要找到相应的问题,数据分析就要细化到相应的维度。

同样的思路,年龄、司龄、学历等其它维度,也可以找到相同的问题。
然后形成方案、采取行动、持续评估。

这样,我们就不是简单的罗列数字,而是真正的深入分析问题、解决问题了,这样HR创造的价值也显而易见了。

本文摘自互联网

相关文章
集团企业的典型客户