那些常用、但少有人掌握的人力资源数据工具+公式+流程

对我们HR来说，如果你不能懂点数据，不能从数据中看出一些背后的逻辑，就好像被关上了了解真实世界的大门，无法客观和理性地面对这个世界。而小汇今天索性给大家来个组合套件，一起来聊聊那些非常重要却很多人不清楚的人力资源数据工具、公式、流程。

故常规的招聘达成率、离职率、培训完成率等不在今日探讨范围之内。

首先我们来说一下，我们常用到的一些数据分析工具和思路：

一、PEST分析法：

political政治、economic经济、social社会、technological技术；

拿到一个数据以后，可以从这四个方面去考量。

二、5W2H分析法：

where、when、who、why、what、how、how much。不解释了；

三、逻辑树分析法：

类似于思维导图，强调穷尽；

四、4P营销理论：

price价格、place地方、product产品、promotion推广；

五、人性认知行为理论：

认知、熟悉、试用、使用、忠诚；

六、常用网络数据工具：

百度指数、淘宝指数、艾瑞咨询、易观智库、CNNIC、比达咨询。

七、数据分析主要维度：

对比分析法、分组分析法、交叉分析法、结构分析法、漏斗图分析法、综合评价分析法、因素分析法、矩阵关联分析法。

接着我们来说一下人力资源数据分析中，很重要却很少人重视的公式。

公式将会从四个方面展开，分别是：成本、时间、数量、质量。

成本篇

人工总成本=员工人工成本+办公室设备等管理费用+处理与福利相关事务的成本+保险和养老费用等强制费用+付薪假期、节假日、病假、教育、娱乐等费用；

内部招聘成本=（内部广告成本+内部推荐奖金+内部重新安置与规划成本+管理时间和差旅成本）/内部雇佣人数；

外部招聘成本=（外部广告成本+外部推荐奖金{外部差旅成本+管理时间和差旅成本）/外部聘用人数；

面试成本=（面试总成本+面试管理总成本）/面试应聘者总数量；

注：面试总成本=每小时标准成本*每次面试时间*面试数量；面试管理总成本=每小时标准劳动成本*每次面试时间*面试数量；

培训成本=（讲师成本+培训设施租用+学员的差旅住宿成本+培训员的工资和福利+学员的工资和福利+培训部门的管理费用）/学员总数；

注：每小时培训成本=培训总成本/总培训小时数；相比统计每个学员的培训成本，每小时培训成本是更深入、更有价值的衡量指标。

时间篇

职位空缺填补时间=收到招聘申请的日期-聘任书接受的日期；

新员工工作开始时间=收到招聘申请的日期-新聘用员工开始工作的日期；

平均面试时间=用于面试的总时间/面试总人数；

现有员工平均服务期=总的雇佣年数/平均员工人数；

离职员工平均服务期=离职员工总的雇佣年数/总的离职员工人数；

缺勤率=因缺勤而损失的工作日/(平均员工人数*每位员工每月的工作日数)

注：通过计算各部门的缺勤率，以便发现哪个部门的缺勤率相对更高。在此基础上统计缺勤所造成的时间损失与隐性成本。更重要的是，HR需要了解缺勤率较高背后的真正原因。

数量篇

发布职位聘用比率=雇佣人数／发布职位的数量；

面试职位率=面试数量/收到的申请数；

员工雇佣率=雇用人数/收到的申请数；

推荐通过率=推荐人数／雇用人数等，

岗位评估参数=被评估和审定的岗位数量/系统中所有岗位的数量；

培训通过率=培训考核通过人数/实际培训总人数

超过薪酬级别上限的员工=超过的员工数量/员工的平均数

注：如果存在太多例外，就表示薪酬系统不再履行其功能。

全职员工平均薪酬=全部薪酬/全职员工的数量。

注：这一数据可以按照管理人员和非管理人员分娄统计，作为薪酬制定的参考依据。

员工平均营业收入=总营业收入/全职员工的数量。

注：这一指标综合了营业收入与成本，用于衡量每位全职员工所创造的收益和利润。

质量篇

招聘质量=（新聘员工的平均工作表现分数+新聘员工中一年内被晋升的百分比+新聘员工中服务时间超过一年的百分比）/全体新员工数量；

培训质量=培训后的知识水平/培训前的知识水平；

注：可自我定权重系数或根据考核结果来确定。

技能（行为）改变=培训后通过工作结果、人际关系的关键事件或其他可以观察到的现象所反映出来的技能）/培训前的技能水平；

态度改变=培训后的态度/培训前的态度；

绩效改变=培训后至少90天所给出的绩效评估分数或等级/在培训之前所给出的绩效评估分数或等级；

每个业绩水平上的离职比率=每个业绩水平上的离职人数/总的离职人数；

每个业绩水平上的离职比率=每个业绩水平上的离职人数/在该业绩水平上的总人数。

我们知道了很多数据的公式，该怎么分析呢，流程如何？

一、数据收集：

数据收集主要有两部分，

第一手数据：主要指可直接获取的数据;

第二手数据：指经过加工整理后得到的数据。

根据两部分的数据进行整理。

二、数据处理：

从大量的、杂乱无章、难以理解的数据中抽取并推导出对解决问题有价值、有意义的数据。这个过程可能会比较漫长，但是也是比较有意义的。

三、数据分析：

主要侧重解决四类数据分析问题：分类、聚类、关联、预测。

四、数据展现：

常用数据图：饼图、柱形图、条形图、折线图、散点图、雷达图、金字塔图、矩阵图、漏斗图、帕雷托图。

五、报告撰写：

有一个好的分析框架，并且图文并茂，层次明晰，能够让阅读者一目了然，需要有明确的结论，有建议或解决方案。

整理自网络