人力资源|华为招聘HR的要求火了，原来会数据分析，薪水差距居然这么大
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
这两天在朋友圈一张华为的HR招聘广告传的很火 。 年薪40万招聘HR数据分析师！这还没算上股票期权和其他福利补贴 。
一般企业的HR工资水平在公司应该处于中等甚至偏下 ， 没想到多加个数据分析的标签 ， 薪水居然能这么多 ， 而且这两年 ， 数据分析能力似乎已经成为优秀企业招聘HR的重要指标 ， 不光华为要求数据分析能力 ， 百度、阿里等企业在HR的招聘简章中都提到了数据分析能力的要求 。
大公司的招聘要求 ， 一定程度上代表着职业发展的方向 。 不会数据分析的HR ， 必将没有市场 。
特别是在人力资源岗位上 ， 因为本身不具备直接产生效益的能力 ， 如果还不懂得运用人力资源数据推动业务发展的 ， 那对企业而言 ， 只能是成本部门 ， 不被重视 ， 没有任何话语权 ， 还不如外包省钱省力 。
正因为如此 ， 很多像百度一样的企业 ， 都已经开始设置人力资源分析师岗位 ， 通过大数据获取有关组织和人才的信息 ， 对企业在组织和人才上未来可能产生的问题进行预测、预警、预判 ， 并据此向业务部门提出决策建议 ， 让人力资源真正发挥价值 。 人力资源数据分析 ， 不仅仅是对HR个人的要求 ， 更是企业发展的需要 。
人力资源数据分析应该如何做？人力资源数据分析的岗位之所以高薪 ， 主要还是当下的HR多数都缺乏数据分析的能力 ， 稀缺性造成了高薪 ， 另一方面 ， HR用数据说话 ， 从来不是一件简单的事情 ， 也是HR工作里含金量高的工作之一 。
人力资源管理中的数据分析最主要的就是两个方面 ， 一方面是人员结构性分析 ， 一个方面是人效的分析 。 跟踪企业人效 ， 能够有效地监测公司经营状况 ， 了解每个员工或者每个部门以及公司整体的人力效能情况 ， 分析人员结构 ， 能够帮助公司在招聘上提前做方案 ， 做好储备 ， 避免人才断层的风险 。
虽然大部分的HR对人力资源管理知识掌握熟练 ， 也大概知道做人力资源数据分析的意义 ， 但是大部分人对数据分析的理解还不够深入 ， 所以很多人做出来的人力资源数据分析的模板 ， 可能就是下面这样：
员工性别比例、工作年限、地区分布、学历水平等等 ， 把数据罗列好 ， 配上简单的图表 。
然而这样的数据 ， 掌握基本Excel使用能力的人都能轻松统计出来 ， 为什么要高薪聘用人力资源数据分析师来做？这样的数字统计出来了 ， 到底代表了什么呢？好还是不好？性别比例背后的意义 ， 是要老板自己猜吗？
只有数字罗列 ， 没有分析 ， 这样的数据不要也罢 。 而所有的数据分析 ， 都应该有驱动业务的价值 。
人力资源的数据分析 ， 应该是通过数据获取有关组织和人才的信息 ， 对企业在组织和人才上未来可能产生的问题进行和预测、预警、预判 ， 并据此向业务部门提出决策意见 。
这里我们就以一个真实案例 ， 来讲解一下有价值的业务分析是怎样的 。
人力资源数据分析中的痛点小王是某公司总部的人力资源专员 ， 每个月、每季度、每年 ， 小王都要负责整理这段时间区间内员工的新增、离职、调动情况 ， 并针对员工的构成特征、KPI绩效、工资发放等进行管理 。 公司的员工信息保存在OA系统中 ， 而薪资信息又保存在另一套云ERP系统中 ， 有一些分公司还有自己的业务系统 。
这些数据之间没有被打通 ， 就像一个个孤岛 ， 将其整合在一起需要耗费大量的人力 ， 而就算费了老大劲整理好了数据 ， 这些数据也存在滞后性、准确性等问题 。 比如：
1.小王每个月月中就要发布通知 ， 让各分公司将本月的人力资源信息开始汇总 ， 之后进行上报 。 从发布通知 ， 到上报结束 ， 往往需要经历2周甚至更多的时间 ，白白耗费了许多人力不说 ， 还存在严重的滞后性 。
【人力资源|华为招聘HR的要求火了，原来会数据分析，薪水差距居然这么大】2.人力资源数据采用Excel进行上报 ， 绩效、薪资的计算也是人工使用Excel进行核算 ， 篡改、纰漏等数据准确性问题无法把关 ， 全靠业务人员的责任心和专业性 。
3.数据以月份为单位进行存放 ， 当需要汇总观察趋势时候 ， 就需要将N张Excel进行整合 ， 费时费力 ， Excel的性能也堪忧 。
因为以上的种种数据问题 ， 小王每个月的大部分工作时间都在整理、核算数据 ， 更不要提什么数据分析了 。
分析工具+解决方案为了解决上述问题 ， 小王需要的是一套能够实现多数据源整合+数据处理+数据分析的软件 。 小王的这一需求 ， 是许多企业推进数字化进程中的共性需求 。 这样能够满足从数据源到业务人员数据分析完整分析流程的软件 ， 就叫做商业智能（BI）软件 ， 这个概念最早由Gartner集团提出 ， 目前国内的BI软件很多 ， 我就以比较有名的FineBI为例 ， 来讲解如何进行人力资源数据分析 。
1、数据连接
FineBI可以把不同来源的数据基于业务分析需求进行分类管理 。 无论是传统的关系型数据库MySql ， Oracle还是Kylin ， Hive ， Spark等大数据平台 ， 都可以通过FineBI进行连接 ， 将其中的数据进行整合 ， 打破各个业务系统中的“数据孤岛” 。
而如果选择直连模式 ， 则可以实现实时数据展示 ， 上一秒发生的人员变动信息 ， 下一秒就可以在BI中展现出来 ， 消灭数据迟滞的同时也降低了人力浪费 ， 大大提升了决策效率 。
2、数据加工
在设置好数据连接 ， 添加好需要的数据表并设置了表间关联后 ， 我们可能还需要对数据进行一些处理 ， 比如过滤掉一些不需要的数据 ， 或者进行一些计算等等 。 这时候就可以使用FineBI的自助数据集进行数据的二次加工 。
3、自助分析
数据治理这些后台的底层工作完成后 ， HR就可以针对数据进行探索式分析了 。 把纬度和指标拖拽到坐标轴就可以自动生成可视化分析图表 ， 制作完成的各图表组件之间还能实现联动、钻取等OLAP分析功能 ， 从多个角度探索 ， 深入挖掘数据价值
人力资源分析模板1、新入职员工分析
我们可以通过探索分析发现以下特点：
“新员工数、去年同期新员工数和与去年同期相比的在职员工数变化率(%)(按月)” 组合图显示 ， 今年每个月雇佣的员工数都比去年多 。有几个月的雇佣员工数明显很多 。
从按地区和种族划分的新员工计数和在职员工计数组合图可以看出 ， 我们在东部区域招聘的员工较之更少 。
按年龄组划分的新员工增长率变化瀑布图显示 ， 我们主要招聘的是年轻员工 。这种趋势可能是因大部分工作都是兼职性质所致 。
“新员工数(按性别)” 饼图显示 ， 新员工数按性别大致均分 。
我们可以通过探索分析发现以下特点：
左边的两个组合图显示了 ， 与去年同期相比在职员工数和离职员工数的变化情况 。今年的在职员工数比去年多 ， 这是由于快速雇佣所致 ， 同时离职员工数也比去年多 。
8 月的离职员工数比其他几个月都多 。 通过点击不同的区域、性别进行探索分析 ， 发现其中东部地区的离职人数明显更多 。
我们注意到 ， 在饼图中 ， 在职员工数按性别和年龄段均分 。接下来可以选择不同的年龄段了解各个年龄段是否按性别均分 。
2、差员工分析
要探究的最后一个部分是差员工 。差员工定义为上班不超过 60 天就走人的员工 。我们正在快速雇佣 ， 但我们是否雇佣到了优秀候选员工？
选中左侧“区域” 过滤组件中的“西北”， 并点击“差员工数(按性别)” 环形图中的“男性”。 研究“差员工数” 页上的其他图表 。我们注意到 ， 男性差员工数比女性要多 ， 并且 A 组中有很多差员工 。
如果研究“差员工数(按性别)” 环形图 ， 并选中“区域”过滤组件中的不同区域 ， 就会注意到 ， 东部区域是唯一一个女性差员工数比男性要多的区域
推荐阅读
- SUV|美国再拉黑38家华为子公司！升级打压华为获取商用芯片
- 美将38家华为子公司列入实体清单|美将38家华为子公司列入实体清单 中国已别无选择
- 漏洞|华为称继续向预装Google Play手机提供更新；Mac纳入苹果独立维修商维修范围；三星智能手机生产
- 美将38家华为子公司列入实体清单|美将38家华为子公司列入实体清单，限制它们获得某些“敏感技术”
- 美国进一步禁限：欲切断华为芯片供应，并将华为38家子公司列入实体清单
- 东南亚|几十天后华为苹果的5nm处理器手机将至，你准备好了么？
- 环球网|持续施压！蓬佩奥炫耀美商务部将38家华为子公司列入“实体清单”
- 华为汽车的“闪电战”和“持久战”
- 华为证实：正努力研发搭载全屏指纹识别、屏下摄像头手机
- 一条消息传来！华为突然宣布决定，连汽车零部件也要造？