人力资源大数据分析与应用 课件 朱建斌 第1-5章 人力资源大数据分析概述- 人力资源数据采集与存储

第一章人力资源大数据分析——概述学习目标：1．了解大数据的概念，基本特征及常见应用2．了解数字化人力资源管理的特征3．了解人力资源大数据分析的定义和理论基础4.了解人力资源大数据分析的应用场景OverviewofHRBigDataAnalysis引例大数据在日常生活中有那些应用?本章提纲大数据人力资源大数据分析010203人力资源大数据分析应用场景大数据第一节大数据的定义高德纳（Gartner）：大数据是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。麦肯锡全球数据分析研究所：大数据是指大小超出了典型数据库软件工具收集、存储、管理和分析能力的数据集，具有“海量的数据规模、快速的数据流转、多样的数据类型和价值密度低”四大特征。我国对大数据的定义国务院《促进大数据发展行动纲要》（2015）：大数据是以容量大、类型多、存取速度快、应用价值高为主要特征的数据集合，正快速发展为对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析，从中发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态。大数据的特征容量：大规模的数据量速度：增长速度快、处理速度快、时效性高多样性：具有多种类型和格式真实性：要求数据的准确性和可信赖度价值：价值密度低IBM：大数据的5V特征大数据的应用政治从总统大选看，精准的筹资邮件筛选、选情实时分析、选民人群精准定位、基于海量数据的结果预测等已经是一个典型的大数据驱动业务健康医生通过电子病历收集分析数据，寻找降低医疗成本方法并更快的做出准确诊断；能够对患者的原始数据进行整合，以充实公共健康记录体育大数据正在对体育俱乐部及赛事运营单位、装备及系统制造商、科研及运动医疗机构、媒体、运动员乃至观众群体带来重大改变社会美团通过各业务场景收集公开数据，通过充分挖掘这些数据之间的关联，构建一个知识平台，从而为客户提高更加智能的生活服务大数据的应用大数据的处理分析正成为新一代信息技术融合应用的结点大数据是信息产业持续增长的新引擎大数据利用将成为提高核心竞争力的关键因素大数据时代，科学研究方法手段将发生重大变化成为一名人力资源数据分析师数据分析——人力资源管理新职能必备技能：统计学知识讲故事的能力对商业背景的理解好奇心合作能力整合能力人力资源大数据分析第二节人力资源管理的发展泰勒的科学管理理论行为分析法人事管理循证人力资源管理人力资源管理三支柱（HRBP、HRCOE、HRSSC）敏捷时代的人力资源管理用大数据重新定义人力资源管理人力资源管理数字化时代“新人类”员工体验大连接数字化智能化未来组织：网络化团队协作组织对人力资源大数据分析迫切的原因各组织持续增加商业价值的需求及日益激烈的市场竞争管理层需要实时获取信息和数据，以帮助他们更高效地运营业务在新一代劳动力对尊重和价值实现的要求下，人力资源管理者需要使用与员工相关的推荐引擎以提供个性化的服务传统商业模式的雇员制逐步向“零工经济”发展，独立员工不断增加数字化工具，如远程工作软件、可穿戴设备、传感器带来持续不断的“数据大爆炸”，扩大了数据的规模人力资源大数据的来源人力资源管理信息系统———用友、Oracle、Workday、SAP、金蝶等网络职业招聘平台—————智联招聘、领英、猎聘、企业门户网站等社交网络—————————微博、微信、QQ等在线劳动力外包市场————猪八戒网、阿里众包、UpWork、Mturk等在线知识社区、搜索引擎——知乎、果壳、谷歌、雅虎、百度等人力资源大数据的积累方式扩大数据规模尽最大可能加强顶层设计，整合现有的各类信息平台，尽最大可能减少手工录入和人为干预；继续拓展获得内、外部数据的来源和渠道，；充分利用互联网技术，逐步将非结构化数据纳入采集范围，逐步探索运用混杂数据、文本信息进行深度挖掘。提高数据质量构建统一的数据标准和接入口径，并将其运用到各类平台系统设计开发阶段；运用信息化手段进行数据校验，避免数据碎片化，提升数据的真实性、完整性和及时性；把数据维护和清洗当成一项长期工作，与系统运维和安全监控一同列入日常工作要目；建立数据质量维护的长效机制和责任机制，确保数据的真实性、完整性和一致性。启用派生数据进一步明确统计范围和计算逻辑，着力加强派生数据的标准化建设；做好数据存储，减少数据冗余，提升工作效率，便于数据的调取和再利用。人力资源大数据分析定义利用信息技术对人力资源流程、人力资本、组织绩效和外部经济基准相关数据进行描述性、可视化和统计分析、从而建立业务影响并实现数据驱动的决策。人力资源的数据是否属于大数据人力资源数据符合大数据的特征多样性、低密度、高速流转、真实性运用大数据的思维方法和技术成为必要数据的变化带来了分析方法的变化，使其从传统的自上而下转变为自下而上的研究范式，改变了传统的统计分析模式，融入了大数据分析与挖掘和机器学习技术。人力资源成熟度评价人力资源成熟度：从实践来看，组织人力资源分析能力的构建是一个逐步进化的过程。随着人力资源分析成熟度的提高，人力资源分析将会从简单指标和状况描述分析，转变为对人力资源的深度分析和预测，这一转变过程即为人力资源成熟度不断提升的过程。人力资源分析成熟度模型人力资源分析成熟度层次表层级描述层级1运营报告反映业务需求的数据孤立且难以分析层级2发展报告为基准和决策提供操作报告多运用多维分析和数字仪表盘层级3高级数据分析细分、统计分析、开发“人员模型”，分析维度以理解原因和交付可行的解决方案层级4预测性分析预测模型的开发、情景规划、风险分析和规避、与战略规划的整合人力资源成熟度的测量人力资源分析成熟度量表序号题项1在组织中，人力资源负责数据驱动的趋势分析和数据基准测试。2在组织中，人力资源为经理和／或高管提供相关指标的仪表板。3在组织中，人力资源可以分析不同员工群体的人员流失率。例如，高潜力员工和低潜力员工。4在组织中，人力资源决策是基于数据分析的。5在组织中，人力资源部门会根据不同系统的综合数据进行分析，比如绩效管理、薪酬和招聘。6在组织中有一位敬业的人力资源专业人员（CHO）。7在组织中，人力资源部门根据数据分析提供可行的解决方案。8在组织中，人力资源部门不断开发预测模型来支持战略决策。9在组织中，人力资源部门根据使用预测模型创建的场景，进行战略性的劳动力规划。人力资源成熟度的测量人力资源分析成熟度层级表总分层级0～5分1级6～11分2级12～18分3级19分及以上4级按照“非常不同意：0分”“不同意：1分”“同意：2分”“非常同意：3分”的标准对9个问题分别计分，计算出9个问题的得分总和，即可对组织的人力资源分析成熟度进行评级（级别越高越成熟）。人力资源大数据分析五步法五步：业务需求分析、数据采集与储存、数据预处理、数据分析与挖掘、报告撰写人力资源大数据分析五步法业务需求：根据业务场景信息，发现问题，并清晰定义问题。数据采集与储存：采用合适的方法与工具收集相应的数据，以供分析问题使用。数据预处理：将采集的数据转换成统一的格式，以便进行分析与挖掘。数据分析与挖掘：大数据分析中最关键的一步，需要围绕提出的问题和假设进行全面的分析。报告撰写：为更好的解决问题，人力资源大数据分析的结论一般需要通过撰写专题报告进行总结。人力资源大数据分析应用场景第三节劳动力分析劳动力分析包括：信息服务：通过整合原有系统，或建立新的平台，整合了客户的数据，以确保无缝衔接的数据报告功能数据建模：通过处理客户的数据集合通过处理客户数据集合，评估理想模式，优化各种人力资源工作流程调查分析：帮助设计理想的调查机制和评估结果，提供建议计划和预测：帮助建立预测模型更好的规划和提高生产力数字化人才规划技术是智能组织建立和发展的第一步，也是至关重要的一步。其关键点就在于劳动分析。任职资格鉴定有别于过去的主观评价，利用大数据分析模型可以改进主观判断的一些缺陷，从大型的人力资源数据库中找到隐藏信息，帮助决策人员找到数据间潜在的联系，从而有效地确定任职资格，以精确地筛选出合适的人才来匹配合适的岗位以及培训员工、提高员工绩效提供依据。简历搜索大数据可以集成国内数十个主流招聘渠道，一站式管理职位和简历，并且对简历进行高精度解析，使不同渠道的简历统一格式，同时还可以进行简历预筛选、黑名单过滤、去重、打标签、自动打分等，帮助招聘人员自动筛选和甄别人员，节省时间。大数据技术还可以快速整理企业人才库，使得简历资源利用率成倍提高，简历智能去重功能可以帮助企业大幅节省猎头费，降低招聘成本，从而在简历筛选环节实现充分的智能化。人才测评大数据技术帮助企业的人才测评模型构建不再基于随机样本，而是越来越面向全体数据，使得人才测评更加智能化。从静态模型向动态模型转变，增加了人才测评的个性化。还帮助企业人才测评与职业信息的联系更加紧密，完成职业信息的匹配、岗位需求的匹配与企业环境的匹配。招聘复盘大数据可以使企业更方便进行招聘流程的复盘和招聘数据的分析。这些工具和系统可以精确记录每个招聘节点的关键数据，上百个招聘相关字段，可以多维度帮助招聘人员分析招聘情况，并且还有多种可供选择的自定义报表、自定义图表样式，帮助招聘人员快速分析和可视化招聘结果，从而复盘招聘过程，了解此次招聘过程中的不足和问题，从而为下一次招聘提供指导。本章小结本章主要介绍了以下内容：1．大数据的5V特征。2．人力资源分析的定义。3．人力资源大数据分析五部法。4.人力资源大数据分析的应用场景。本章结束人力资源大数据分析概述第二章大数据分析——相关技术学习目标：1．了解大数据平台的基本技术架构2. 了解大数据分析常用的采集、存储、预处理、分析与挖掘、报告展示应用的工具和方法3. 了解大数据分析常用的语言如Python、R等的应用Technique引例大数据技术的不断发展将带来哪些变化?本章提纲大数据分析平台架构大数据常用技术0102大数据分析平台第一节大数据采集大数据采集是指利用多个数据库或存储系统来接收通过各种渠道如网络、管理系统、传感器等获得的结构化、半结构化及非结构化的海量数据的过程，是大数据分析平台的基础。四种不同来源的大数据采集方法数据库采集企业通过在采集端部署大量数据库，并在之间进行负载均衡和分片，完成大数据收集工作。系统日志采集收集公司业务平台日常产生的大量日志数据，供离线和在线的大数据分析系统使用。网络数据采集通过网络爬虫或网站公开API等方式从网站上获取数据信息的过程。感知设备数据采集通过传感器、摄像头和其他智能终端自动采集信号、图或录像来获取数据。大数据存储与管理大数据存储与管理指用存储器把采集到的数据存储起来，建立相应的数据库，并进行管理和调用。主要解决大数据的可存储、可表示、可处理、可靠性及有效传输等几个关键问题。大数据存储与管理的技术路线分类：结构化数据：这类大数据，通常采用新型数据库集群，这类集群具有高性能和高扩展性特点，在企业分析类领域已获得广泛应用。半结构化和非结构化数据：应对这类场景，基于Hadoop开源体系的系统平台更为擅长。它们通过对Hadoop生态体系的技术扩展和封装，实现对半结构化和非结构化数据的存储和管理。结构化和非结构化混合的大数据：该场景需要采用并行数据库集群与Hadoop集群的混合来实现对PB量级、EB量级数据的存储和管理。数据预处理数据集成数据清洗数据转换数据规约数据预处理最重要的工作数据预处理是指在主要的处理以前，对数据进行的一些处理。数据分析人员从原始数据中对一些相关数据集的数据进行一些排序，在规定的时间间隔内进行数据结果归集，执行机器学习算法，分析预测等。大数据建模与挖掘大数据建模与挖掘是实现对数据的深加工的过程，通常是根据业务需要，建立适用于业务的数据统计分析模型，运用数据分析、数据挖掘、深度学习等算法从生产数据集中挖掘出数据内在的价值，为业务系统提供数据和决策支持。数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的但又有潜在价值的信息和知识的过程。数据挖掘涉及的技术方法很多，有多种分类法。驾驶舱驾驶舱是一个核心指标汇总系统，将核心指标进行可视化展示，帮助决策层通过一个界面直接了解整个企业的运营情况，也可以深入各个细分业务中了解详细数据。看板（Dashboard）的主要使用对象为一般的管理人员和运营人员。一般来说，看板也可以自由地深入细化、联动，从而帮助业务人员更好地进行分析。企业进行大数据分析还会将核心指标展示在移动端设备上，如手机、平板计算机等，这需要考虑不同移动端设备的适配性。大数据展现与应用看板移动端Hadoop简介Hadoop是一个由Apache基金会所开发的分布式系统基础架构。用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力进行高速运算和存储。Hadoop是由雅虎的工程师道格·卡廷（DougCutting）和迈克·卡法雷拉（MikeCafarella）在2005年合作开发的。后来，Hadoop被贡献给了Apache软件基金会，成为开源项目。Hadoop的开源特性使其成为分布式计算系统的事实上的国际标准。国外的雅虎、脸谱、亚马逊以及国内的百度、阿里巴巴等众多互联网公司都以Hadoop为基础搭建自己的分布式计算系统。Hadoop简介HDFS是一个高度容错性的系统，适合部署在廉价的机器上，能够提供高吞吐量的数据访问，适用于那些有着超大数据集的应用程序。HDFSMapReduceMapReduce是一套可以从海量的数据中提取数据最后返回结果集的编程模型。在生产实践应用中，Hadoop非常适合应用于大数据存储和大数据的分析应用，适合服务于几千台到几万台的服务器集群运行，支持PB级别的存储容量。Hadoop大数据分析平台大数据常用技术第二节大数据采集工具大数据采集位于大数据分析流程的重要一环，它通过传感器、社交网络、移动互联网等方式获得各种类型的结构化、半结构化及非结构化的数据。大数据采集工具八爪鱼是一款免费的、简单直观的网页爬虫工具，无须编程即可从许多网站抓取数据。它不仅适用于初学者，也适用于经验丰富的技术人员或企业高管。大数据采集工具后羿采集器是由前谷歌搜索技术团队基于人工智能技术研发的新一代网页采集软件。后羿采集器不仅能够进行数据的自动化采集，而且在采集过程中还可以对数据进行清洗。在数据源头即可实现多种内容的过滤。

能够存储大规模数据，支持过万的节点，数据量可以达到PB级，文件数量可以达到百万以上。运行在廉价机器集群上，HDFS对硬件要求低，配置集群只需要普通的硬件就可以、不必专门购买昂贵的机器。流式访问数据，HDFS采用一次写入多次读取的模式，保证了数据的一致性。

高容错性，数据在HDFS中保存了多个副本，当一个节点出现故障时会使用其他节点上的副本，并且可以配置其他节点代替故障节点。HDFS的优点大数据存储与管理技术大数据预处理工具Kettle是一款开源的ETL工具，完全用Java编写，可以在Windows、Linux、Unix上运行，数据抽取高效稳定。Kettle可跨平台使用，扩展性较好。Kettle中文名称叫水壶，该项目的主程序员马特（Matt）希望把各种数据放到一个“壶”里，然后以一种指定的格式流出。Kettle家族目前包括4个产品：Spoon、Pan、Chef、Kitchen。大数据预处理工具Informatica是全球领先的数据管理软件提供商。在数据集成工具、数据质量工具、元数据管理解决方案、主数据管理解决方案、企业级集成平台即服务（EiPaaS）等方面处于市场领导地位。InformaticaEnterpriseDataIntegration包括InformaticaPowerCenter和InformaticaPowerExchange两大产品，凭借其高性能、可充分扩展的平台，可以解决几乎所有数据集成项目和企业集成方案。大数据预处理工具Datastage是IBM公司的商业软件，是最专业的ETL工具，但同时价格不菲，适合大规模的ETL应用。它为整个ETL过程提供了一个图形化的开发环境，是一套专门对多种操作数据源的数据抽取、转换和维护过程进行简化和自动化，并将其输入数据集或数据仓库的集成工具。它的功能包括：从范围最广的企业和外部数据源集成数据；合并数据验证规则；使用可伸缩的并行处理来处理并转换大量数据；处理非常复杂的转换；管理多个集成过程；可直接连接到作为源或目标的企业应用程序；利用元数据进行分析和维护；以批处理、实时或WebService方式操作。大数据挖掘工具

Raidminer是一个数据科学软件平台，为数据准备、机器学习、深度学习、文本挖掘和预测分析提供一种集成环境。是领先的数据挖掘开源系统之一。该程序完全用Java编程语言编写。

OracleDataMining它是甲骨文高级分析数据库的代表。市场领先的公司可用它最大限度地发掘数据的潜力，做出准确的预测。

IBMSPSSModeler适合大规模的大数据分析与挖掘项目。有助于生成数据挖掘算法，基本上不需要编程。在商业智能界，KNIME

号称有助于为毫无经验的用户提供预测智能的平台。它包含的数据驱动的创新系统有助于发掘数据潜力。新道数据挖掘平台利用Python语言编写，通过参数、指标的拖拽选择等实现数据挖掘分析，适用于商科大数据教学使用。大数据可视化工具

Excel作为入门级的工具，是最基础也是最主要的数据分析工具。Excel具备多种强大功能，比如创建表单、数据透视表、VBA等。

SPSS是IBM公司的一系列用于统计学分析运算、数据挖掘、预测分析和决策支持任务的软件产品及相关服务的总称。

SAS是全球最大的软件公司之一，是全球商业智能和分析软件与服务领袖。SAS由于其功能强大而且可以编程，很受高级用户的欢迎。

Tableau

是一个交互式数据可视化工具。Tableau的简便性可以帮助新手降低使用难度。

PowerBI的核心是一个提供多种交互选项的在线服务，提供了多个连接第三方软件和服务的数据网点。

用友分析云致力于通过云服务模式向用户提供灵活、多端浏览适配能力等有效支撑了用户各类数据应用需求的实现。丰富的库：可以帮之用户处理各种工作简单：是一种代表简单主义思想的语言解释性：所写程序不需要编译成二进制代码可移植性：由于开源本质，已经被移植在许多平台上面向对象：是一种强大又简单地方式实现面向对象编程免费、开源：用户可以自由地发布软件地拷贝、阅读源代码等可扩展性：可以将部分程序用其他语言编写，在该程序中使用通用工具Python通用工具R可编程语言：语法通俗易懂，容易学习和掌握软件自由：完全免费，开源，可下载任何有关的安装程序程序包：常用的、基本的程序已经被收入了标准的安装文件中互动性强：可以随时再现、修改之前的命令以满足用户的需要邮件资讯丰富：围绕R形成了全世界最大、最前沿的统计学家思维的聚集地本章小结本章主要介绍了以下内容：1．大数据分析平台架构和技术的介绍与应用。2．大数据采集的专用工具。本章结束大数据分析相关技术第三章人力资源大数据分析——挑战与展望学习目标：1．了解人力资源大数据分析的未来发展趋势2．了解组织网络分析的概念3．了解人力资源大数据分析发展所面临的挑战4．了解应对未来挑战的策略ChallengesandProspects引例人力资源管理面对新技术的发展会面临哪些机遇与挑战?0102人力资源大数据分析未来发展趋势人力资源大数据分析面临的挑战及应对策略本章提纲人力资源大数据分析未来发展趋势第一节人力资源大数据分析未来发展趋势通过总结梳理国内外有关人力资源大数据分析的理论与实践，未来人力资源大数据分析有如下六大基本趋势：人力资源大数据分析的战略性日益凸显，逐渐成为人力资源决策的重要手段人力资源大数据分析将会进一步改善员工的体验数据来源更加丰富，分析技术方法飞速发展基于数据驱动的人力资源管理职能创新人工智能和机器学习进一步提升人力资源大数据分析能力组织网络分析的重要性不断提高越来越多的企业正在转变人力资源管理模式：将信息网络技术真正引入人力资源管理实践之中重视构建专业的人力资源数据信息库和人力资源管理平台充分利用不同形式的人工智能来增强人力资源大数据分析的能力并提出更多的有助于人力资源管理发展完善的政策与措施突破传统人工管理模式的局限性，切实提高人力资源管理工作效率以信息化人力资源管理模式推动人力资源管理工作真正实现与大数据时代发展同步，促进人力资源管理工作质量得到全方位改善战略性日益凸显，逐渐成为人力资源决策的重要手段改善员工体验利用数据驱动的以客户为中心的工具、技术和思维方式来改善员工体验基于员工发展视角，更多地关注员工体验，将员工体验视为人力资源管理的核心任务之一以员工的视角进行的人力资源大数据分析，可以更有效地改善员工的体验未来将会有更多的组织将员工体验融入组织的人力资源大数据分析之中来有效地改善员工的行为许多厂商或者技术服务商已经开始利用人力资源大数据分析为员工提供类似的服务人力资源大数据分析将会进一步改善员工的体验组织通过人力资源大数据分析可以更好地改善员工体验，而不是仅仅聚焦于企业或者组织的成本效益的分析。数据来源更加丰富，分析技术方法飞速发展大数据之本是拥有大量的数据作为分析基础，只有通过不断拓宽人力资源管理系统的数据来源，加强数据库建设，才可以提升人力资源信息采集能力，有效增加数据“厚”度，进而提升研究成果的客观性、准确性和针对性。人力资源大数据分析现有的数据来源并不限于外部社交媒体和传统协作平台，更多组织也开始分析电子邮件元数据以洞察生产力协作关系。随着科技的发展，可穿戴技术和传感器也将越来越多地被用于支持人的分析研究。与此同时人力资源大数据分析的运用一定会泛互联网化，即人力资源管理系统将具有广泛的数据接口。数据来源更加丰富，分析技术方法飞速发展随着可用来进行人力资源大数据分析的数据来源不断增多，可用于分析的技术和工具也在不断发展。目前人力资源大数据分析人员使用的大部分数据都是结构化的，但是新的数据来源提供的大部分数据都是非结构化的。幸运的是，技术已经发展到可以更容易地分析非结构化数据及其提供的大量信息。这意味着人力资源大数据分析人员需要不断磨炼和增强他们的技能，同时他们也能够利用新技术来实现更快、更好的数据集成、分析和可视化。基于数据驱动的人力资源管理职能创新在开展人力资源管理工作之前，应当做好相应的规划。人力资源管理不能故步自封，要引进大数据分析等新的互联网信息理念，与时俱进开展变革，建立更加完善的人力资源管理模式，制定更有前瞻性的、科学的人力资源发展布局。组织要通过人力资源大数据分析充分发挥大数据分析技术的优势，采集组织员工的工作数据，建立内部员工数据库，以便更加清晰地了解员工的工作情况，更好地与员工进行沟通同时还要在组织内部普及数据分析的概念，使所有员工都能理解并参与其中，形成一个完备的人力资源规划方案，保障人力资源管理日常工作的顺利进行1．更科学的人力资源规划在大数据背景下，管理人员可以着眼于企业自身发展的实际，对人才需求进行分析，并借助于大数据技术，对人才招聘工作进行必要的预测，使得人力资源招聘工作更加准确，更加贴合企业需求。在招聘过程中，招聘人员可以通过挖掘数据资源，了解应聘者的生活状态、学习工作情况、财务状况等各方面信息，从而可以了解应聘者的性格、特点、兴趣爱好及价值观，对应聘者进行深入了解和分析，为成功招聘打下基础。此外，招聘人员可以通过大数据，分析应聘者与招聘岗位的匹配程度，避免人岗不匹配，从而提高招聘的客观性和准确性。以量化的数据为企业选拔人才，将极大地提高企业人才选拔的效率和精确度。基于数据驱动的人力资源管理职能创新2．提高招聘效率和精确性基于数据驱动的人力资源管理职能创新3．为员工培训带来创新与改革人力资源大数据分析让员工培训管理工作有了明显的创新和改革。人力资源管理者可以充分利用数据资源，了解每个员工的特点，因材施教，找出最适合个体的培训方式和内容，制定出特有的培训计划，这样可以大大提高培训效率。同时员工的积极性也被调动起来，可以实现培训内容与员工需求的匹配。随着大数据时代的到来，越来越多的企业认识到员工培训的重要性并积极开展培训活动。大量的培训机构和培训软件应运而生，企业可以根据自身的特点，选择购买、定制这些软件。这些软件不仅提供了大量的培训内容和信息，也能够对受训者的学习过程进行记录、分析和考核，并将这些数据归入员工个人培训档案，便于随时追踪查阅员工学习成长情况。基于数据驱动的人力资源管理职能创新4．实时绩效分析将成为趋势越来越多的管理者抛弃了传统的年度绩效管理方式，转向了一种持续性的绩效管理方式。管理者可以充分利用实时的绩效数据来确定员工绩效的影响因素，进行及时有效的沟通反馈，从而保证绩效改进的可持续。这就促使绩效及其相关的数据更为丰富，更具连续性和全面性，充分体现数据驱动绩效管理的特性。基于数据驱动的人力资源管理职能创新4．实时绩效分析将成为趋势人力资源大数据分析技术与方法在绩效领域的分析和应用，可以有效地促进持续性绩效管理的发展，这对未来的组织将会是一场深刻的变革。现在许多人力资源管理系统服务厂商也密切关注到了这一基本的趋势，在众多的系统包括云服务模式中均提出了将持续性绩效管理与实时绩效数据和组织日常运营有效整合。通过对多种数据来源的整合，采用更为科学的分析技术与方法来分析绩效的实时变化及其影响因素，从而使得对绩效的改善更为精准，提出的措施更具有针对性，而且可以有效地提醒管理者密切关注改善员工绩效的重要影响因素。这将有力地推动企业绩效管理方式方法的变革，从而更好地改善和提升组织的绩效水平。基于数据驱动的人力资源管理职能创新在大数据的帮助下，人力资源管理者可以对员工每天的工作内容及完成情况进行记录，并运用大数据技术进行分析，自动计算出员工的薪酬，提高薪酬管理的效率和准确性。管理者可以对企业的历史数据进行纵向对比分析，也可以横向与其他同行企业进行对照参考，随时调整薪酬结构，使薪酬对内具有激励性、对外具有竞争性。5．推动薪酬管理不断完善6．提供人才测评的科学智慧基于数据驱动的人力资源管理职能创新目前，多数人才测评主要采取了专家评估、综合考评等方式进行，具有较强的主观性。大数据技术对人才测评中的一些问题，包括人才绩效考核、人才选拔及分类进行研究，改进了测评方法，为人才测评提供了新的手段和方法参考。而胜任力代表着特定岗位中绩效优秀员工的素质特征。若能够通过建立庞大的组织和员工数据库，利用现代信息技术，精确计算出绩效优秀员工胜任力特征，将可能彻底改变传统胜任力模型构建模式，使得岗位胜任力特征成为选人和用人的标准。今后，人力资源管理系统将能够通过人力资源大数据分析不断丰富人才测评和胜任力分析工具，充分发挥出员工和人力资源部门的智慧。人工智能和机器学习进一步提升人力资源大数据分析能力可以预见的是，由于人工智能和机器学习等各种革命性技术正在以惊人的速度发展，越来越多的组织采用基于算法的人工智能来分析大量数据，并通过高级自动化来加速业务流程，极大地减轻人力资源大数据分析人员所需要的时间、资源与能力负担。认知计算技术的发展将会进一步激发企业人力资源流程重组和再造。认知计算技术是数据分析、机器学习和基础架构的强大组合。它在人力资源大数据分析中的应用有望重塑组织的人力资源运作方式。通过认知计算技术提供的建议及复杂的洞察结论，可以促使人力资源经理做出更为明智的决策。该技术的应用不仅限于报告和分析，还包括与员工进行更深入的对话，让管理层更深层次地了解员工。组织网络分析的重要性不断提高组织网络分析（OrganizationalNetworkAnalysis，ONA）是研究组织中正式关系和非正式关系以及信息流的方法，可将沟通、信息和决策在组织中的流动方式予以可视化。其发展历史并不算短，但是目前组织的领导者才刚开始意识到ONA蕴藏的潜力。ONA使人力资源和组织管理者能够分析公司内部的沟通、信息和决策流程，获得有意义的见解，从而有助于战略决策。因此，ONA的应用是无止境的，可为解决棘手的业务提供更为确定的解决方案。研究发现，90%的公司正在探索数据驱动的组织重新设计，以打破功能孤岛，更好地推动创新、提高效率和改善绩效。这预示着ONA将会受到越来越多的重视。人力资源大数据分析面临的挑战及应对策略第二节缺乏相应的系统理论研究指导过去的人力资源管理理论已经不能完全解释人力资源大数据分析在人力资源管理中的应用，当前很多全新的人力资源管理实践本质上是在理论真空中运行。因此，开展研究构建适应于人力资源大数据分析的新的理论非常有必要。同时，人的特征以及人与人之间的交往活动具有很高的复杂性。这些复杂的特征和活动究竟在多大程度上可以借助数据来表示，人们对于这一问题尚没有一致的回答。在心理学的研究中，尽管学者们开发出了测量人的能力、人格、情感等不同特征的工具，并将这些工具部分地应用到了人力资源管理实践中，然而，这些工具获得的数据，在借助大数据分析方法的加工转化之后，又能够在多大程度上反映出组织人员的现实情况，并为人力资源管理提供科学的指导，这也是一个有待进一步探索的议题。缺乏相应的系统理论研究指导大数据背景下，国家应意识到人力资源大数据分析的重要作用，加强学科理论研究的专业性和权威性，促进学科理论发展。各高校应加强人力资源管理专业与大数据分析专业的沟通，根据数字化时代的特征，提高对人力资源大数据分析的重视，有组织、有计划、有系统地开展相关研究。以解决企业在人力资源大数据分析实践中所遇到的问题为核心，不断推进人力资源大数据分析的前沿研究，建立理论研究阵地，开展理论探讨。同时，人力资源服务企业和普通企业在数字化人力资源系统建设和日常实践中也应不断向高校研究专家反馈，积极配合理论研究，共同扩大人力资源大数据分析理论研究的广度和深度。数据治理问题数据安全和隐私问题在人力资源大数据分析中是一个不可回避而又富有争议的话题，如何通过有效的数据治理来确保员工数据安全和保护员工数据隐私是企业在人力数字化转型时所不能忽视的一方面。绝大部分企业缺少处理数据共享和数据保密间平衡关系的相关经验，在捕捉数据、共享数据和识别数据时可能会导致员工疏远、泄露公司机密和泄露员工数据信息、侵犯员工数据安全。数据治理问题在当今的大数据时代，世界各国都加强了对个人隐私权的保护，尤其是在防止个人信息的滥用等方面，都提出了非常强有力的法律措施与规范。同时企业数据治理只做到遵守法律法规是远远不够的，因为人力资源大数据分析的主要对象是人，很多时候不仅面临着法律规范的问题，同时还有一个道德上的问题。这就意味着许多行为虽然从法律和技术上是可行的，但是从实际的道德来看其实并不合理。数据治理问题在未来的人力资源大数据分析中，企业应当把员工的信任摆在首要和中心的位置，加强对人力资源管理信息系统建设的重视，提升系统数据质量，对信息系统中各项业务工作做好分工，明确各项工作职责，确保相关责任落实到具体人员。在数据采集的过程中，采集的数据通常涉及员工的性别、年龄、学历、职位、薪酬等个人隐私信息，为确保这些个人隐私信息不被泄露或用于不正当的用途，企业在建设人力资源管理信息系统的过程中必须谨慎设置查看、分析以及利用这些数据的权限，以最大限度地保障员工的基本权益不受侵害，并确保人力资源大数据分析结果能够被用于人力资源管理的工作中。在数据运用时，要对员工的信息做好维护工作，按照谁办理、谁负责的原则，根据各岗位的职责分工进行及时合理的业务操作，既要保证系统内数据真实完整，也要保障员工数据的安全。对复合型人才的需求增加对从事人力资源管理的人员来说，大数据时代的影响是双面的。虽然“数据化”会使一些工作变得轻松，判断更加准确，但是，对人力资源管理从业人员的挑战也随之而来。大数据时代下的从业人员除传统的人力资源管理专业知识外，还需掌握许多与大数据相关的知识和能力。尽管目前高校每年都为社会提供了大量的数据分析和人力资源管理方面的专业人才，但精通这两个方面的人才却少之又少。大数据技术若要真正应用于人力资源管理工作中，离不开掌握数据分析能力和具备业务知识的复合型人才。这些人才不但要精通人力资源管理的专业知识，还应掌握计算机和数据分析的相关知识，熟悉企业的经营发展规律和所在行业的发展状态。对复合型人才的需求增加高校企业个人以人才储备、职业规划和引导为出发点，设置提升学生基础理论与专业技能的课程体系重视对具有大数据时代特征的课程的引人，在各个教学模块中，引入使用数据挖掘工具进行工作实践的具体课程内容，提升学生对大数据技术的掌握与应用能力组织员工参与大数据等新技术理念的讲座，将各种新技术和理念融入人力资源管理的思维中，引导员工发散思维，从而改进企业的人力资源管理模式定期开展职业能力培训，组织人力资源管理人员参与其中，提升人力资源管理团队的专业能力和业务水平，保持团队的发展活力积极提高个人素质，培养自身人力资源大数据分析、社交媒体运用、企业文化架构和战略管理等方面的能力人力资源大数据分析投入与产出的问题信息技术的发展，使大数据为人力资源管理服务成为可能。如果企业想借助大数据进行数据分析，也要支付高昂的费用，而这笔费用并不是一个小数字。要应用大数据，企业必须在软件、硬件上面有很大的投入。无论是技术过硬的数据分析系统，还是价值昂贵的高配置硬件设备，都不是一般企业可以负担得起的。提供云计算信息服务的公司或供应商，在研发软件前期要收集大量的数据并制作数据库，这些成本投入是难以估计的，对于一般规模企业来说难以负担。因此企业在进行人力数字化转型时，如何根据自身情况在自建数据系统和服务外包两者之间做出选择，决定着人力资源大数据分析能否顺利开展和企业能否长远发展。人力资源大数据分析投入与产出的问题如何确保企业高层愿意进行数据分析系统建设的投入也是实行人力资源大数据分析所要面临的挑战之一。企业在实现人力数字化转型时，首先要评判自身人力资源系统与大数据能否有机结合，权衡利弊，不能盲目运用大数据而得不偿失，失去企业竞争力。对于希望借助大数据进行人力资源管理的企业来说，不仅要确保公司高层深刻意识到人力资源大数据分析的战略地位和重要作用，还需要在数据获取的来源、内容、成本等方面进行认真的考量。人力资源大数据分析投入与产出的问题获取数据有两种方式：企业自主进行数据采集，成本较高，但能够比较完整而针对性地获取相关数据，数据获取后的安全性也比较高；借助数据提供商或者专业服务商的支持来完成数据采集，但往往只能获得一些标准化的数据，很难实现个性化定制，且人力资源的相关数据也存在着泄露的风险。在存在市场竞争的情况下，外部的专业服务商往往能够提供更为经济的数据获取方式。同时学术界需要从大数据人力资源管理的共同基础和适应于特定行业的特殊需求出发，以模块化和可定制相结合为目标，努力开发出类似于目前ERP系统的成熟的大数据人力资源管理技术解决方案，以减少企业在人力数字化转型的财务风险。人工智能的威胁随着人工智能技术的实际运用，未来人力资源部门的许多工作都将被人工智能所取代，这就会使人力资源管理相关制度发生变革。在人工智能技术的应用下，企业人力资源管理的模式将从“重复性工作”转变为“判断性工作”。人工智能可以从大数据的角度对相关人员的过往经历、知识水平、工作经验等多方面内容进行综合分析，实现人岗精确匹配。人工智能可以根据不同的环境，更加理性地制定相应的绩效考核和员工激励方案。在人工智能的精准计算下，方案的合理性与可行性都将大大提高。企业还可以通过人工智能培养人才，人工智能可以运用大数据分析员工的岗位、晋升途径、兴趣、潜能等数据，为每个人提供个性化培养方案。这些都将给从事人力资源管理的工作者带来不小的竞争压力。人工智能的威胁在人力资源管理中，沟通占据重要位置。只有通过沟通，企业才能制定出符合企业发展的战略。尽管人工智能技术具备诸多优势，但人工智能技术无法全面替代人面对面的交流。正确认识人工智能在企事业单位人力资源管理中的作用，转变人工智能技术的应用观念，明确定位人工智能在企事业单位人力资源管理中的适合位置学会利用人工智能来推进人力资源管理工作发展得更好，取长补短，有效避免以往人力资源管理工作过程中可能出现的问题，完成以往人力资源管理无法完成的判断性工作，实现人工智能同人力资源管理的共同发展与完善除此之外，人力资源管理工作者也应当积极主动地学习新知识和掌握新技能来提升自身竞争力。数据和经验的权衡问题数据和经验的权衡、相关关系和因果关系的权衡是人力资源大数据分析中最重要的两对关系。企业在使用人力资源大数据分析时容易出现两种极端情况。企业运用大数据分析的目的是改进管理方式，提高管理效率。但管理效率的提高是建立在管理方式有效开展的基础之上的。在员工没有普遍接受的前提下，如果企业强制实施基于大数据分析产生的人力资源管理决策，不但不能取得良好的效果，反而会适得其反。数据和经验的权衡问题人力资源大数据分析要求企业从依赖经验直觉转向依赖客观数据，但这绝不是否定经验的重要性。在日常管理活动当中，要努力权衡数据和经验之间的关系，包括：如何利用经验更深入地解读数据中体现出来的模式和相关性，从而产生更准确的分析结论；如何利用数据分析的结论填补经验直觉中的盲区和误区，拓展经验的范围；如何在经验直觉与数据分析结论冲突的时候准确判断哪一个更接近人力资源管理的现实，并做出相应的调查和修正。数据和经验的权衡问题在数字化转型时，企业应当转变现有观念，不管是高层管理者还是基层员工，都应该积极地去了解、认识、接受并使用数据，推动数字化人力资源管理的有效开展。培养“以数据为工具”的企业文化为数字化人力资源管理活动的有效开展创造氛围，要基于数据来证实管理者在战略沟通、促进协作和绩效目标实现等方面的重要性，从而使员工认可管理者的工作，并与其展开良好的合作。同时要将人力资源部门开展工作的理念转变为人事决策基于数据和数据分析而展开，要让数据驱动的人力资源管理变革完美地迎合其“以数据为工具”的企业文化。本章小结本章主要介绍了以下内容：1．人力资源大数据分析未来发展的六大趋势。2．人力资源大数据分析未来发展的六大挑战及应对策略。本章结束人力资源大数据分析展望与挑战第四章人力资源——业务需求分析学习目标：1．了解人力资源大数据分析和组织绩效之间的逻辑关系2．掌握人力资源大数据分析的四大领域3．了解人才画像技术BusinessRequirementsAnalysis0102030405洞察业务需求大数据分析框架基本情况分析运营能力分析人力效率分析06风险预警分析本章提纲洞察业务需求第一节人力资源大数据分析与组织绩效之间的逻辑关系基础资源观的理论认为，一旦明确了竞争优势的来源，就可以确定与人力资源大数据分析相关的内容是如何支持竞争优势的，而许多学者研究表明，人力资源是获取竞争优势的重要来源，所以对人力资源进行大数据分析可以有效增强企业的竞争优势以此增加组织绩效。理清二者之间的逻辑关系需要明白以下三点：人力资源大数据分析需要更好的理解业务人力资源大数据分析对组织绩效的影响非常复杂人力资源大数据分析能力融入组织关键能力，可以为组织创造价值人力资源大数据分析竞争优势组织绩效增强增强收益更好的理解业务人力资源大数据分析项目需要对组织绩效和个人及团队绩效之间的联系有很好的理解。更为重要的是，需要将组织视为一个系统，通过人力资源大数据分析明确在这个系统当中驱动组织绩效的因素以及这些因素影响组织绩效的机制以及途径；需要清晰地界定人力资源如何推动盈利或生产率提高等目标。为了实现这一基本的目标，分析人员需要从明确主要业务目标和经营目标开始，然后确定人力资源大数据分析帮助提高绩效的途径。业务目标是什么团队如何为业务目标做出贡献人力资源大数据分析有什么帮助对组织绩效的影响非常复杂影响组织绩效的人力资源因素十分复杂，并不是常规意义上的线性关系，而是一种曲折多方面影响的总和，如：比如，薪酬会同时影响效率、销售业绩和盈利能力，但影响的方向并不相同。提升薪酬水平会在短期内降低盈利能力，但会提高员工的积极性，促使销售业绩增长，反而足以抵消短期内增加的劳动力成本。人力资源大数据分析主题员工流动人才管理人力资源规划员工参与招聘过程福利计划奖励和薪酬组织绩效产出销售业绩盈利能力客户满意度创新效率黑箱融入组织关键能力人力资源大数据分析部门之问的协调，以便分析人才可以创造价值组织学习的实现必须支持人才分析跨组织的项目人力资源数据处理能力人力资源数据处理能力技术能力学习能力协调能力基础设施能力数据储存能力开展战略分析，明确战略方向科学的人力资源分析做法是在分析前确定一个清晰的分析目标。也就是要明确开展人力资源大数据分析项目的目的，最根本的是分析人力资源对组织绩效产生何种积极的影响。所以在明确人力资源大数据分析目的之前，需要进行有效的战咯分析，以期对分析本身提供更为清晰的目标导向。建立一个因果模型并列出细节确定定义竞争优势的组织优势和劣势使利益相关者充分表达分析需求竞争优势来源战略执行的改善如何更好留住客户如何改进创新如何增加市场份额竞争优势分析帮助组织在可能带来最大投资回报的干预措施中做出选择。此阶段并不需要复杂统计分析，只需要基于对关键利益相关者访谈的定性分析可能就够了。竞争优势分析涉及的关键问题包括：您试图通过分析解决哪些问题？分析结果如何有助于提高战略执行？关键利益相关者认为阻碍战略成功执行的组织障碍是什么？您需要哪些关于人员和流程的新数据或现有数据来诊断战略执行问题？哪些角色和业务流程有助于建立和保持竞争优势？组织能力的弱点在哪些方面使组织容易受到竞年威胁？你的人力资源指标对竞争优势有贡献吗？开展战略分析，明确战略方向确定需要解决的组织层面问题针对个体层面的千预措施（如实施培训计划或改变销售激励措施）需要在更广泛的组织体系背景下加以考虑（启下）。这一步着重分析达成战略目标可能面临的组织问题（承上）。在这里要考虑组织设计问题，例如组织结构、决策权、团队配置、业务流程节点，以及关键业务流程的运行。任何针对个体层面的千预，例如提供更好的培训、采用不同的招聘方法或调整激励措施，如果能与组织面临的结构性问题一致，就更有可能取得成功。确定需要解决的组织层面问题组织分析的关键问题包括：组织设计如何有效地支持建立和维持竞争优势所需的能力？沟通和协作中的障碍主要有哪些？资源分配是否支持战略执行？团队的设计、资源配置和管理是否有效？团队协作和整合是否足以完成业务目标？组织文化在哪些方面提升了组织执行战略的能力，又在哪些方面阻碍了组织战略的发展？个人绩效对团队绩效有何贡献？如何在个人层面和团队层面的指标和绩效之间取得正确的平衡？团队作用发挥中领导者扮演怎样的角色？确定个体层面人力资源问题这是最为经典的人力资源大数据分析的领域。主要是探讨如何帮助解决业务问题的人力资源因素。这可能需要在角色、个人和（或）业务流程层面上进行诊断。虽然在战咯层面和组织层面更多采用定性分析方法，但在人力资源大数据分析时，如果有充分的数据，则可以采用更为高级的定量统计分析方法。不过在实际分析中需要先对战略与组织进行分析，因为这可以让分析人员深入了解单个工作是如何融人战略和组织体系之中的。人力资源大数据分析只有在问题与同一职位上不同人员的生产力或绩效相关时才能发挥作用。确定个体层面人力资源问题个体层面的人力资源关键问题包括：工作的设计是否符合绩效预期？这个职位的报酬够高吗？能通过丰富或扩大职位来提高效率吗？这个职位与组织中其他人的相互依赖程度如何？职位上的人员是否具备相应的能力？在组织内部培养和从外部招聘人员的成本分别是多少？员工是否有动力按照设计要求进行工作和表现？是什么吸引员工并让他们留在公司？大数据分析框架第二节人力资源大数据分析框架人力资源管理的目的是在现有的人力资源情况基础上，通过一系列的组织与运营，实现人力资源的效率日标与人力资源风险预警。因此在此前提下人力资源分析分为三个层次，分别为人力资源基本情况分析、人力资源运营分析和人力资源效率分析与人力资源风险预警分析。人力资源大数据分析框架人力资源效率目标与人力资源风险预警招聘配置劳动关系管理薪酬与福利管理绩效管理培训与开发人力资源数量、质量、结构等基本情况指标人力资源效率分析与人力资源风险预警分析人力资源运营能力分析人力资源基本情况分析基本情况分析第三节人员数量指标指标名称定义收集渠道初期人数报告期最初一天企业实有人数，属时点指标，如月、季年初人数。人力资源部员工信息表期末人数报告期最后一天企业实有人数，属时点指标，如月、季年末人数。人力资源部员工信息表报告期平均人数报告期内平均每天拥有的劳动力人数，属序时平均数指标。人力资源部员工信息表月平均人数＝报告期内每天实有人数之和／报告期月数＝（月初人数＋月末人数）／2季平均人数＝（季内各月平均人数之和）／3年平均人数＝（年内各月平均人数之和）／12＝（年内各季平均人数之和）／4人员流动指标指标名称定义收集渠道流动率企业流动人数（包括流入人数和流出人数）占总人数的比率，是考察企业组织与员工队伍是否稳定的重要指标人力资源部员工信息表流动率＝（报告期内流入人数＋流出人数）／报告期内平均人数×100%净流动率补充人数除以报告期平均人数。补充人数是指为补充离职人员所雇用的人数人力资源部员工信息表净流动率＝（补充人数/报告期平均人数）×100%离职率报告期内离职总人数占报告期平均人数的比率。其中离职人员包括辞职、辞退、合同到期不再续（即终止合同）的所有人员，不包括内退和退休人员人力资源部员工信息表离职率＝离职总人数／报告期平均人数×100%＝（辞退人数＋辞职人数＋合同到期不再续签人数）／报告期平均人数×100%人员流动指标指标名称定义收集渠道非自愿性离职率当企业解雇员工或终止员工工作时，就发生了非自愿性的员工流失人力资源部员工信息表非自愿性离职率＝［（解雇人数＋因死亡或终生残疾而离岗人数＋其他非自愿离职人数）／报告期平均人数］×100%自愿性离职率自愿离开企业的员工人数占报告期平均人数的比率人力资源部员工信息表自愿性离职率＝（自愿性离职的员工人数／报告期平均人数）×100%新进率新进员工占报告期平均人数的比率人力资源部员工信息表新进率＝（新进人数／报告期平均人数）×100%人员流动指标指标名称定义收集渠道知识型员工离职率报告期内知识型员工的离职率人力资源部员工信息表知识型员工离职率＝报告期内知识型员工离职人数／报告期内知识型员工平均人数×100%内部变动率报告期内单位内部岗位调整、在集团内部调动的人数占平均人数的比率人力资源部员工信息表内部变动率＝（单位内部岗位调整＋集团内部调动人数）／报告期平均人数×100%人力资源结构指标指标名称定义收集渠道人员岗位分布人员岗位分布是指按照特定的岗位划分，报告期末企业（部门）各岗位上实有人员的数量以及所占的比重人力资源部员工信息表人员受教育情况分析指标指标名称定义收集渠道人员学历分布按照学历划分，报告期末企业（部门）所有在岗员工的最高学历情況统计，包括各学历层次相应的人数以及相应的比重人力资源部员工信息表平均教育年限报告期末企业（部门）所有在岗员工接受学历教育的年数的平均值人力资源部员工信息表平均教育年限＝每位在岗员工接受学历教育年数之和／在岗员工人数人力资源结构指标指标名称定义收集渠道人员职称分布按照职称体系划分，报告期末企业（部门）各职称等级上实有人员的数量以及所占的比重人力资源部员工信息表人员技术等级分布按照技术等级体系划分，报告期末企业（部门）各技术等级上实有人员的数量以及所占的比重人力资源部员工信息表人员年龄、工龄分析指标指标名称定义收集渠道人员年龄分布按照年龄区间划分，报告期末企业（部门）在岗员工各年龄阶段相应的人数以及比重人力资源部员工信息表平均年龄报告期末企业（部门）所有在岗员工的年龄的平均值人力资源部员工信息表人员工龄分布按照工龄区间划分，报告期末企业（部门）在岗员工在各工龄阶段相应的人数以及比重人力资源部员工信息表人员职称与技术等级分布运营能力分析第四节招聘指标招聘成本评估指标指标名称定义收集渠道招聘总成本组织一次招聘活动所占用的全部成本的总和人力资源部、各招聘单位、财务部招聘总成本＝内部成本＋外部成本＋直接成本人均招聘成本在一次招聘活动中每招聘一位员工所占用的成本人力资源部、各招聘单位、财务部人均招聘成本＝招聘总成本／录用总人数招聘指标录用人员评估指标指标名称定义收集渠道应聘者比率某岗位应聘占计划招聘人数的比率人力资源部应聘者比率＝（应聘人数／计划招聘人数）×100%员工录用率某岗位录用人数占应聘人数的比率人力资源部员工录用率＝（录用人数／计划招聘人数）×100%招聘完成比率某岗位录用人数占招聘人数的比率人力资源部招聘完成比率＝（录用人数／计划招聘人数）×100%招聘指标录用人员评估指标指标名称定义收集渠道员工到位率某岗位实际报到人数占录用通知人数的比率人力资源部员工到位率＝（到岗人数／录用人数）×100%同批雇员留存率同一批次招聘人公司的雇员直至统计时间为止，仍然在职的人数占同批雇员初始人数的比率人力资源部员工信息表同批雇员留存率＝（同批雇员留存人数／同批雇员初始人数）×100%同批雇员损失率同一批次招聘人公司的雇员直至统计时间为止，所有离职人数占同批雇员初始人数的比率人力资源部员工信息表同批雇员损失率＝（同批雇员离职人数／同批雇员初始人数）×100%＝1－同批雇员留存率招聘指标指标名称定义收集渠道招聘渠道分布某单位录用员工通过各渠道进人的数量分布及相应比重。招聘渠道主要有校园招聘、职业中介机构、现场人才招聘会、内部推荐、媒体广告、网上招聘、应聘者直接找上门求职人力资源部以企业为边界划分：内部招聘比率＝（内部招聘人数／录用人数）×100%外部招聘比率＝（外部招聘人数／录用人数）×100%以渠道划分：各渠道招聘比率＝（各渠道招聘人数／录用人数）×100%填补岗位空缺时间填补岗位空缺时间是用来衡量一个组织从某个岗位出现空缺到雇用该岗位候选人的平均天数人力资源部培训指标培训人员数量指标指标名称定义收集渠道培训人次报告期内企业（部门）每次内部培训和外部培训的所有人数累计之和人力资源部培训中心培训人次＝N1＋N2＋……＋Ni，其中-Ni-指参加第-i-次培训的实际人数内部培训人次报告期内企业（部门）每次内部培训的所有人数累计之和人力资源部培训中心内部培训人次＝N1＋N2＋……＋Ni，其中-Ni-指参加第-i-次内部培训的实际人数外部培训人次报告期内企业（部门）每次外部培训的所有人数累计之和人力资源部培训中心外部培训人次＝N1＋N2＋……＋Ni，其中-Ni-指参加第-i-次外部培训的实际人数培训指标培训人员数量指标指标名称定义收集渠道内（外）部培训人次比率报告期内企业（部门）组织员工内（外）部培训占培训人次的比率人力资源部培训中心内（外）部培训人次比率＝内（外）部培训人次／培训人次×100%根据岗位类别计算的受训人员比率此类比率用来衡量各类岗位受训员工人数在整个组织的受训人数当中所占的比率人力资源部培训中心根据岗位类别计算的受训人员比率＝某一岗位类别受训人员的人数／受训员工总人数×100%培训指标培训费用指标指标名称定义收集渠道培训费用总额报告期内企业（部门）为员工培训所花费的费用总额，即内部培训费用和外部培训的费用之和，或者是岗前培训费用、岗位培训费用和脱产培训费用之和人力资源部培训中心培训费用总额＝内部培训费用＋外部培训费用＝岗前培训费用＋岗位培训费用＋脱产培训费用人均培训费用报告期内企业（部门）每位员工平均花费的培训费用人力资源部培训中心人均培训费用＝报告期内培训费用总额／报告期内企业（部门）平均人数岗前培训费用报告期内企业（部门）对上岗前的新员工在企业文化、规章制度、产品知识、基本技能等方面进行培训所发生的费用人力资源部培训中心岗位培训费用报告期内企业（部门）为使员工达到岗位要求以及产品知识更新而对其知识、技能进行培训而发生的费用人力资源部培训中心培训指标培训费用指标指标名称定义收集渠道脱产培训费用报告期内因企业（部门）根据工作的需要，允许员工脱离工作岗位接受短期（一年内）或长期（一年以上）的培训（即为员工提供继续深造机会）而发生的成本人力资源部培训中心培训费用占薪资比报告期内企业（部门）员工培训各项费用之和占该时期内员工工资总额的比率人力资源部培训中心培训费用占薪资比＝报告期内培训费用／报告期内工资总额×100%内（外）部培训费用比率报告期内企业（部门）员工内（外）部培训费用占培训费用总额的比率人力资源部培训中心内（外）部培训费用比率＝内（外）部培训费用／培训费用总额×100%培训指标培训效果指标指标名称定义收集渠道平均培训满意度报告期内企业（部门）员工对此期问内的所有培训的平均满意程度人力资源部培训中心平均培训满意度＝（N1＋N2＋……＋Ni）／n，其中-Ni-指第-i-次培训的平均满意度，n-为报告期内培训次数培训测试通过率报告期内企业（部门）员工参加培训后进行测试的通过率人力资源部培训中心培训测试通过率＝通过测试人数／参加培训人数×100%绩效管理指标指标名称定义收集渠道绩效工资比率报告期内企业（部门）员工获得的绩效工资占工资总额的比率各部门绩效工资比率=（绩效工资／工资总额）*100%员工绩效考核结果分布报告期内企业（部门）员工绩效考核结果按A、B、C进行分类，各类别员工数量所占的比率人力资源部评估中心A类员工比率＝（绩效考核结果为A的员工数／员工总数）×100%B类员工比率＝（绩效考核结果为B的员工数／员工总数）×100%C类员工比率＝（绩效考核结果为C的员工数／员工总数）×100%KPI责任书绩效指标完成系数报告期内企业（部门）KPI责任书绩效指标完成情况变革与业绩管理部薪酬指标外部薪酬指标指标名称定义收集渠道不同行业薪酬水平国内不同行业平均薪酬水平状况咨询公司等本行业薪酬水平本行业平均薪酬水平状况咨询公司等不同地区薪酬水平国内一、二、三线城市薪酬平均水平咨询公司等消费价格指数与居民生活有关的商品及劳务价格统计出来的物价变动指标，通常作为观察通货膨胩水平的重要指标咨询公司等内部薪酬指标指标名称定义收集渠道工资总额报告期内企业（部门）所有员工的应发工资总额人力资源部工资总额＝N1＋N2＋……＋Ni，其中Ni

是报告期该企业某位员工的应发工资人均工资报告期内企业（部门）平均每位员工的工资额人力资源部人均工资＝报告期内工资总额／报告期平均人数知识型员工工资总额报告期内企业（部门）知识型员工的工资总额人力资源部知识型员工工资比重报告期内企业（部门）知识型员工的工资总额占工资总额的比重人力资源部知识型员工工资比重＝只是想员工工资总额／工资总额×100%薪酬指标内部薪酬指标指标名称定义收集渠道工资总额年增长率报告期内企业（部门）工资总额同比上年所增加的比率人力资源部工资总额年增长率＝报告年度工资总额／上年工资总额×100%－1人均工资年增长率报告期内企业（部门）人均工资同上年相比所增加的比率人力资源部人均工资年增长率＝报告年度人均工资／上年人均工资×100%－1保险总额报告期内企业（部门）为其所有员工按法规所缴纳的社会保险的费用总额，主要包括养老保险、失业保险、医疗保险、工伤保险、生育保险和住房公积金人力资源部保险总额＝养老保险＋失业保险＋医疗保险＋工伤保险＋生育保险＋住房公积金＝N1＋N2＋……＋Ni，其中

Ni

指报告期内为某位员工实际缴纳的社会保险金额人均保险报告期内企业（部门）为每位员工平均所缴纳的社会保险金额人力资源部人均保险＝报告期保险总额／报告期平均人数薪酬指标劳动关系指标指标名称定义收集渠道劳动合同签订比例组织所有在岗人员中签订劳动合同的人数占总人数的比重人力资源部劳动合同签订比例＝签订劳动合同人数／报告期平均人数×100%员工投诉比例某组织所有员工投诉的数目占总人数的比重人力资源部员工投诉比例＝员工投诉的数目／报告期平均人数×100%解决争端平均时间在组织内部争端持续存在的平均时间长度人力资源部解决争端平均时间＝解决争端所用总天数／争端总数员工社会保险参保率组织为员工参加社会保险（职工养老、医疗、工伤、失业、生育保险）的比率人力资源部员工社会保险参保率＝参保人数／报告期平均总人数×100%人力效率分析第五节人力资源效率分析常用指标指标名称定义收集渠道全员劳动生产率根据产品价值量计算的平均每一个员工在单位时间内的产品生产量财务部全员劳动生产率＝报告期企业总产值／报告期平均人数人均销售收入根据报告期内的销售收人计算的平均每一个员工的销售收入财务部、人力资源部人均销售收入＝报告期销售收入总额／报告期平均人数人均净利润报告期内的净利润计算的平均每一个员工的净利润财务部、人力资源部人均利润＝报告期净利润总额／报告期平均人数指标名称定义收集渠道万元工资销售收入根据报告期内的销售收人计算的平均每万元工资所能产生的销售收入财务部、人力资源部万元工资销售收入＝报告期销售收入总额／报告期工资总额×10000万元工资净利润根据报告期内的净利润计算的平均每万元工资所能产生的净利润财务部、人力资源部万元工资净利润＝报告期净利润总额／报告期工资总额×10000万元人工成本净利润根据报告期内的净利润计算的投入每万元人工成本所产生的净利润财务部、人力资源部万元人工成本净利润＝报告期净利润总额／报告期人工成本×10000，其中，人工成本＝工资总额＋保险总额人力资源效率分析常用指标风险预警分析第六节组织健康分析麦肯锡将组织健康定义为：组织上下同心追求共同目标、遵循目标执行、持续创新和不断适应市场变动，并具备快于竞争对手的变革能力。具体包括九大要素与三大属性。发展方向清楚传递有力的愿景及未来方向领导力运用适当的领导风格激发组织成员采取行动以达成高绩效文化氛围在公司上下宣传践行一套深入人心的价值观责任制度确保每个人都被赋予足够的工作权限并对结果负责协调与管控一致地衡量并管理业务风险能力发展确保组织具有执行战略与建立竞争优势的组织能力和人才激励机制培养员工的忠诚度和热枕，鼓励员工尽力追求最佳绩效外部导向与重要的外部利益相关方密切高效互动，以更有效地实现价值创新与学习鼓励并采纳源源不断的创意，使组织能不断学习成长九大要素三大属性一致性员工是否就组织的愿景、战略、文化与价值观达成一致？执行力凭借目前的能力和激励水平，员工是否能履行好自身角色？革新能力对于自身情况和外部环境，企业如何理解并进行调整适应？人岗匹配度分析人岗匹配度是指岗位上员工的素质能力与该岗位所需要的素质能力的匹配程度，匹配度越高员工胜任度就越大。以胜任力模型为依据，对任职者的能力做出综合评测将测评结果进行统计提取，得出岗位适配结果，在人员任用、岗位等方面做出决策明确岗位对人的要求，建立岗位胜任力模型123员工敬业度分析员工敬业度概念源自盖洛普公司，主要是衡量员工乐意留在公司和努力为公司服务的程度，更加注重个人对自己职业生涯的规划及目前所从事工作对这个规划的意义，一般认为员工敬业度包含工作中的自我表达和其他员工角色行为。翰威特公司连续几年的员工敬业度调研结果表明，敬业的员工对经营结果确实产生了巨大影响：员工敬业度高的公司人均利润比其他公司高3800美元人均市场价值比其他公司高18600美元人均销售额比其他公司高27000美元员工敬业度分析机会生活质量文化全面薪酬领导关系工作内容员工敬业员工行为人员流动员工推荐产品／服务推荐创造新产品／服务客户服务生产率翰威特公司的员工敬业度模型员工敬业度分析韬睿公司通过对员工敬业度与客户关注、财务成果等方面的关系进行深入研究，发现了员工敬业度对组织绩效有着显著的影响，下图展示了员工敬业度、客户关注和财务成果间直接和间接的影响，其中实线表示直接影响，虚线表示问接影响。可见当员工敬业度上升，可以产生两个重要的结果：即离职意愿的降低和更强的满足客户需求的倾向性。高层的兴趣工作挑战性决策权客户关注职业发展雇主声誉团队协作资源决策输入高层意愿员工敬业度离职意愿客户关注收入增长销售成本销售、一般与行政成本营业毛利韬睿公司对员工敬业度和组织绩效之间的关系研究员工满意度分析员工满意度表示员工在因为感觉到工作本身可以满足或者有助于满足自己的工作价值观需要而产生的一种愉悦的感觉，是员工对工作满意的程度。员工满意度的正式研究起源于1935年，美国学者霍波克在他的《工作满意度》一书中首先提出了员工满意度的概念，他认为员工满意度是员工心理与生理两方面对环境因素的满足感受，即员工对工作情境的主观反应。影响因素工作属性薪酬体系工作目标同事关系工作环境……工作相关因素个性年龄性别经验……员工个人因素分析方法目前测量的方法主要包括结构式问卷法、非结构式问卷法、观察印象方法、指导式和非指导式的面谈法五种。从信度和效度角度比较，问卷法在保障结果的一致性和淮确度方面无疑具有较大优势，因此在实际分析过程中，一般采取问卷法。企业员工满意度分析日前常用的员工满意度问卷有工作满意度指数表、明尼苏达满意度调查表、工作描述指数调查表、工作诊断调查表四