尋夢新聞LINE@每日推播熱門推薦文章，趣聞不漏接❤️
2018.7
人力資源的量化管理、數據分析、人事儀表盤這些工具都是被大家熱議的概念，有的HR苦苦追尋，費勁千辛萬苦做出來的結果、建立起來的工具，最後變得中看不中用。HR們！千萬不要讓量化、數據、儀表盤這些東西綁架了我們的頭腦，分析的邏輯、思維和方法才是最重要的。
01
沒有用的數據分析是在浪費時間
我有一位HR朋友，工作經驗豐富，業務能力很強，忠誠度也很高，主管對他很滿意。於是他被公司一級一級的提拔成了人力資源經理。成了經理以後啊，主管開始要求他做各種各樣的人力資源分析報告，而且一定要數據說話！
但是我這位朋友做出來的分析報告主管卻並不滿意。為了這個問題，我這位朋友向我求助過多次。我問他，你都怎麼做的報告呀？然後很快呢，他就給我發過來一份這樣子的報告：
怎麼樣，看到這里您有什麼感受？有沒有看出問題所在？
有朋友說，是哪里的數字算的不對嗎？我仔細算了算沒有啊？數字都對呀？
有朋友說，問題是文字太多了吧？應該少一些文字，多一些圖形。
這里呢，咱們默認這個報告後面，是有根據文字繪制的大量圖表或者人事儀表盤存在的，大家可以自行腦補。我就不畫這些圖了。
那還有什麼問題？
有朋友說那就沒有了，我平時也都這麼做的報告啊？
確實啊，有許多公司的人力資源分析報告都是這麼做的，難怪許多HR都看不出問題。
這種報告怎麼來的？通常都是老板說你們人力資源部能不能別總把自己當助理啊！要量化管理！要數據分析！於是呢，HR們很無奈。好吧，你說要分析，那我就分析吧。結果就出現了這樣的報告。然後和老板說，你看，現在我們有詳細的量化管理和分析報告了吧？可是當老板看到這種報告後一般都非常不滿意。
這也是當下許多HR面臨的問題，想要做人力資源量化管理和數據分析，但是卻不會。
那麼，這類分析報告的核心問題到底在哪里呢？
在於，沒有用！什麼叫沒有用？
比如，報告開頭說：男性占比64%，女性占比36%，這兩個數字是是公司希望看到的？還是不希望看到的？
比如30歲以下的職工有39%，50歲以上的職工有14%，這兩個比例是好呢？還是不好呢？
比如研究生以上學歷的人有57人，初中以下的人數有828人，這個兩個數字是高還是低呢？
所有的這些數字背後是要說明或者解決一個什麼樣的問題？這些核心的東西反而沒有說出來。
有的只是大量的羅列數字，當然還有的報告，有豐富的表格、柱狀圖、餅狀圖、折線圖等等一大堆圖表，看得人是眼花繚亂。可最後，什麼問題都沒有解決。做得再豐富，也改變不了，這是一本「流水帳」的本質！
這種數據分析是沒有思想和靈魂的！
老板當然不會滿意！因為沒有給他解決任何問題！沒有給他產生任何價值啊！
2
錯誤的數據分析就像是過家家
HR在量化管理和數據分析方面常犯的錯誤，可以歸納為四項：
1.為了量化而量化，結果導致只有數據，沒有分析；
2.為了數據而數據，結果導致有了分析，沒有結論；
3.為了分析而分析，結果導致有了結論，沒有行動；
4.為了報告而報告，結果導致有了行動，沒有評估。
用數據來陳述一個事實沒有任何意義，對數據加工分析之後，發現問題所在，形成行動方案，對行動結果有進一步的分析和評估才是一個完整的有價值的數據分析！
通過這樣的數據分析，我們才有可能為企業——提高效益和效率，降低成本和風險。
另外，HR對數據分析和量化管理的認識還存在許多錯誤。
比如，有的朋友認為數據分析就一定要數字、表格或者圖形「多」才叫數據分析。
有的朋友認為分析的過程越繁瑣、越複雜、越是讓人一眼看不明白，越代表了數據分析的質量高。
有這樣理解的朋友絕對是對數據分析的一種曲解。
在這里我們先講幾點對人力資源量化管理和數據分析的認識。
首先數據其實不僅指的是數字。
數據其實代表的是一種對企業來說有價值、可處理的信息。這里的信息可以是數字，可以是文字，也可以是圖形。
其次，分析也絕不是越「高大上」越好，相反的，許多對企業來說，往往那些有效的分析其實原理並不繁瑣，呈現出來的結果也不複雜。原理和邏輯對了，往往能給人帶來一目了然的效果。
第三呢，數據分析的目的是為了解決問題，而不只是為了作報告。
第四，數據分析的指向應該總是要達到某個目標的。
3
有用的數據分析是為了解決問題而存在
只要能夠.通過對信息的加工處理，做到某個目標，解決某個問題，那就是好的數據分析。
反之，如果不能做到某個目標、解決某類問題，說白了就是沒用，那就不叫好的數據分析，或者乾脆不能稱其為分析！
拿前面的報告舉個例子，男性占比64%，女性占比36%，這兩個數字是是公司希望看到的？還是不希望看到的？
我們引入一個行業和市場情況判斷：
第一個信息是：如果該公司所在的產業是某類精密電子零部件的生產加工，因為有部分的手工操作，非常適合女性工作者；
第二個信息是：行業協會的數據和企業實踐也證明了，女性工作者的勞力效率平均比男性工作者高30%；
第三個信息是：最大的競爭對手企業中女性勞力者占比是60%，而且根據調研數據，競爭對手的勞力效率明顯高於我們企業。
有了這三項信息作為條件之後，這個時候，我們是不是就可以判斷，企業目前的男性占比64%，女性占比36%的結構，應該考慮逐步的調整了。
那麼，應該採取什麼行動方案呢？
有人說我馬上裁員！裁掉男性！馬上大批量招聘女性勞力者！
這種行動方案顯然太過簡單粗暴，而且在短期內，可能會大量增加企業的成本，降低效率。無論是從成本角度，效率角度，還是社會形象的角度，長遠來看，對企業都是不利的。
該怎麼辦呢？
我們可以先了解一下勞力者的自然流失速度，做一個人力結構調整計劃。比如，現在每年操作工的流失率是20%。假如我從年初開始，每年流失的一線操作工全部用女性勞力者來補充。
那麼，理論上大約用2年的時間，就能達到男性勞力者和女性勞力者的占比達到4:6；也就是和我們最大的競爭對手一致。
這個行動方案，看起來就是靠譜的。
在方案實施的過程中呢，我們可以再持續不斷的調整和評估。
當然剛才的分析思路，只是一個非常簡單的演示。其實還有很多問題我們沒有考慮。
比如，我們回到上面的問題，到底4:6的比男女比例，是不是就是效率最高的男女比例呢？
答案是：不一定！
還需要根據企業崗位設置的具體情況，做進一步細分的評估。也就是，判斷每個崗位，更適合男性勞力者，還是更適合女性勞力者。將他們加和之後計算出的比例，才是最優的男女比例。
再比如，經過計算，男性與女性的比例是4:6就是效率最高的男女比例。我們公司的男女比例，現在恰好達到了4:6。那現在是不是就可以說我們公司的男女勞力力的性別比例已經達到了效率最高呢？
答案還是：不一定！
因為有可能，有很多男性勞力者實際上從事著更適合女性勞力者工作的崗位。同樣的，有很多女性勞力者實際上從事著更適合男性勞力者工作的崗位。只不過是，男女比例的數字加總之後，恰好是4:6。
所以我們從大的緯度來看，企業的男女比達到4:6，表面上是，達到了效率最高。但是細分的分析之後，很可能並不是這樣。所以要真正找到問題，數據分析也應細化到相應的維度。
同樣的道理，前面案例中講的，年齡、司齡、學歷這些信息，也可以用同樣的思路和方法來分析找到問題，形成方案、採取行動、持續評估！
按照這種方法進行的數據分析，已經不是簡單的羅列大量數字，做出一大堆好看的圖表或儀表盤，而是真正深入的分析問題和解決問題。
作者：任康磊