章 人力數據分析

谷歌是如何應用數據分析來驅動人力決策的？

從一個案例悟透人力數據如何驅動關鍵決策

HR數據太多，該如何利用纔能有效決策？

數字化轉型到底怎麼做？

9種常見的HR數據分析方法

6種常見的HR數據分析思維

HR如何通過數據分析來提升人效？

第二章 組織發展

為什麼越來越多的領先公司不再把人力資源部門叫作HR？

一文講透組織績效管理

小企業如何做好績效管理？

員工年終績效怎樣核定纔合理？ 

如何有效設計績效管理的KPI ？ 

OKR 的實踐者說 

攻心與審勢 

第三章 薪酬激勵

如何快速簡單地設計調薪矩陣？

再談年終獎金設計

高管薪酬為什麼高得越來越離譜？ 

產品還未面世，銷售獎金該如何設計？ 

空降兵比老員工薪資高引發不滿怎麼辦？

如何評估銷售獎金設計的有效性？

第四章 人纔管理 

如何打造有效的培訓課程？ 

一文看懂谷歌的招聘全流程

提問的力量 

和管理者們的深度交流 

Coursera 是如何與谷歌和臉書爭奪人纔的？

第五章 企業文化 

為什麼越來越多的中國公司開始化和包容性？

奈飛的企業文化之道 

敏捷工作法

經濟強勁時，企業該用哪幾招留住員工？

引領皮克斯動畫實現創新的那些提問

第六章 職場提升 

要不要從大公司跳槽去小公司？ 

如何規劃自己的職業發展之路？

公司要裁員，你該怎麼辦？

成為一個會做咨詢的HR 

中美貿易戰開打對HR 的啟示

百事女CEO 離職時分享的6 堂領導力課 

年底了，怎樣寫一封讓老板笑得合不攏嘴的辭職信？ 

年末的幾點收獲 

自我學習的優質資源之不完全指南

不要小看HR 部門，它們是組織內部少數幾個掌握大量寶貴數據的部門之一。從員工個人基本資料到薪酬、績效、發展潛力，大量的信息都可以在HR 繫統裡找到。

我們該如何像業務部門那樣，把這些寶貴的數據轉變成HR 有效決策的依據呢？從數據分析的角度可以考慮從以下五個方面入手。

趨勢分析

很多數據單個本身看並不重要，但是隻要我們持之以恆地收集這些數據，假以時日，當達到一定數量之後，它們就可能

呈現出某種趨勢來。比如，組織在某個月的離職率可能並不高， 但是假如連續幾個月的離職率都呈現升高趨勢，那就該敲響警鐘了。

做趨勢分析時，對人力決策有意義的指標有很多，包括： 人均產值、人均利潤、新招聘人員質量、人員勝任力差距、主動離職率、績效評估結果以及員工敬業度等。

對標

除了做趨勢分析，把數據與組織外部的類似數據進行對比也是更有效地挖出數據背後含義的一種方法。舉個例子，某公司的離職率為15%，乍一看讓人覺得離職率偏高，但是如果該公司所在行業的平均離職率是20%，你就會覺得這個15% 也是可以接受的結果。

再比如，某互聯網公司在做內部員工薪酬的市場分析時， 與高科技行業市場數據對標後發現自己處於75 分位，按說這是一個非常有競爭力的結果。但是，再和企業所在的移動互聯網細分市場的競爭對手對標後，薪酬水平落到了50 分位以下。顯然，想以這種薪酬水平吸引或留住員工，前景堪憂。

設定目標

任何值得衡量的指標都需要設定目標。什麼樣的目標有效？當然是要有足夠挑戰且有現實意義的目標。舉個例子，組織經常喊出“減員增效”的口號，但是到底減多少人頭纔是正確的？假如業務量要增長20%，這時減員能保證業務的增長率嗎？

合理的做法是，利用歷史數據的變化趨勢以及市場數據的對標來確定目標的基準水平，在此基礎上進一步確定哪些是保底目標（Base）、哪些是正常目標（Reasonable）、哪些是挑戰目標（Stretch）。

設計數據儀表盤

數據太多、指標太多，容易讓人抓不到重點，這時數據儀表盤便能發揮出重要作用。就像開汽車一樣，裡面的零部件成千上萬，每一個環節都很重要，哪一個出了問題汽車都會拋錨。但是，作為駕駛員，這些都是你隨時需要去關注的嗎？ 顯然不是。你隻需要關注面前儀表盤上的幾項關鍵指標就可以了。

有數據意識的HR 往往會設計針對不同受眾的數據儀表盤。比如以招聘工作為例，提供給高級管理層的數據儀表盤可能包括員工整體數量增長和人均產值；提供給中間管理層的則包括崗位空缺比例和關鍵崗位招聘周期；而提供給HR 運營團隊的儀表盤則包括招聘渠道占比、人均招聘費用、候選人拒簽錄用通知書比例等。另外需要注意的是，數據儀表盤必須保持實時更新的狀態。簡單的數據儀表盤用Excel 就可以設計出來。

結合業務結果

數據分析原則之一就是要以業務結果為導向。評估一項人纔發展項目，經理和員工的滿意度打分很高固然可喜，但是我們還應想到這個項目運行後到底對業務產生了什麼樣的影響。真的幫助項目學員所在的業務部門提高了業績嗎？對他們的團隊有什麼影響？敬業度和離職率發生了什麼變化？等等。

實際的業務終結果並不是HR 總能獲取到的。但是，無論如何，我們必須盡的努力去建立假設，然後收集與終實際結果相關的數據，通過趨勢和對標等分析手段來不斷地檢驗我們的假設。