这才是5%顶尖HR的数据分析，你那只是画个图表

积累知识，胜过积蓄金银！毕竟在##column_title##开发的过程中，会遇到各种各样的问题，往往都是一些细节知识点还没有掌握好而导致的，因此基础知识点的积累是很重要的。下面本文《这才是5%顶尖HR的数据分析，你那只是画个图表》，就带大家讲解一下MySQL、mongodb、Linux、javascript、hadoop知识点，若是你对本文感兴趣，或者是想搞懂其中某个知识点，就请你继续往下看吧~

马云说现在的年轻人离职只有两个原因：要么钱少了，要么是心里不爽了。

对于某些企业来说，员工就像是企业行走的资产，每天早上9点钟开始，几十亿的资产都坐在办公室里，下午5点半后公司的资产逐渐清0。

目前就业形势比较严峻，但是招人形势更严峻，HR需要一边苦苦在外奔波招人一边还要时时跟踪内部员工的动态，防止人员不受控制地离职，为企业的正常运作产生影响。

领英发布的“第一份工作趋势洞察”中显示：

70后的第一份工作平均超过4年才换；80后则是3年半；90后骤减为19个月；95后平均7个月就离职......

作为一个就职于传统汽车制造企业的HRBP，我的工作内容涉及HR各模块，如招聘、培训、人事管理（考勤）、绩效等。如何时时跟踪每个人的动态，及时应对甲今天一言不合就提离职、乙明天结婚、丙大后天又休产假这样的突发情况呢？

我想到了一直被我们忽略的人力资源数据，每月产生的十几万的数据只是在汇报时使用，造成数据浪费，隐藏在数据中的价值未被发现，10分钟汇报，可能要花费2、3天去处理数据。

而且领导面对几十页的人力数据分析报告只是简单的翻几下，殊不知这是我花了多少心血制作的。那么如何将几十页的文字快速展示给老板，并且还能让他影响深刻呢？

首先我想到了excel，但是excel的展示效果一般，若想做到图形及色彩丰富要费一番功夫，且每次数据更新都需要重新制作，不符合企业的数据应用场景。通过在网上搜索了解到，商业智能（BI）软件能够快速将数据可视化呈现，便于数据分析。

目前市场上做的比较好的几款商业智能软件有Tableau、PowerBI、FineBI,详细了解了一下都很不错，高效且易上手，但是前两个都是收费的，不太适合我个人使用，FineBI个人版完全免费，于是我就本地下载安装了一个，简单用我们公司的人力资源数据进行数据加工，可视化展现。

下面我以HR手中最常见的人员信息、加班数据和离职记录三组数据为例，用FineBI对数据进行加工，并用仪表板进行展示。

1.在职人员性别比例分析
同样的一张数据表，我想要在女性各级别占比中，既体现出各年龄段的女性占比，又将各科室的人员数量差别体现出来，我尝试了finebi中的柱形图，Finebi有很多形式的柱形图选择：分区柱形图、堆积柱形图、多系列柱形图、百分比堆积柱形图等，官网的帮助文档中对每种图形都有应用举例。

从团队配合角度出发，男女比例应该控制在合适范围内。同时随着二胎政策开放，所以企业需要实时关注各团队适龄女性（22-35岁）的占比。适龄女性占比过高，长期休假产生的人员短缺风险也会增高。

试想，目前工程师级别22-35岁的女性占比很高，若大量不受控制的长期休假，则会对企业生产造成严重影响。因此在对相应岗位进行人员调整与制定招聘计划时，要有所侧重与调整，提前做好人员储备。

2.加班数据分析
加班数据是最能反映问题的数据，究竟是加班管理制度不规范，管理层面出现问题，还是真的企业运作人力需求大，投入与产出成正比，都是一个良性企业要把控的点。

对于现有的加班数据，我同样采用了堆积柱形图来展示，把各月份各部门的加班人数进行对比、各年龄阶层各部门加班情况进行对比展示，同时使用finebi中的仪表盘组件对每个月的劳动负荷强度进行展现，便于时刻关注员工的劳动强度变化。

分析结论：

对于加班人员，要关注超过45岁同事加班负荷如何，是否应减少加班，在易引起心血管疾病的季节是否应增加职业健康体检，同时还要具体看导致“大龄人员”加班的原因，是公司用人紧张，还是“后继无人”缺少技术能手，前者要结合生产计划觉得是否增加、调配人手，后者要进行人员盘点，设定培训计划。

从劳动负荷仪表盘中我们看到，6月的员工劳动负荷强度上升，整体劳动强度负荷应控制在低水平，过高对员工士气也会有影响，所以需考虑安排员工活动，释放压力，这些通过FineBI的数据可视化展示出来,结果一目了然。

3.离职情况分析
离职数据是企业常见却又敏感的数据，之前每个季度都会将该季度的离职数据拿来进行分析，并与历史数据进行比对，此处我用到了FineBI的柱形图、饼图、堆积柱形图从离职人员级别、离职原因、离职去向和组织调整前后离职对比进行分析展示，最后使用分组表展示了各个科室员工的量化和满意度情况。

离职增多，组织调整后离职人员比之前增加了16%，因福利、发展机会原因离职比例增加，组织调整后尽管薪资未改变，但变化带来的影响仍增加了离职比例，员工更关注此方面；主管级以上人员离职成倍增加，组织调整后主管层级离职加剧，较调整前增加了2倍以上，而经理层级也增加了1倍。

通过研究人员去向、离职原因、级别比例构成数据等，我发现了企业现有运行状态下一些隐藏的问题。从上图的离职去向中可以发现很大一部分人都去了竞争对手那里，通过离职访谈发现，竞争对手的薪资政策高于公司，这时就要思考公司的薪酬政策是否已跟不上市场节奏。

同时可以从图中看到组织机构调整后人员离职率升高，是政策有偏颇还是管理者能力问题，值得我们与用人部门配合探究本质。

已在离职路上的人员，我们无法挽回，但基于历史数据，通过FineBI能预测未来有离职风险的人员，有针对性地进行干预，最大可能为企业留住人才。

总结

或许你也可以像我一样尝试用FineBI进行简单的拖拽操作，迅速将数据进行可视化呈现，从中获得意想不到的惊喜。

今天关于《这才是5%顶尖HR的数据分析，你那只是画个图表》的内容介绍就到此结束，如果有什么疑问或者建议，可以在golang学习网公众号下多多回复交流；文中若有不正之处，也希望回复留言以告知！