当前位置:龙泉人才网 - 职业人才 -

数据分析招聘(这才是5)

  • 职业人才
  • 2023-06-17 12:00
  • 龙泉小编

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。

数据分析招聘(这才是5)

人员离职数据表

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。

分析结论:

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。

数据分析招聘(这才是5)

加班数据分析展示

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。

数据分析招聘(这才是5)

分析结论:

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

数据分析招聘(这才是5)

数据时代,当面对一堆数据焦头烂额,不知如何物尽其用,发挥数据价值时;当公司生产运作出现问题亟待优化却无从下手时;想向领导指明问题所在却不知从何说起时,你是否想过借数据之口说出事实真相?

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,点击下方“了解更多”,从中获得意想不到的惊喜。

免责声明:本文内容来源于网络或用户投稿,龙泉人才网仅提供信息存储空间服务,不承担相关法律责任。若收录文章侵犯到您的权益/违法违规的内容,可请联系我们删除。
https://www.lqrc.cn/a/zhiye/43968.html

  • 关注微信
下一篇:暂无

猜你喜欢

微信公众号