如何衡量HR（人力资源）的价值实在是一个难题。哪种招聘方法效率最高？培训到底能给个人和组织带来多大收益？如何激励员工才能达到最好的效果？诸如此类的问题，始终难有精确答案。

　　但与此同时，越来越多的决策者在用人问题上，不再单纯依靠经验和直觉做判断，而是越来越期待数据、模型等量化工具为决策提供更“给力”的支持。决策者对HR的价值到底体现在哪里相当感兴趣。因此，如何量化人力资源工作的价值变得越来越重要。

　　三类数据

　　反映人力资源现状的事实数据 例如人员数量与结构、学历、年龄等，可以展示一定时间段内组织内部人力资源的基本概况。这类数据收集起来比较容易，分析起来也比较简单。一般来讲，每月提供此类人力资源数据报表，并与不同时期的数据进行对比，可以让决策者对人力资源现状有一个概览式的认知。

　　反映人力资源活力的动态数据 例如招聘周期、招聘完成率、员工流动率、核心员工流失率、内部流动率等。动态数据可以反映一定时间段内组织的活力状况。较短的招聘周期、较高的招聘完成率可以反映组织“入口”的健康状况。而合理的员工流动率、较低的核心员工流失率可以反映组织“出口”的健康状况。内部流动率，如员工换岗、员工晋升或接班人计划等，可以反映出组织内在的活力。

　　动态数据的收集也比较容易，关键是组织要沉淀数据，并及时了解市场行情，通过内部及外部的对比分析，才能对组织人力资源的活力有客观的评价。比如分析发现一段时间内某个岗位的招聘周期变长了，HR及用人部门就要坐下来分析。是市场供给减少了，还是市场竞争激烈了，还是人才定位出现偏差或其他原因，之后才能找到对策。这类监控数据，就像反映组织健康状况的晴雨表，随时可以给管理者预警。

　　反映人力资源质量的分析数据 例如人均效率、人力资本投资回报率、员工满意度、员工敬业度等。分析数据，可以深入了解组织的效率，反映人力资源对业绩的作用，也是影响人力资源及公司战略决策的重要参考。

　　这类数据的收集与分析需要模型支撑，需要花费一番功夫。同时，这类数据的分析也最富创造性，对组织业务的影响最有参考价值。比如分析发现，员工满意度越高，客户忠诚度也越高。这就引导管理者将资源重点放在员工满意度上，采取一系列措施去提高员工满意度。一旦员工满意度有所下降，管理者就要检讨和反省背后的原因，并拿出应对措施。再比如分析发现人均效率下降了，通过人员预测模型发现公司的人员是多了而不是少了。此时公司的人员战略目标或许需要由“增员”转向“减员增效”。

　　人均效率、人力资本投资回报率有标准的公式，需要HR与财务配合，共同完成。员工满意度、员工敬业度等也有一些成型的理论和模型，比如盖洛普Q12等。关键是选择那些经过时间和众多组织检验过的模型，并坚持在组织内推行下去。有历史数据的沉淀，才有对比分析的意义。

　　如何着手数据分析

　　集中力量优先解决重点问题 HR管理模块众多，从战略规划到招聘、培训、绩效、薪酬、员工关系、企业文化等等，可能处处有问题，能进行分析的地方也很多。但资源有限，要使人力资源分析的作用发挥到最大，应集中力量优先解决重点问题。何为重点问题？公司战略需要的指导性或支持性分析是重点，目前最影响业绩的问题也是重点。

　　要有业务导向 人力资源数据分析不能孤芳自赏，必须服务于业务才能发挥真正的作用。同时，从事数据分析的人员也需要有销售、财务的敏感性和基本的知识，这样才能将HR与业务更紧密地联系起来。

　　从已有资源开始 HR部门手上有很多现成的数据，从这些数据入手，先一点点地做起来。数据本身是没有意义的，关键在于如何将数据与业绩关联起来。这确实需要创造性，并投入精力。基本的统计方法也是需要掌握的。

　　坚持下去，要有沉淀 一旦决定要做分析工作，就要将它融入HR日常的业务工作中去，并安排专人负责日常数据的收集与整理。并且这个工作一定要有持久性，任何一个时间断面上的数据都难以单独进行有效的分析。组织内部历史数据的沉淀在评估和预测方面能发挥更大的作用。

　　打破常规，不断创新 例如，谷歌通过研究发现，好的管理与人才保留率和团队绩效之间是正相关的关系。他们借鉴心理学方法进行双盲面试测试，识别出最好的经理表现出哪些关键行为。结果发现，好的经理身上存在8种行为以及5个需要规避的陷阱。他们将这些发现纳入经理培训计划和辅导教程，并给经理提供针对性的反馈，取得了很好的效果。类似这样的创新性研究将有效提升HR管理的专业水平，从而为组织创造更大的价值。