如今，HR的数据化管理是一个相当热门的话题，许多HR也愈来愈注重在人力资源管理中使用数据。但“热门”不代表“熟练”，重视数据也不说明一定能够有效地利用数据。我们常常会有这样的困惑：人力资源部门呈现的数据被业务部门认为是不重要、无意义的，这就说明我们走入了一个误区，我们收集、统计的数据只是我们认为是必要的，并且以为它们与业务相关，但实际上，当数据无法成为业务部门做出决策的依据时，数据只是一种事实而已，没有更大的价值。
尤其在人力资源数据越来越多、越来越碎片化的今天，找对数据、整合数据以及分析数据的能力显得尤为重要。当业务部门能通过数据理解人力资源的状况，找到其与业务的关联性，才能做出更好的业务发展战略。
数据，是一种信息
数据(Data)，在英文中本意为信息，后引申为数据、资料，以及从科学实验中提取的价值。如果我们仅仅只是围绕“Data”的原意来理解，也很容易明白“数据”并不是简单的数字呈现，它的背后一定有更深的含义等待发掘。
按照所反应的事实来区分，人力资源数据可以归纳为三类：
第一类，反应企业人力资源活动的健康程度的数据。比如，员工敬业度、员工流失率、员工对企业活动的参与度等等；
第二类，反应HR工作有效性的数据。比如，招聘的效率、培训工作的效果、薪资结构的合理性、公平性等等；
第三类，反应人力资源工作与业务关联度的数据。比如，员工薪资在人才市场上的竞争.力、招聘渠道的有效性等等。
当然，以上所列举的数据，有一些并非通过简单地统计、收集便能获得，而是要通过对原始数据的加工来获取。因此，当信息越来越多的时候，反而能够生成更多有意义的数据，从而帮助我们扩展思考问题的角度。
举例说明，当我们在选择招聘渠道时，正是依靠以往积累的数据和经验进行决策的。校园招聘和社会招聘这两种渠道无论从时间耗费长短、费用，还是有效性上来看，都存在着差异。我们首先根据企业当前对人才的需求，确定了校园招聘这一渠道。然后再考虑到底选择一类高校还是二类高校？一类高校的毕业生素质、能力、学习意愿都比较高，但同样有数据显示他们拒绝offer的可能性较大，入职率较低——很容易理解，这些学生往往是人才市场争抢的对象；反而是二类学校的优秀毕业生更看重职位机会，入职几率大。于是，我们也在高校类型的选择上做出了决策。
以上案例其实说明了HR在使用数据时需要注意的两个要点：一、善用穷举法。二、凭借自己的经验判断哪些数据与当前需要解决的问题相关、这些数据反应的问题是否代表着一种规律。
数据包含着丰富的重要信息，需要我们一一将其解读出来，尤其当这些重要信息对应某个业务问题时，我们更需要对其进行关注。（新）
人力资源指标
当HR抱怨自己向业务部门提供的数据不被认可时，其实这里面包含着一种信息不对称：HR往往认为自身已经对业务的需求了然于胸，以为呈现的一切正是业务部门需要的。但事实并非如此，HR所关注的培训场次、招聘人数等等，并不能直指业务部门的核心需求。
要消除业务部门及HR部门之间的“隔阂”，就要在充分对话的基础上，明晰业务部门当下真正需要的数据。当我们在海量数据中进行辨别、寻找时，可以将它们分成两类：
第一类：结果性指标，指向事实、结果，比如，离职率，这一指标是不可控的；
第二类：过程性指标，指向干预措施，比如，为了降低离职率所采取的方法：直线经理与员工一对一面谈的频率等等，这一指标是可控的。
过程性指标可以起到预示问题的作用，直接影响决策的制定，业务部门需要的正是这类数据。
由上我们引出了一个概念：人力资源指标。
人力资源指标反映了组织人力资源项目与活动的特性，描述了既定流程与结果，使用人力资源指标可以提升组织的效率。
上世纪70年代，许多如今常见的人力资源指标就已诞生。在很长一段时间，人力资源关注的指标都是非战略层面的，比如员工的年龄、经验资历等等。现在这些指标依然被广泛接受和运用，但并未对管理决策产生重要影响。这正是当下人力资源所面临的挑战。结合以上所述的“结果性指标”和“过程性指标”概念，我们应该很容易拓宽思路、找对方向。
人力资源报告
我们已经明确，使用人力资源指标的意义实际上是为了做出正确而非同凡响的决策，那么我们向业务部门递交的人力资源报告必定汇总了一系列有价值的指标，不同的指标组合成了不同的报告。
有一类报告是递交给HR部门的领导层，整合了结果性指标数据，说明HR工作的有效性；另一类报告是给业务部门的直线经理看的，综合的一系列数据对未来可能出现的问题进行了警示。因需求不同，递交给不同业务部门的报告在数据的组合上会有差别，但大致应该包括以下内容：
1、招聘渠道有哪些，这些渠道是否具有有效性？
2、我们是否为员工提供了良好的发展机会？这些发展机会有无对企业业绩产生影响？
在人力资源报告产生的过程中，人力资源“仪表盘”（HR Dashboards）是一个有用的工具，它是报告的浓缩部分，包含了业务单元分析，让管理者在组织内部的各个层面深度检验各项指标，同时它反映了组织即时分析与人力资源流程相结合所产生的效能，也反映出搜集组织数据的能力正在持续提升。在使用人力资源“仪表盘”时，要务必使用简明的图示，让管理层一目了然，避免使用大量的文字和数字。
数据分析途径
如刚才所述，我们最终呈现的报告并不是简单数据的堆砌，而是建立在与业务部门沟通的基础上，以解决业务需求为目的，经过选择、分析之后产生的有价值的数据集合。
数据分析有三种有效的途径：
1、标杆管理（Bench marking）：进行市场对标，为未来人力资源决策提供了参考。
2、挖掘数据（Data minnng）:鉴别存在于数据中的模式的效力以及有助于提升决策的且未被识别的因果机制。
3、预测分析（Predictive Analysis）：包含建立能预测组织未来结果的组织系统模型，并且了解组织假设性变革的后果。比如：一家企业发现员工满意度与营业额之间具有关联，那么人力资源就可以利用这些数据对企业的工作环境、员工的薪酬福利等提出调整建议。
在以上三种数据分析的基础上，我们才能制定更精准的劳动力规划。通过建立劳动力模型，我们可以看出人力资本——组织环境中最具变动性的因素，是如何变化的。
数据可以带给我们许多更好的问题解决策略，前提是我们有效地对它们进行利用。否则它们只是客观的存在，只有当我们找出数据之间的关联性、对它们进行合理分析，它们才能转化为解决问题的依据。我们提倡人尽其才，其实数据亦是如此。
如今，人力资源对数据的重视程度并不低，所以它才成了一项值得研究的课题，因为对数据的研究、有效利用数据的方法、数据管理的理念等等并没有定论，都在不断探讨和尝试中找到新的出路。然而HR对数据的利用始终围绕核心的目标：解决业务需求，提升组织的有效性。当然数据化管理对HR自身专业能力的提升亦有极大作用，这是一个相辅相成的过程。
凌震文 
2014-09-05 08:17:22