3.2 在企业中如何推动人力资源数据分析
3.2.1 推动数据分析的路径
企业根据所处的阶段不同对于数据分析的需求是不同的。但无论如何，数据分析对于企业长远的发展意义重大。对于HR来说，如果将来想要进行人力资源大数据分析，那么就一定要让企业领导层重视，在企业层面推动数据分析，因为人力资源大数据分析不仅需要HR部门的数据，还需要对各种部门的数据进行整体分析。如果当前企业的数据分析基础相对薄弱，我们应该如何一步步推动其发展呢？
由于数据分析的本质在于我们可以通过数据知道已经发生了什么，为什么会发生、将来会发生什么。因此我们可以把数据分析按照阶段不同分成不同模块并和数据分析的目标相对应。
如图3-6所示，数据分析分成数据收集、数据质量、数据报表、数据可视化、预测模型和数据驱动战略决策六个模块。建议在公司内部要同时对这六个模块进行资源配置，根据各模块现状的评估和业务需求不同可以有不同的侧重和排序。这张图也表示了虽然越多的模块需要越高的投资，但是所产生的回报价值也是逐步上升的。当数据分析的结果越贴近业务和战略决策，其价值就越高。
图3-6 企业推动人力资源数据分析的方向
数据收集
巧妇难为无米之炊，因此数据分析的基础就是要有数据。企业首先要考虑如何通过日常的工作流程开始积累电子化的数据。即使是有着很多数据积累的传统大公司，也通常由于历史原因，各部门都有自己不同的数据和存储方式，因此要让公司所有部门能够共享所有数据也不是件简单的事情。所以公司在准备开始踏上大数据之路前，需要建立好便利的数据共享机制作为基础准备。
我们需要通过各种途径来及时获取和打通部门内部数据、公司跨团队数据和公司外部数据的获取渠道，确保能定期、稳定、方便地获取不同渠道的数据资源。这方面做得好的公司，通常会有自动化的机制定期从各种不同的系统收集数据并将收集的数据在企业中通过数据仓库来进行集中存储。
数据质量
对于获取到的数据，我们应对其准确性和格式标准化进行检验，确保可以通过日常核查找出数据存在的问题，然后进行必要的修正，并反馈到数据源头负责人，通过持续改进逐步提升数据源头的质量。同时我们可以通过工具将所有的数据统一成标准的格式便于将来的分析。
数据报表
数据报表最主要是结合业务需求来了解关键的管理指标，这些指标有可能是传统的KPI，也有可能是OKR，总之没有衡量就无法管理，我们要找到这些为管理而服务的衡量点，利用现有的数据将不同的衡量点通过报表展示出来。
数据可视化
我们还能借助计算机技术将数据用图形甚至是动画等方式更好地展现出来。数据可视化是能够更清晰有效地传达与沟通信息的途径。通常在企业中数据驾驶舱就是这样的应用，比较好的数据可视化应用还可以是交互的，可以按照某个特定层次或条件（例如：地区-城市-区县等）进行数据细分呈现，层层深入以便员工更详细地查看数据。
预测模型
以足够大量和正确的数据为基础，我们就可以通过利用数学算法、建模工具等来建立计算机数学分析模型并通过过往的结果数据分析来达到预测将来的目的。在这方面我们通常需要基于业务的需求，与算法工程师进行配合将数据进行更进一步的机器学习处理。由于预测本身存在着不确定性，因此如何来验证和利用预测结果也是需要业务专家和算法工程师紧密配合合作讨论的地方。
数据驱动战略决策
有了前五个模块的积累和应用，我们才有可能将数据分析嵌入重大的战略决策中去，因此数据分析也是一个循序渐进的过程，只有之前的工作做到位了，我们才能有相对准确和有价值的分析结果并取得公司管理层的认同。有了管理层的信任，相应的数据分析结果才能更好地被管理层使用到决策中去。
关于数据如何引发思考和决策，我们来举一个例子。在2020年的新冠肺炎疫情期间，很多人每天早上起来，都会去看看最新的疫情数字是增加了还是减少了。新闻报道中也处处都是数字。
2020年2月20日，停靠在日本横滨港的“钻石公主”号船上3700多位人员中累计感染新冠病毒人数达到634人，其中过半人员属于无症状感染。
大家在看到这则新闻后，有没有一些和数据相关的思考呢？可以练习下长链分析中提到的方法，多追问自己几个问题，思考下这些数字意味着什么。
我们可以想到，游轮的环境与很多人在同一幢办公大楼里工作一样，是一个很真实的人群在聚集环境中感染模型的模拟。由于感染人数中过半无症状，那就意味着各商场、小区、办公楼入口的测温措施对于感染人群的检测有效性只有50%。
因此，在疫情没有得到控制的前提下，大面积复工是有很大病毒扩散风险的。如果有无症状被感染者进入办公地点，由于每天在楼内办公的人群基本固定，那么按照游轮环境的模拟进行测算，游轮感染人数634占总人数3700人的比例约为17%。那在办公楼这样相对人群密集的环境中，感染率的结果也是可想而知的。
如果我们经过思考，就能通过游轮的感染率数据来验证我国采取延迟复工政策的必要性。如果HR能用这个例子来倡议公司领导层做出继续延长在家办公的决策，就容易获得领导层的认同。这就是用数据驱动决策。
HR要学会数据分析，首先需要培养数据敏感性。一方面，看到数据就要习惯性引发思考。另一方面，在做决策时，也要习惯性想一想有没有数据可以支持我们的决策。
如果企业能够基于业务实际需求和当前各模块的成熟度，相应分配适当资源在六个模块上并相互配合，相信整个团队就能够相辅相成，共同向着数据化管理和决策的方向持续迈进。