3.3.1 HR数据分析常用方法

静态分析

静态数据分析通常用于在某个时间点上的分析，从数量或者比例上反映出某个时间点数据的分布状态，可以是饼状图、柱状图等。在人力资源分析中，员工的年龄、性别、地域、司龄的分布通常是用分类数据来表示。这一类分析是最为简单直观的。

趋势分析

静态数据是无法看出数据变动的趋势的，因此我们通常会以时间为横轴来反映不同时间数据的变化过程。

在人力资源分析中，HR在做招聘或者离职分析时就可以把不同时间点的岗位需求和离职人数结合起来，看一个时间段内变化的趋势，并以此来判断以什么样的节奏来进行招聘的工作规划。

在人力资源工作中，如果我们对于员工的生产力、绩效等用类似这样的图表来分析，就能跟踪整个企业及不同团队人力效能提升的情况及趋势。

如果企业为了增加人效而实施了系列项目或培训，就可以通过这样的人效提升跟踪图来衡量项目实施和培训的效果。

回归分析

在统计学中，回归分析指的是确定两种或两种以上变量间相互依赖关系的一种统计分析方法。回归分析按照涉及的变量的多少，分为一元回归分析和多元回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。

假设我们在招聘的时候想知道销售岗位的招募时间如何来确定，就可以把之前所有的招募岗位级别、招聘人员级别、招聘人员工作年限、招募月份、招募时间等放在一起利用电子表格的功能进行回归分析，就可能会发现招聘时间和这些变量之间会有一定的关系，如果相关性比较高，我们就可以依据此回归分析建立的公式来预估招聘所需要预留的时间。

在回归分析中我们分析的是相关性，但是变量之间的相关性并不代表变量之间就一定会有因果关系，例如，由于气温升高，冰激凌的销量和游泳池的人数增多从数据分析的角度是有相关性的，但是这两者之间并没有严格的因果关系。如果有因果关系，为了减少游泳池的人数，直接减少冰激凌的产量就可以了。但事实并不是这样，不卖冰激凌并不会让游泳池的人数减少，游泳池人数的增多主要和气温是有因果关系的。

预测分析

有了数据的趋势分析，如果基于大量的数据及过往的经验，我们可以进一步利用数据知识和电脑编程来建立数学模型对数据走势进行预测。不少公司已经在尝试利用大数据通过数据建模进行离职的预测分析。由于预测分析需要有更多的数据分析专业知识，因此在数据建模这项工作上，普通HR很难做到。

HR可以通过建立专业的人力数据分析团队或者和拥有专业数据分析能力的IT部门或供应商合作，来解决这个问题。HR可以提出人力资源运营过程中的痛点、需求和想法，让专业的数据专家帮助企业进行预测分析并依据我们的经验来共同验证准确性。