精华内容
下载资源
问答
  • 如何做好人力资源量化管理数据分析 对数据加工之后发现问题所在,形成行动方案,对行动结果有分析和评估才是一个有价值的数据分析,才有可能为企业提高效益,数据是有价值,可处理的信息,分析越简单越好,解决...

    如何做好人力资源量化管理与数据分析

    对数据加工之后发现问题所在,形成行动方案,对行动结果有分析和评估才是一个有价值的数据分析,才有可能为企业提高效益,数据是有价值,可处理的信息,分析越简单越好,解决问题为导向而不是为了报告而报告,总是要达到某个目的,解决某个问题。需要细化到相应的维度。选择哪些指标分析,朝哪个方向分析。当要分析报告中的信息是否有价值的时候,罗列不同的事实,然后问自己然后呢。接下来指向问题指向行动最后为组织带来效益。

    提高招聘效能

    招聘渠道的效率

    从不同的渠道分析各自的招聘期、满足数、贡献度(对设定的招聘数的贡献),通过分析各个渠道的指标,可以将精力更多地放在效率高的渠道上,从而减少时间成本和经济成本。

    过程的有效性

    对于某一种招聘渠道来说,不同岗位的招聘有效性的过程分析,指标有平均每人招聘天,贡献度,录用人数,最终到岗人数,收取简历数,招聘期,需求人数,从而能够合理分配各个渠道的岗位发布

    经济性和效率

    主要是了解各个渠道,各个岗位的人均招聘费用,同时需要分析各个不同层次岗位的贡献度,如果贡献度都差不多,则可以认为人均费用更低的渠道需要更加的关注从而节约招聘成本。

    减少员工流失

    离职情况分析

    离职率=某时期离职人数%【(期初人数+期末人数)%2】
    离职率=某时期离职人数%(期末人数+某时期离职人数)
    通过离职率分析,希望可以得出当前人员离职的情况存在的问题,然后希望可以找到改善离职率的方法。主要有年度-月度离职率情况分析表。
    离职人员司龄分析表(即入职某段时间的离职人数),通过分析员工经过多长时间后选择离职,分析可以得出在员工在入职到离职的哪个阶段存在问题。可以预测员工流失情况,从而提早部署招聘计划节约时间成本。

    离职原因分析

    离职原因分析表:公司原因、个人原因,统计情况分析哪方面的离职原因显著,从而改善相应的部分。
    2周以内:入职管理流程
    2周-3个月:工作本身
    3个月-1年:员工的直属领导、
    1年-2年:价值观或企业文化
    2年-5年:职业晋升和发展
    5年以上:外部环境

    提升培训效能

    提升培训效能应该着重与培训需求的调研分析,一般需求来自公司战略层面、岗位层面和员工个人层面

    玩转人才盘点

    制定薪酬规划

    内外部
    内部:一定需要按照多维度的标准去整理。这个表格的格式可以整理为:内部级别-员工编号-工龄-学历-相关职能工作经验-工作地点-……-薪酬数据。
    还要把工资分成不同的薪酬口径,这样在之后分析时才方便比较固浮比。通常来讲,在咨询公司帮助企业调研的时候会把薪酬分为几大类:基本薪酬、补贴、浮动薪酬、福利和长期激励,里面还可能分成不同的薪酬细项,
    外部:外部的薪酬分析,我们一般会从几个维度去想:整体情况、部门情况、岗位情况和人员情况。那都需要对比什么呢?答案就是:水平和结构。比如:整体的薪酬结构对比
    1.大的方面,薪资占业绩或者收入的比例是否合适。2.各部门薪资,跟重要性或者贡献是否匹配。是否存在应该多投入的部门薪资低,或者有些部门薪资过高3.各职级薪资。总监经理主管员工之间收入比例是否合适。4.不同业务线薪资。不同业务线收入和业绩高低如何。收入和创造的利润是否匹配。要适当考虑公司未来发展,有的部门不怎么赚钱,但是如果对公司未来布局很重要,需要先期投入的,可以例外。5.半年薪资跟去年同期相比如何。如果公司利润增加了,员工薪资没有增加,这是不合适的。6.薪资构成如何。基本和提成结构是否合理。
    7.考虑一些特殊情况。比如人员变动导致的薪资过低或者过高的问题。

    岗位价值分析

    岗位排序法
    工作的复杂程度、对组织的贡献大小、对各个岗位的相对价值
    岗位分类法
    根据工作内容、工作职责
    因素比较法
    资历、技能
    要素记点法
    岗位知识和技能要求、工作环境、贡献和影响力、责任和独立性、解决问题的复杂性和创新性。从岗位的需求出发

    薪酬调研分析

    内部分析(业绩、贡献度、满意度、财务状况,认同程度)与外部分析,全面调薪、强化管理、修改制度

    薪酬策略选择

    发展型战略:高弹性、高透明度、低固定薪酬、宽带薪酬制度、业绩相关
    稳定型战略;保留人才、稳定性、中位值、综合型
    收缩性战略:成本控制、窄带薪酬、短期激励、员工稳定性
    薪酬领袖策略、市场追随策略、市场拖后策略、薪酬混合策略
    需要考虑的因素:企业战略、企业文化、外部环境、内部环境

    改善组织绩效

    什么是绩效,绩效=有价值的成效/行为代价
    影响绩效两大因素:环境因素(信息、资源、奖励)、个体因素(知识技能、素质、动机),环境因素占主导。
    探索机会-原因分析-解决方案-绩效改进

    绩效目的梳理

    拆解目标:公司目标-部门目标-个人目标
    组织目标-流程目标-工作目标(由上到下、上下目标要相互对应,工作目标应该能看出具体动作)
    价值结构图:分析现状、体现关联、发现问题

    绩效价值

    价值结构图,找到痛点

    绩效原因分析

    客观外部他人:产品质量、合作方
    1、有没有标准
    2、标准是否有效
    3、是否按照标准执行
    主管内部自己:

    防止被数据图表欺骗或误导

    表格呈现的数据更加客观,图表往往直观,但在理性上容易误导

    展开全文
  • 数据分析:企业人力资源管理探索

    千次阅读 2018-04-05 16:31:17
    数据分析:企业员工流失(一) 本文借鉴自公众号:R语言中文社区 Joffy Zhong所作的数据...涉及邻域:人力资源管理,员工流失问题 2.数据分析过程 2.1 数据集 该数据集由(1470,35)组成,本文重点关注...

    数据分析:企业员工流失(一)

    本文借鉴自公众号:R语言中文社区 Joffy Zhong所作的数据分析实例。

    1.相关说明

    • 数据集:SAMPLE DATA: HR Employee Attrition and Performance
    • 分析语言:R
    • 涉及邻域:人力资源管理,员工流失问题

    2.数据分析过程

    2.1 数据集

    该数据集由(1470,35)组成,本文重点关注的具体各列属性值如下图。
    图片引用自R语言中文社区 Joffy Zhong

    2.2 数据分析流程

    • 数据初步探索
    • 探索基础信息Gender,Age,Department,JobLevel,Education等变量与员工流失的关系
    • 探索收入、投入等变量与员工流失的关系
    • 探索员工优先认股权,涨薪,升职等变量与员工流失关系
    • 探索与满意度相关的变量与员工流失的关系
    • 探索工作和生活平衡相关的变量与员工流失的关系

    2.3 具体分析过程

    2.3.1 数据初步探索

    #加载数据并初步探索
    Attr.df <- read.csv("D:/R/Rcodes/data/HR-Employee-Attrition.csv",header = TRUE)
    str(Attr.df)
    summary(Attr.df)

    这里写图片描述
    这里写图片描述
    结论:
    - 离职员工:非离职员工=1:5
    - 企业员工平均年龄为37岁
    - 企业男女比例约为1:1.5
    - 企业员工收入平均值为6503美元,中值为4919美元

    2.3.2 探索Gender,Age,Department,JobLevel,Education等变量与员工流失的关系

    g1 <- ggplot(Attr.df, aes(x = Age, fill = Attrition)) +
      geom_density(alpha = 0.7)
    g2 <- ggplot(Attr.df, aes(x = NumCompaniesWorked, fill = Attrition)) +
      geom_density(alpha = 0.7)
    g3 <- ggplot(Attr.df, aes(x = YearsAtCompany, fill = Attrition)) +
      geom_density(alpha = 0.7)
    g4 <- ggplot(Attr.df, aes(x = TotalWorkingYears, fill = Attrition)) +
      geom_density(alpha = 0.7)
    grid.arrange(g1, g2, g3, g4, ncol = 2, nrow = 2)

    这里写图片描述
    结论:

    • 离职员工的年龄普遍趋于30岁以下
    • 频繁跳槽的员工(离职次数多于5次的)更容易离职
    • 在企业时间超过5年,则员工的离职率明显降低
    • 职业生涯低于10年的员工离职倾向更大

      在此推测,由于年轻的员工更倾向于多尝试,且对未来目标相对迷茫,高流失率也意味着此类员工难以在短期形成对企业价值观的长期认同。因此企业应多关注年轻员工,传播企业文化,加强员工的归属感和认同感。

    g5 <- ggplot(Attr.df, aes(x= Gender,fill = Attrition)) +
      geom_bar(position = "fill") +
      labs(y="Percentage") + scale_y_continuous(labels=percent)
    g6 <-ggplot(Attr.df, aes(x= JobLevel,fill = Attrition)) +
      geom_bar(position = "fill") +
      labs(y="Percentage") + scale_y_continuous(labels=percent)
    g7 <- ggplot(Attr.df, aes(x= Education,fill = Attrition)) +
      geom_bar(position = "fill") +
      labs(y="Percentage") +  scale_y_continuous(labels=percent) 
     g8 <- ggplot(Attr.df, aes(x= Department,fill = Attrition)) +
      geom_bar(position = "fill") +
      labs(y="Percentage") + scale_y_continuous(labels=percent)
    grid.arrange(g5, g6, g7, g8, ncol = 2, nrow = 2)

    这里写图片描述
    结论:

    • 性别以及受教育程度与员工离职无明显的关系
    • 低等级职位的员工更容易流失
    • 在企业的各部门中,销售部门的员工离职率更高

      在此推测,企业应多关注一线的销售人员,深入了解该部门的人员制度安排以及福利水平。

    2.3.3 探索收入、投入等变量与员工流失的关系

    g9 <- ggplot(Attr.df, aes(x = MonthlyIncome, fill = Attrition)) +
      geom_density(alpha = 0.7) 
     g10 <- ggplot(Attr.df, aes(x= JobInvolvement,  group=Attrition)) +
      geom_bar(aes(y = ..prop.., fill = Attrition),
               stat="count", alpha = 0.7,position = "identity",color="black") +
      labs(y="Percentage") + scale_y_continuous(labels=percent)
    grid.arrange(g9, g10, ncol = 2)

    这里写图片描述
    结论:

    • 非常明显的是,工资越低的员工离职所占比率更大,并且在10000美元的位置也出现了离职率较高的情况
    • 工作投入高的员工离职可能性更高

      在此推测,企业底层的员工由于工资低,流动性更大;相对于10000美元的企业高管精英,有可能是为了追求更大的平台而出现跳槽的情形,这类员工往往会影响企业的正常发展,因此企业应重点关注,及时了解其动态及需求。

    ggplot(Attr.df, aes(x= JobInvolvement, y=MonthlyIncome, group = JobInvolvement)) +
      geom_boxplot(aes(fill = factor(..x..)),alpha=0.7) +
      theme(legend.position="none",plot.title = element_text(hjust = 0.5)) +
      facet_grid(~Attrition) +
     ggtitle("Attrition")

    这里写图片描述
    结论:
    投入与回报差异较大的,越容易流失,因此企业更需要关注那些投入多但回报少的员工,这类员工也许不是不努力,而是没有掌握正确的工作方式,应当给予更大的帮助,例如培训,工作指导等;薪资往往是回报的其中一种。

    2.3.4 探索员工优先认股权,涨薪,升职等变量与员工流失关系

    g11 <- ggplot(Attr.df, aes(x = PercentSalaryHike, fill = Attrition)) +
      geom_density(alpha = 0.7) 
     g12 <- ggplot(Attr.df, aes(x= TrainingTimesLastYear,  group=Attrition)) +
      geom_bar(aes(y = ..prop.., fill = Attrition),
               stat="count", alpha = 0.7,position = "identity",color="black") +
      labs(y="Percentage") + scale_y_continuous(labels=percent) 
     g13 <- ggplot(Attr.df, aes(x = YearsSinceLastPromotion, fill = Attrition)) +
      geom_density(alpha = 0.7) 
     g14 <- ggplot(Attr.df, aes(x= StockOptionLevel,  group=Attrition)) +
      geom_bar(aes(y = ..prop.., fill = Attrition),
               stat="count", alpha = 0.7,position = "identity",color="black") +
      labs(y="Percentage") + scale_y_continuous(labels=percent) 
     grid.arrange(g11, g12, g13, g14, ncol = 2)

    这里写图片描述
    结论:

    • 加薪,培训以及升职等对员工流失并未有明显影响
    • 拥有员工优先认股权的员工较为稳定,不容易轻易离职
      在此推测,加薪、培训、和升职对员工影响不大,员工优先认股权对于员工来源是更为有效的手段,有认股权的员工相对来说较稳定,将企业利益与员工个人利益捆绑在一起,能使员工有归属感。

    2.3.5 探索与满意度相关的变量与员工流失的关系

    g15 <- ggplot(Attr.df, aes(x= JobSatisfaction,  group=Attrition)) +
      geom_bar(aes(y = ..prop.., fill = Attrition),
              stat="count", alpha = 0.7,position = "identity",color="black") +
      labs(y="Percentage") + scale_y_continuous(labels=percent) 
     g16 <- ggplot(Attr.df, aes(x= RelationshipSatisfaction,  group=Attrition)) +
      geom_bar(aes(y = ..prop.., fill = Attrition), 
               stat="count", alpha = 0.7,position = "identity",color="black") +
      labs(y="Percentage") + scale_y_continuous(labels=percent) 
     g17 <- ggplot(Attr.df, aes(x= EnvironmentSatisfaction,  group=Attrition)) +
      geom_bar(aes(y = ..prop.., fill = Attrition),
               stat="count", alpha = 0.7,position = "identity",color="black") +
      labs(y="Percentage") + scale_y_continuous(labels=percent) 
     grid.arrange(g15, g16, g17,  ncol = 2)

    这里写图片描述
    结论:很明显满意度低的员工离职率更高。

    2.3.6 探索工作和生活平衡相关的变量与员工流失的关系

    g18 <- g20 <- ggplot(Attr.df, aes(x= OverTime,  group=Attrition)) +
      geom_bar(aes(y = ..prop.., fill = Attrition),
               stat="count", alpha = 0.7,position = "identity",color="black") +  labs(y="Percentage") + scale_y_continuous(labels=percent) 
     g19 <- ggplot(Attr.df, aes(x= WorkLifeBalance,  group=Attrition)) +
      geom_bar(aes(y = ..prop.., fill = Attrition),
               stat="count", alpha = 0.7,position = "identity",color="black") +  labs(y="Percentage") + scale_y_continuous(labels=percent) 
     g20 <- ggplot(Attr.df, aes(x= BusinessTravel,  group=Attrition)) +
      geom_bar(aes(y = ..prop.., fill = Attrition),
               stat="count", alpha = 0.7,position = "identity",color="black") +
      labs(y="Percentage") + scale_y_continuous(labels=percent) 
     g21 <- ggplot(Attr.df, aes(x = DistanceFromHome, fill = Attrition)) +
      geom_density(alpha = 0.7)

    这里写图片描述
    结论:

    • 经常加班的员工相对于不加班的员工流失率非常高
    • 认为工作与生活平衡水平为1的员工流失率较高
    • 频繁出差的员工流失率较高高
    • 距离家较远的员工流失率较高

    在此推测,工作与生活的平衡这一类因素对员工流失的影响较为严重,经常加班,出差以及离家较远都会造成员工离职,因此企业应更加人性化管理,提高工作效率,避免加班等问题。

    数据分析:企业人力资源管理探索(未完待续)

    展开全文
  • 数据挖掘技术对企业人力资源管理的影响分析.pdf
  • 大数据下的人力资源管理策略分析.pdf
  • 基于大数据的人力资源管理创新分析.pdf
  • 电力系统人力资源管理问题分析.pdf
  • 人工智能背景下企业人力资源管理策略分析.pdf
  • 数据人力资源绩效相关数据,属性包括:员工等级、工作时间、参与项目数、所属部门、薪资、是否有过失误等。
  • 红海科技人力资源管理系统是红海科技自主研发的人力资源管理系统。囊括了组织架构、角色分配、考勤管理、培训管理、薪资管理、绩效管理、招聘管理、自定义报表、数据分析、覆
  • 大数据和人工智能时代企业人力资源管理策略分析.pdf
  • 系统开发目的 系统概述 数据模型设计 ㈡整体E-R模型
  • 本设计中,具体说明了企业的人力资源管理系统的各个功能模块,并附有相关数据流图
  • 人力资源管理系统数据库分析,根据以上需求分析,一个基本的人力资源管理系统数据库中大致应包括70张数据表,分别存放相应子功能的数据信息,其中组织机构编码表和职员基本信息表是关键的表,用于存放基础的数据信息...
  • 互联网时期的人力资源管理分析.pdf
  • 大数据时代企业人力资源管理分析.pdf
  • 附件 人力资源管理系统分析报告 第次修改 本次修改内容 1 重新修改了系统结构图修改了员工薪金管理 将原先的三金数据 管理模块添加到了员工薪金管理模块中 2 在功能要求中删除了原来的三金数据管理等内容 3 在系统...
  • 该报告书包括了人力资源管理系统分析阶段的成果——需求分析数据流程图、业务流程图、ER图、数据库设计、编码设计、界面设计等内通。
  • 人力资源管理系统需求分析详细报告 系别计算机系微软开发 班级 2014 级微软一班 组名 ABC 项目组 日期 2016.7.20 需求分析说明书 一引言 3 1.1 编写目的 3 1.2 项目背景 4 1.3 定义 4 1.3.1 专业术语 4 1.3.2 主页...
  • 人工智能背景下的人力资源管理分析.pdf
  • 企业的转变和发展与人力资源的合理开发和利用是...特开发此系统,使人力资源的管理逐步从传统的人工管理方式逐步向数字化、数据化、智能化管理过渡,既提高了管理效率,又能够拓展人力资源管理的外延,使之更加科学合理。
  • 互联网时代的人力资源管理的措施分析.pdf
  • 人工智能对人力资源管理的影响分析.pdf
  • 人力资源管理领域的数据挖掘应用展望——以基于灰色关联模型的离职管理实证分析为例.pdf

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 52,624
精华内容 21,049
关键字:

人力资源管理数据分析