这才是5%顶尖HR的数据分析，你那只是画个图表

马云说如今的年轻人离职只有两个缘由：要么钱少了，要么是内心不爽了。

对于某些企业来讲，员工就像是企业行走的资产，天天早上9点钟开始，几十亿的资产都坐在办公室里，下午5点半后公司的资产逐渐清0。

目前就业形势比较严峻，可是招人形势更严峻，HR须要一边苦苦在外奔波招人一边还要时时跟踪内部员工的动态，防止人员不受控制地离职，为企业的正常运做产生影响。

领英发布的“第一份工做趋势洞察”中显示：

70后的第一份工做平均超过4年才换；80后则是3年半；90后骤减为19个月；95后平均7个月就离职......

做为一个就任于传统汽车制造企业的HRBP，个人工做内容涉及HR各模块，如招聘、培训、人事管理（考勤）、绩效等。如什么时候时跟踪每一个人的动态，及时应对甲今天一言不合就提离职、乙明天结婚、丙大后天又休产假这样的突发状况呢？

我想到了一直被咱们忽略的人力资源数据，每个月产生的十几万的数据只是在汇报时使用，形成数据浪费，隐藏在数据中的价值未被发现，10分钟汇报，可能要花费二、3天去处理数据。

人员离职数据表

并且领导面对几十页的人力数据分析报告只是简单的翻几下，却不知这是我花了多少心血制做的。那么如何将几十页的文字快速展现给老板，而且还能让他影响深入呢？

首先我想到了excel，可是excel的展现效果通常，若想作到图形及色彩丰富要费一番功夫，且每次数据更新都须要从新制做，不符合企业的数据应用场景。经过在网上搜索了解到，商业智能（BI）软件可以快速将数据可视化呈现，便于数据分析。

目前市场上作的比较好的几款商业智能软件有Tableau、PowerBI、FineBI,详细了解了一下都很不错，高效且易上手，可是前两个都是收费的，不太适合我我的使用，FineBI我的版彻底免费，因而我就本地下载安装了一个，简单用咱们公司的人力资源数据进行数据加工，可视化展示。

下面我以HR手中最多见的人员信息、加班数据和离职记录三组数据为例，用FineBI对数据进行加工，并用仪表板进行展现。

1.在职人员性别比例分析
一样的一张数据表，我想要在女性各级别占比中，既体现出各年龄段的女性占比，又将各科室的人员数量差异体现出来，我尝试了finebi中的柱形图，Finebi有不少形式的柱形图选择：分区柱形图、堆积柱形图、多系列柱形图、百分比堆积柱形图等，官网的帮助文档中对每种图形都有应用举例。

分析结论：

从团队配合角度出发，男女比例应该控制在合适范围内。同时随着二胎政策开放，因此企业须要实时关注各团队适龄女性（22-35岁）的占比。适龄女性占比太高，长期休假产生的人员短缺风险也会增高。

试想，目前工程师级别22-35岁的女性占比很高，若大量不受控制的长期休假，则会对企业生产形成严重影响。所以在对相应岗位进行人员调整与制定招聘计划时，要有所侧重与调整，提早作好人员储备。

2.加班数据分析
加班数据是最能反映问题的数据，到底是加班管理制度不规范，管理层面出现问题，仍是真的企业运做人力需求大，投入与产出成正比，都是一个良性企业要把控的点。

对于现有的加班数据，我一样采用了堆积柱形图来展现，把各月份各部门的加班人数进行对比、各年龄阶层各部门加班状况进行对比展现，同时使用finebi中的仪表盘组件对每月的劳动负荷强度进行展示，便于时刻关注员工的劳动强度变化。

加班数据分析展现

分析结论：

对于加班人员，要关注超过45岁同事加班负荷如何，是否应减小加班，在易引发心血管疾病的季节是否应增长职业健康体检，同时还要具体看致使“大龄人员”加班的缘由，是公司用人紧张，仍是“后继无人”缺乏技术能手，前者要结合生产计划以为是否增长、调配人手，后者要进行人员盘点，设定培训计划。

从劳动负荷仪表盘中咱们看到，6月的员工劳动负荷强度上升，总体劳动强度负荷应控制在低水平，太高对员工士气也会有影响，因此需考虑安排员工活动，释放压力，这些经过FineBI的数据可视化展现出来,结果一目了然。

3.离职状况分析
离职数据是企业常见却又敏感的数据，以前每一个季度都会将该季度的离职数据拿来进行分析，并与历史数据进行比对，此处我用到了FineBI的柱形图、饼图、堆积柱形图从离职人员级别、离职缘由、离职去向和组织调整先后离职对比进行分析展现，最后使用分组表展现了各个科室员工的量化和满意度状况。

分析结论：

离职增多，组织调整后离职人员比以前增长了16%，因福利、发展机会缘由离职比例增长，组织调整后尽管薪资未改变，但变化带来的影响仍增长了离职比例，员工更关注此方面；主管级以上人员离职成倍增长，组织调整后主管层级离职加重，较调整前增长了2倍以上，而经理层级也增长了1倍。

经过研究人员去向、离职缘由、级别比例构成数据等，我发现了企业现有运行状态下一些隐藏的问题。从上图的离职去向中能够发现很大一部分人都去了竞争对手那里，经过离职访谈发现，竞争对手的薪资政策高于公司，这时就要思考公司的薪酬政策是否已跟不上市场节奏。

同时能够从图中看到组织机构调整后人员离职率升高，是政策有偏颇仍是管理者能力问题，值得咱们与用人部门配合探究本质。

已在离职路上的人员，咱们没法挽回，但基于历史数据，经过FineBI能预测将来有离职风险的人员，有针对性地进行干预，最大可能为企业留住人才。

总结

数据时代，当面对一堆数据焦头烂额，不知如何物尽其用，发挥数据价值时；当公司生产运做出现问题亟待优化却无从下手时；想向领导指明问题所在殊不知从何提及时，你是否想过借数据之口说出事实真相？

或许你也能够像我同样尝试用FineBI进行简单的拖拽操做，迅速将数据进行可视化呈现，从中得到意想不到的惊喜。