hr数据系统性分析（基于价值链的人效分析）

自去年开始，“人力资源效能”这个词非常火，火到人力资源从业者不了解一点好像就落伍了一样，但是实际操作过程中，犹如海市蜃楼。伴随着市场竞争的加剧，商业环境发生着巨大变化，企业在能力迭代中，发现财务、技术领先优势不再是唯一要素，很难拉开差距，很迫切的想找到一种办法提升企业的竞争力，柔性的人力资源能力就开始展露头角。来自于内部的组织调整和协同的困难重重，适应外部环境的能力在退化，管理者也需要在内部加上引擎以跑赢竞争对手，所以人效这个词就应运而生。

Part 1 定义

组织效能：指组织实现目标的程度。主要体现在能力、效率、质量和效益四个方面。其中能力是组织运作的基础和发展潜力，包括土地、资本、资源、工具、技术、人才和组织能力等；效率是任何一个组织的天然要求，组织的存在就需要不断提升效率，效率包括管理效率和运营效率；质量是指组织所提供的产品（服务）的品质或功能满足目标客户的需求，真正体现组织存在的价值；效益是指增加值或附加价值，是组织运行的产出，也是组织存在的基础，包括利润、员工报酬、税收、利息和折旧等。

人力资源效能：指人力资源管理的绩效或结果，它包括人力资本效应、组织成员关系和行为的中间效应两个方面。

Part 2 人力资源与财务结果的关系

企业存在的目的需要利润和赚钱，存在的目标就是要创造客户，创造客户就需要营销和创新。营销是通过策略和方法改变对外部客户对企业的认知；创新是通过改变内部成员对外部的认知创造客户需求。

人力资源非要跟财务结果直接挂钩难度很大，只能通过人力资源价值链转换来实现财务价值，价值链关联逻辑如下：

Part 3 人力资源效能与组织效能

人力资源效能与组织效能是相关联的，人力资源效能来源于公司组织战略目标的分解和解码，人力资源效能反作用的组织效能，进而达成组织目标，关联逻辑如下：

① 组织战略与组织/人力资源效能

② 人力资源效能与组织效能关联

Part 4 利益相关者

作为企业人力资源从业者，管理员工和工作事务并不是重点和核心，戴维尤里奇曾说过，一线管理者是人力资源管理的第一责任人，所以HR的工作起点应该是对管理者的管理。当然老板/CEO是第一责任人中的第一人。

组织效能和人力资源效能的提升，就绕不开两类关键角色，老板/CEO和管理者，是关键的利益相关者。从老板视角看待人力资源效能，就是投入产出比，从管理者视角看待人力资源效能，就是效率和质量。

人力资源效能管理主要责任者不是HR，而是各级经理，唯有老板/CEO和各级管理者真正意义上承担起责任，才能建设企业有效的人力资源效能分析体系。当然，今天主要谈的是人力资源效能，组织效能不会过多阐述。

Part 5 人力资源效能关键要素

1、要分析效能，自然离不开目标，没有衡量标准就不知道结果如何。链接组织目标与人力运营之间的关系，是进行分析的第一步。

2、跟老板对话：未来三年，业务要向什么方向走？今年业务的部门是什么？哪些目标是一定要实现的？如何衡量这个目标是否成功？哪些业务要升级？哪些业务要维持？哪些业务要逐步淘汰？通过沟通，明白业务优先级。

哪些岗位的人重要？当前的能力和规模是否足够？哪些人掉链子对业务影响最大？目前的人力运营提供哪些关键支持？例如技术驱动型要加强研发技术人员的厚度，销售驱动型要加强销售人员的能力。不管你关注哪些人，人都是跟岗位匹配的。一个人能力很牛，如果不把他放在关键岗位上，公司对他的关注和投入都不会太多，所以还是要关注关键岗位的关键人员，是要培养发展，是要保留，是要激励等措施机制给与支持。多少编制?多大投入？是外部找？是内部培养？

3、优先级：业务优先级和人力运营优先级匹配。跟老板对话不是一件容易的事情，需要信心、耐心和高度。如果老板关心人员能力培养，你在做绩效考核，这样你的工作重点就跟老板的方向跑偏了，所以老板是关键的利益相关者。

4、关键要素:企业的资源和投入是有限的，老板的关注点也是有限的，业务的核心和重点也要跟人力资源的核心匹配起来，看起来人力资源的事情很多，按照优先级进行排序，找到关键方向和关键动作。挑出跟业务最相关的数据进行分析，剔除弱关联的项目数据。例如要打造人才供应链，就要注重相关关键数据。

5、搭建效能分析架构：

①框架1：OHH模型

Organizational effectiveness 组织效能

Human Resource Effectiveness 人力资源效能

Organizational health 组织健康

②框架2：BSC模型

当然这两个框架模型，里面的具体参照衡量维度还可以根据企业实际情况进行增减。

Part 6 人力效能指标（参考）

如果你发现企业没有一点人力资源效能数据分析意识，一时也找不到很好的契机和切入点展开工作，作为HR的你也很想做点跟数据分析相关的事情，证明一下自己工作跟业务的价值，那怎么办呢？不妨根据行业通用的指标进行梳理和分析，以下内容仅供参考。

Or:

Part 7 效能分析工具

1、标杆分析

你的数据分析出来以后，你怎么知道你的效能数据是高还是低呢，一个最好的办法就是标杆分析。细分行业、产品服务类似、有直接竞争关系、新进入者等都是关注的对象。标杆分析不定要找行业第一和独角兽企业，找到有你需要改善和学习的企业就可以，进行对标分析进行提升。

2、相关分析和回归分析

相关分析是用来量化两个变数的相关程度，通过相关性分析衡量相关系数，告诉你当其中一个变数改变时，另一个会跟着变多少。相关性分析可以告诉你两个变量之间的线性关系。

回归分析是用来评估一个结果变量与其他风险因素或混淆变量间的关系。

例如：企业定编管理人员可在月度产量、员工人数等相关指标之间建立相关关系，根据相关系数的取值范围来决定是否具备回归分析的可行性。如相关程度较高便可拟合回归方程推算出每月计划生产数量所对应的员工人数。

员工主动离职率和人均薪酬福利成本之间是否有关联性？

3、模拟和预测

员工离职率对敬业度和人效有什么影响作用，或者对企业的规模增长有多大的影响？我们能否通过改善员工离职率，来驱动公司业务的增长？我们能否预测关键人才是否离职，为企业能够提前做好准备减少很多损失。就是通过运用数据驱动业务和人才决策。

Part 8 人效改善

通过过去的事实和定量数据，知晓过去发生了什么事情，通过标杆或其他分析工具，预测影响因素和变化趋势，发现问题产生的原因后找到差距，设定差距弥补的手段和方法，并预测达成的衡量指标和工作重点。

人力资源效能应用于人才决策：

Part 9 注意事项

人力资源数据多并不一定能驱动业务发展，因为很多因素导致数据并不能很好地作用于于业务。

1、数据质量问题

很多公司在采集数据时，会采集到很多错误数据，无法把假数据过滤掉和真数据识别出来；另外一方面，在采集数据时，没有做到标准化、规范化，甚至很多部门对数据的定义、标准还没用达成共识。导致在做数据挖掘分析时，就很难得到有效信息。

2、数据跟业务关联性不大

数据只有跟业务有强关联性，才有价值。企业在运转过程中，本身有很多数据和指标在收集和整理，但是在日常分析时，我们经常用到的也就那么几个，其他的或者访问非常少，或者会随着时间推移，慢慢被弃用。

3、数据采集很难，用起来也很难

很多传统企业中数据保密，获取数据难度很大，需要大量审批沟通获得权限，加之没有很好的IT技术做支持，拿到数据难度很大。即使拿到了很多数据，但不知道该怎么用。盲目地采集数据，最后发现也没有多大意义。

4、对标错误

选择对标公司的时候，一味挑战行业第一或行业末流企业对标，没有选择合适的参照目标公司，要么选择相关性不大的公司，数据对标无参照价值和意义。目标没有挑战值或模糊，也没有责任承诺关联机制。

5、专挑容易的数据

在选择数据进行分析时候，追求量化数据，只找容易可测量的数据来进行，没有找到正确的与价值意义的指标进行衡量。

6、没有重点主次

选择数据分析的时候，没有选择与业务关联度强关联的数据，看似指标很全面很多很全，个数很多，没有终点主次之分，并没有与业务捆绑。

7、花里胡哨

为了体现数据的作用，选择指标进行分析的时候，用了大量的分析工具进行归纳，让普罗大众很难理解，做出的图标花里胡哨，重在图标的展示，没有实际的改善管理的行动，也没有与人才决策关联应用，弄出“花瓶”一个。

8、误入数据陷阱

数据本身是价值和意义的，分析数据背后的逻辑和原因以及针对性的给出解决方案才有价值和意义。在企业整体缺乏组织/人力资源效能意识情况下，只有HR唱独角戏上演“数据大搜捕”，得不到利益相关者支持和行动，只是为了数据而数据，分析又干不过财务和销售，只能走向伪专业主义，误入歧途无法自拔。

,