一年一度年中汇报，人力资源部门从HRD到招聘负责人到普通HR都在努力用数据证明自己的工作价值。然而，很常见的一种现象是，HR辛辛苦苦做的年中汇报，精心设计的数据报表，到CEO那感觉什么用都没有，老板无动于衷。
于是，HR们开始质疑，到底什么样的数据分析能够打动老板？
很多HR都关注招聘完成度、招聘渠道的质量、候选人质量、离职率等，将这些数据称为“分析结果”。但是，像这样的分析结果除了“对现状有所掌握”之外，还有更多的意义吗？如果HR们将这样的结果汇报给上司或者老板的话，还期待他有什么反应呢？
数据分析是为了“获得商业见解”
什么样的数据分析才对业务有价值呢？
要想老板们不至于无动于衷，就必须让分析结果与商业中具体的行动联系起来，就必须回答以下“3个问题”：
- 应该做什么样的改变才能增加利益？
- 做出这些改变的可行性，现阶段是否能做？
- 如果能做，所带来的利益是否大于所消耗的成本？
举个简单的例子，某电商公司招聘量非常大，流动性也大，聘请了多家RPO供应商，花费几百万的资金。有没有可能降低一些招聘成本？HRD观察到，每个月供应商推荐这么多简历，会不会有重复？如果有岂不是在重复付费，白白浪费了招聘费用。于是HRD组织了2名HR进行数据统计，历时半个月终于得到了数据，企业每个月为重复简历付费的金额超过10万。这一数据发现，让HRD意识到必须做出改变。
但是每个月让2名HR花时间做这个事情又不划算。于是他们考虑采取数字化系统，自动识别重复简历。在与Moka招聘管理系统沟通后，计算了软件的购买成本，系统带来的招聘效率提升，人才库价值等等，对比查重节省的费用和人力成本，上系统带来的利益远大于消耗的成本，为企业每年节约了大约百万的招聘成本。
做数据分析的4个基础
正如上面的案例，需要改变的指标是招聘成本，HRD提出的假设是减少RPO的重复简历，就可以节约成本。于是从过往的数据中验证这种可能的存在。事实证明是可行的，然后提出可持续性降低成本的行动指南，并计算出这个行动带来的利益远大于所消耗的成本，成功的通过闭环式数据分析实现业务指标的提升。
不幸的是，数据断层的问题在人力资源的工作中比比皆是。要想实现用数据分析提升业务价值，数据的收集必须全面。
数据的准确性也体现在对数据指标的认知统一，假如有些HR认为人效=销售额/全员数量，而其他HR认为人效=销售额/销售人员数量，这两个数据得出结论可能完全不同。
站在数字化系统的肩膀上
这里以Moka招聘管理系统举例，解释数字化系统对人力资源数据分析的益处。
系统统一收集数据也打破了不同人对指标定义不一致的问题，数据更准确。
除此以外，数字化系统还能提供更加实时的数据，甚至是过往未曾想到的数据，在需要的时候也能够提取得到，这是人力无论如何都做不到的。
数据分析中HR的价值体现
再回到前面说到数据分析中最重要的是“获得商业见解”，在数据分析的闭环中，提出假设是最需要人发挥创意的地方，也是HR最彰显数据分析价值的地方。
如何提出假设，不妨试试多问几个“所以呢”。
“所以呢？”
“未来可以增加对微信公众号的曝光，获取更多的候选人。”
“所以呢？”
“可以尝试一段时间，如果运营招聘公众号的成本比渠道低，就可以持续进行。”
“所以呢？”
“或许可以用更低的成本达成招聘目标。”
……
为了让HR们的年中汇报更高效，我们特意准备了价值999元的数据分析资料包，现在免费赠送！
扫描下方图片二维码，分享给至少3位小伙伴为你助力即可获得！
