阿卡德米见证人力资源数字化转折（最新发布）

本网12月16日讯 人力资源管理传统上被视为纯粹的“人的职能”，与数字无关。而现在它则被置于一个独特的位置，运用公司的数据来驱动组织中的人乃至整个组织的绩效。人力资源数字化的转折点即将到来。

1月8-9日阿卡德米人力资源数据分析公开课，四位国际专业数据以及人力资源专家携手带来----最具启发性和实战性的人力分析讲解

用数据最大化人才的投入和产出

数据跟人力怎么结合，他们的结合点在哪里？

人力资源数据分析和人力数据分析的不同在哪？

人力的数据，和大数据，是一个概念吗？

人，到底能不能用数据预测？是人管人，还是数据管人？

阿卡德米为什么要做数据分析，数据分析的本质是通过数据，去验证我们的理论。它的结果可以是证明了我对一件事情的假设，但结果也可以是证伪了这件事。一旦被证伪，在这个被证伪的过程中，就会发现以前不知道，现在通过数据才会发现的规律。

美国超市通过数据挖掘发现，每周五晚上，总有个东西和婴儿纸尿裤一起卖的最好的，你猜会是什么？是奶粉吗？其他的婴儿用品？都不是。和婴儿纸尿裤一起卖的最好的是啤酒。

我在一家美国服装科技公司工作的时候，发现每次用户购物和最贵的牌子一起买的衣服永远是便宜的H&M，说明奢侈品和快消之间根本不是竞争对手，而是相辅相成。

90后离职是因为他们想来一场“说走就走的旅行吗？”还是因为我们企业对90后的管理是不合适的？到底应该如何区别管理90后？怎样的经理可以减低90后员工的流失率？

就像金融通过数据进行风险管控，筛选投资组合，最大化金融收益，企业的管理者如何利用数据最大化人才的投入与产出？

“管理者要从负责提供直觉的人转变为搜寻真相的引导者，每个决策都因依据最有用的事实。”

我们所处的物联网时代，每个人在企业内外，都在时刻产生大量的数据。首席人才管如何采集，利用，分析，应用这些数据，是为企业提升竞争优势的一大法宝。

数据不神秘，但很神奇

当拿到数据时，如何利用数据得出结论或者做出某些决定呢，一定的统计知识可以帮助企业更全面的理解问题，进而找到解决方案。同时对数据的统计分析是一个由浅入深的过程，变量的类型有哪些，他们都有哪些特点，我该如何描述一个变量，比如我公司的员工的个人收入，和公司的薪酬级别分别属于什么样的变量呢，对于连续型变量就引出了仲数、均值、方差等概念，进一步又可以引出概率分布的概念，这些属于描述性的统计，除了个人收入的变量，是不是可以联想到房价，资产组合的收入都可以用这些概念来描述，再进一步还会有假设检验的概念，用样本数据来推断总体特征，这就又属于推断统计的范畴，比如想调研华东五市某一行业，人员的从业时长和薪酬成本，在短时间，一定的成本下调研到每一个人，这显然不实际，这时候中心极限定理就起到了作用，再进一步，影响员工敬业度的因素中有领导力，全面薪酬水平，与同事关系，个人成长的机会等，那么敬业度与全面薪酬水平直觉上是有关系的，那么有没有一个量化的指标来衡量呢，此时你可能想到了相关系数，那么能不能用一个表达式来精确描述呢，能不能把刚刚所有因素全面包含进去呢，这就引出了全部线性回归，多元线性回归以及如何判定这个模型是否满足我企业的需求，比如全面序列分析，希望能在课在分享给大家

人员管理案例一瞥

背景：

全球旅行行业的领先技术提供商Sabre因减员/增员不稳定，造成其高绩效员工流失率从5％跃升至9％。

分析：

第一步：为了解高绩效员工离职主要痛点，人力分析团队审查了以下维度：团队组成、人员

技能、职能、职能与招聘工作描述差别、任期时间和薪酬比例。分析确定离职影响

率最高的因素。

第二步：追踪已离职人员职位等级、考核评分、薪资变化、性别、加班时间和职能数据。按

部门和职位等级分类，建立离职员工画像。

第三步：结合离职影响因素和离职员工画像，创建离职风险评级体系。

洞见：

发现近220名员工有超过15%的可能性会离职去其他公司。其中技术类人员（如软件开发工程师）占比最高。

采取的行动：