随着大数据时代的到来，数据驱动的决策方式开始受到越来越多企业的青睐。近年来，数据分析在人力资源管理中正在扮演着至关重要的角色。
优秀的公司，从来不缺HR的简历，但一直都缺优秀HR的简历。近年来，阿里、华为等大厂相继高薪放出了HR的岗位，不过招的不是传统事务性HR，而是人力数据分析师。
阿里人力资源部招聘HR：
华为招聘HR数据分析师：
大厂重金招聘HR数据分析师，给出的月薪也都不低，可见对HR数据分析人才的重视程度，这也从侧面反映出HR数据分析专业人才的稀缺性！
一、懂数据分析对HR有多重要？
01、在这人工智能+数字化时代的加持下，世界正发生天翻地覆的改变。人力资源数据分析，不仅仅是对HR个人的要求，更是企业发展的需要。
人力资源数据分析的本质不仅是用数据说话、构建指标和设计仪表盘，而且还是基于业务和HR价值创造的纵向深度价值分析与横向业务驱动分析。
HR们也不再能依靠直觉来做决定了，数据才是向领导提供战略决策的最好证据。而这些明智的决策要依赖于一个关键方面：及时掌握数据分析能力的人力资源管理者。
因此，想进华为、阿里、腾讯这样的公司，HR需要满足同一个条件，那就是具备数据分析的技巧和能力。
在人力资源岗位上，因为本身不具备直接产生效益的能力，如果还不懂得运用人力资源数据推动业务发展的，那对企业而言，只能是成本部门，不被重视，没有任何话语权，还不如外包省钱省力。
正因为如此，很多企业，都已经开始设置人力资源数据分析师岗位。通过大数据获取有关组织和人才的信息，对企业在组织和人才上未来可能产生的问题进行预测、预警、预判，并据此向业务部门提出决策建议，让人力资源真正发挥价值。
如果大家对数据分析行业感兴趣的话，可以扫码CDA认证小程序进去探索，这个小程序里提供了丰富的学习资料，包括考试大纲、学习资料和模拟题，有很多免费资料，这种羊毛不薅白不薅。
二、做好数据分析的基本条件
01、作为以数据分析为核心的HR，必须同时具备以下两个条件：
第一，实现业务驱动的数据分析
数据分析应用不仅仅停留在复盘上，更在于规划预测上。企业中CHRO或HR COE的定位便是依托数据的人才洞察与决策。
数据型HR的能力也体现在如何制定基于数据的人力资源规划，如何提升人才分析(People Analytics, PA)能力以及如何最大化人力资本效能上。
第二，挖掘数据背后的管理逻辑
数据不是纸上或表格上的数字而已，而是要通过数据分析，找到问题或者规律，分析梳理出背后的关系；
找到原因，再提出解决方案，采取行动，最后反馈评估等，形成管理闭环。
要做好人力资源数据分析，首先要对人力资源数据进行深入了解。具体而言，人力资源数据可以分为三个主要类别：
1. 人力资源信息系统（HRIS）数据：这类数据源自公司的人力资源信息系统，涵盖了绝大多数员工信息。常见的HRIS系统包括Workday、Oracle和SAP等。
2. 其他人力资源数据：有些对数据驱动决策至关重要的HR数据，并不包含在HRIS中。这些数据通常通过调查或其他测量方法获得。
3. 业务数据：虽然很难详尽列出所有相关的业务数据，但它们在人员分析中扮演着日益重要的角色。我们将讨论一些用于人员分析的基本业务数据类型。
三、数据分析背后的逻辑
01、HR用数据说话，从来不是一件简单的事情，也是HR工作里含金量高的工作之一。
只是能够做好数据分析的HR专业人才却寥寥无几，大多数HR还是“埋头苦干”的状态，并没有认识到自己手里的数据的价值。
人力资源系统中也会包含着一系列业务数据，如员工、供应商、合作伙伴、原材料、时间、地理位置、业务流程……类别多种多样。
这些数据表面看起来毫无关联，但背后往往隐藏着复杂的关系。如果我们能利用图分析技术，从关系的角度发现它们之间是如何关联、如何影响、如何依赖、如何作用的，我们就能挖掘出一些新的业务解决方案，产生一些全新的价值。
因此，对于HR而言，面对一堆杂乱无章的数据，通常可以考虑从3个角度来进行分析：
1. 横切：根据某个维度对指标进行切分及交叉分析，比如集团HR人服比的背后是不同区域公司的人服比情况，可以针对不同区域的人力指标的对比分析
2. 纵切：以时间变化为轴，切分指标上下游，比如春秋招的offer周期对比、秋招与去年秋招同期的offer周期对比等
3. 内切：根据某个模型从目标内部进行划分。比如如果我们将招聘流程视作“获客-转化”的过程，就可以使用近似使用“AARRR海盗模型”对候选人群体进行漏斗分析
事实上，无论是在阿里还是华为，或是其他大厂，有非常多职位都需要数据分析技能。无论你是专职数据分析、还是从事具体的人力资源工作、或者是财务管理、销售运营、到客户服务... ... 这些职能都需要你掌握数据分析技能。
对于职场，尤其是HR而言，如何能获得更多的有关自身的数据，如何能在更多的纬度量化自己，如何能有效的利用这些数据，将成为人和人之间最大的区别所在。
在这个数据驱动的时代，数据分析已经成为了企业决策的核心。它不仅帮助我们从海量数据中提取有价值的信息，还能预测市场趋势，优化业务流程，几乎是每个职场人必修的课程。