布莱恩·贝瑞|2019年2月28日
越来越多的公司正在将分析和数据科学程序应用于其业务的新领域。人力资源（人力资源）管理，在管理中的核心作用人在企业中，是一个这样的领域。HR Analytics是一种基于事实的管理方法。基于事实的方法有助于组织验证他们对如何最好地管理人民的假设。这使得良好的商业意识：平均而言，公司将以70％的预算为人员费用。使用数据和统计方法，人力资源可能会寻找以人为本的问题，例如：
- 我们可以更好地了解劳动密集型业务的员工缺勤率，如零售，食品服务或工业制造业吗？我们可以预测吗？
- 我们的赔偿现实是否反映了公平和平衡的工作分类政策？不同的是，哪些因素是最预测的补偿：我们想要奖励的因素（即教育水平，在职绩效）或我们需要忽视的（即性别，年龄或比赛）？
- 我们真正的员工流失率是多少？我们可以识别员工前往门，采取预防性步骤吗？
- 我们的服务响应时间是否在客户需求中与尖刺保持步伐？
这些问题还有更多，可以通过数据集，数据科学和统计来回答。但怎么样？分析涉及超越那些被认为是“传统”的技能。了解招聘，招聘，射击和赔偿是理解人力资源流程的关键。但是，人力资源专业人员往往以数据驱动的方式努力回答这些问题，因为它们缺乏执行高级分析所需的各种技能。这些技能包括统计和数据分析技术，数据聚合和数学建模。找到正确的数据可能是另一个挑战。数据分析需要数据，并且该数据可能驻留在几个不同的系统中。IT专业人员发挥着关键作用。最后，与业务的沟通是一个关键技能。 HR Analytics projects may produce analysis and models that contradict conventional wisdom. Action on these insights requires the team to communicate the what, why and how’s of Data Science.To be successful, HR Analytics projects require five distinct skillsets to be successful in creating value for an organization.
- 没有商业输入，HR Analytics项目可能会回答没有添加到组织的值的问题。
- 没有营销输入，业务人员分析的见解将无法通过业务通过。
- 没有人力资源输入，团队将难以识别相关数据并解释结果。
- 没有数据分析输入，分析将“陷入第一架” - 生成基本描述性统计（即平均值和总数），但从不前进到诊断（即根本原因）或预测（即机器学习）模型。
- 没有它输入，团队努力以可用格式获取相关数据。
人力资源领导人必须与分析进行成功的所有所需的观点和技能。业务，营销，人力资源和它是大多数组织中的常见观点。但是，数据分析专业人员能够清除数据，识别候选预测模型和评估模型输出，通常缺乏。我们鼓励人力资源专业人士，兴趣了解更多信息数据的力量， 至伸手到我们的数据分析咨询服务团队。我们的目标是帮助您了解数据科学过程，识别商机，并潜在提供填补丢失件的分析服务。
