数据分析怎么做，数据分析怎么做有哪些指标和数据？

在讲具体怎么做之前，让我们先把自己放在“高位视角”，学着从更高角度去思考问题，当然也不会让你瞎思考。
我会先带你看清楚整个市场环境和HR行业的变化规律，再带你想明白为什么我们要去做数据分析这件事，这件事的价值在哪，以及具体要怎么做。只有把这个思考链路想通，你才能真正懂得如何正确去做数据分析。
思考1：数字化大环境——向HR行业渗透
市场环境：数字化热度持续上升根据百度搜索指数的综合统计，自2016年起，数字化热度持续上升，2020年疫情后出现明显拐点，以更快的速度上升。
资料来源：穆胜咨询
HR行业：开始重视数据的重要性根据《中国企业人力资源效能研报》，2021年有50.1%的被调研企业表示：开始重视数据化人力资源，并设有负责此项工作的专职员工/团队，用以沉淀人力资源数据。对比2020年疫情前后，该比例已持续上升5% 。
这些信号充分说明了一件事：数字化时代已经来临，不懂数据的HR必然面临被淘汰的风险。
打开招聘软件，你就更能直观感觉到在数字化转型浪潮下，诸多大厂已经开始对HR提出了全新的要求。
总结下来，这类HR岗位的职责主要有：
对比传统HR职能，这种进步已十分明显。真能完全做到以上三点，HR再享受5年的“专业变革红利”不成问题。“红利”反映在什么地方？无非就是HR们的身价（钱）和地位（权）嘛。
思考2：为什么HR要花时间去学数据分析？是真的有价值，还是只是面子工程？
在上文我说了市场和行业的影响，但你再往前独立思考一步：市场和行业有这个要求，我就一定要去学吗？学了有什么用？是真的有价值，还是只是面子工程？
【数据分析怎么做，数据分析怎么做有哪些指标和数据？】

文章插图
在这块我不说套话，反正说来说去也就是一句话：时代的一粒灰，落在每个人的头上都是一座山，数字化时代就是说明了数据的重要性，所以在这个时代的我们必须都得学会数据分析。当然，时代也不是傻的，数据分析确实是能帮助我们看清业务优化的方向以及提高工作效率，但这取决于你做数据分析的目的和思路是否正确。
思考3：HR如何正确学习数据分析？具体学习路径如何规划？
避雷：3种最常见的错误数据分析方式牢记：三步走，按照正确路径学习数据分析思考4：HR做数据分析，具体分析哪些指标数据，以及如何输出分析结论？
按模块来说一、招聘模块1、招聘入职率：应聘成功入职的人数÷应聘的所有人数×100％。
2、月平均人数：（月初人数＋月底人数）÷2
3、月员工离职率：整月员工离职总人数÷月平均人数×100％
4、月员工新进率：整月员工新进总人数÷月平均人数×100％
5、月员工留存率：月底留存的员工人数÷月初员工人数×100％
6、月员工损失率：整月员工离职总人数÷月初员工人数×100％
7、月员工进出比率：整月入职员工总人数÷整月离职员工总人数×100％
二、考勤模块1、个人出勤率：出勤天数÷规定的月工作日×100％
2、加班强度比率：当月加班时数÷当月总工作时数×100％
3、人员出勤率：当天出勤员工人数÷当天企业总人数×100％
4、人员缺勤率：当天缺勤员工人数÷当天企业总人数×100％
制作：FineBI——部门考勤情况分析
模板：部门考勤分析案例
得出有用结论：研发组的平均工作时间最长，但迟到率是最高的（迟到是否仅作为参考项），公司研发岗位业务量很重，接下来公司新增加的研发任务需要新招研发岗位来做。财务组的平均工作时长最少，需要查看一下人事饱和度，近期不考虑增加财务组新岗位。