人力数据分析精要：建立数据驱动人力决策的思维

人力数据分析（People Analytics）是近几年在人力资源领域里被讨论得越来越多的一个话题。这个神秘领域里的先行者们希望通过使用数据和分析技术，从而推动更好、更快和更准的商业决策。人力数据分析就是把数据科学及其原则应用到人员管理领域中，它也是基于事实管理人员的一种方法。本书提出人力数据分析五步法则：? 提出正确的问题 （Ask the Right Question）? 挑选合适的数据 （Data Selection）? 数据清洗（Data Cleaning）? 数据分析 （Data Analysis）? 解读与执行 （Interpretation ＆ Execution）

Erik Van Vulpen （埃里克 ? 范 ? 沃普恩）

拥有荷兰乌得勒支大学的工业与组织心理学硕士学位，以及阿姆斯特丹自由大学的MBA学位。他长期致力于研究数据分析技术在人力资源领域的应用，创立了人力数据分析学员（HR Analytics Academy），为人力资源从业者们提供在线的学习课程。同时，他还创立了digitalHRtech.com网站，专门介绍关于信息技术在数字化HR领域的应用。另外，他还是乌得勒支大学经济学系的兼职讲师。
范珂

西安交通大学学士、美国康奈尔大学人力资源管理硕士，加拿大人力资源管理协会中国分会的创始会员和认证讲师。他是HR成长部落和HR公众号“行走的帆”创始人，曾担任沃尔沃汽车公司亚太区人力资源总监、拓朗半导体亚太区人力资源总监。他也曾就职于多个世界500强公司的人力资源部。在进入人力资源行业之前，他服务于天津开发区管委会经济发展局。他著有《世界500强人力资源总监管理手记》，译有《奈飞文化手册》《卓越领导之旅》等多部畅销书。

序
“人力数据分析”（People Analytics）是近几年在人力资源领域里被讨论得越来越多的一个话题。波士顿咨询公司在2017 年出版的一份报告中指出，未来影响组织对人才需求的因素之一是大数据和高级数据分析技术。德勤有限公司也曾经在2017 年的年度全球人力资本趋势报告中指出，
人力数据分析会成为未来五年内人力资源最重要的发展趋势之一。
德勤有限公司在报告中这样写道：人力数据分析团队会更加成熟，他们不再只是简单地管理和处理统计数据。我们预计可以看到人力数据分析从人力资源内部的一个不起眼的职能，发展成为一个重要的业务运营职能…… 随着所有的数据变得更加容易获取，人力数据分析团队在各个领域的重要性会日益显现，包括管理和领导力等。设计每一项政策、推出每一项福利，以及组织面临的每一次变革都应该以数据为依据。
其实，人力资源一直就是一个频繁与数据打交道的部门。常见的人力资源职能，无论是招聘、薪酬还是绩效，最后的工作结果都是与数据分析分不开的。那么，为什么人力数据分析这个话题近两年会突然流行起来了呢？我的分析是有以下三个原因。
第一，信息技术和数据分析工具日益成熟。今天互联网技术的发展，让我们收集和分析海量数据成为可能。通过收集数据、分析数据，找到数据背后隐藏的规律，预测数据未来的变化趋势，是今天人工智能技术的基础。无论是淘宝购物还是滴滴打车，都让我们每一个人感受到了现代数据分析技术的神奇并从中受益。
同样地，数据分析技术的发展也让人力资源有机会脱离原有的手工作业模式，利用新的方法来收集和分析关于员工和市场的大量数据，从而更好地为人力资源决策服务。
今天，很多公司将人工智能技术应用到员工招聘上，既节省了人力成本，又提升了工作效能，这是对最新数据分析技术应用的一个印证。
第二，数据分析开始改变众多的业务部门。那些与数据打交道最多的部门，包括生产、运营、市场、销售、财务等，都开始应用最新的数据分析技术来指导工作。今天，随着市场环境的变化，数字化转型成为很多企业打造自己核心竞争力的手段之一。我前不久采访过一位500 强公司的工厂厂长，厂长甚至断言：“那些到现在还没有考虑数字化转型的传统行业公司，未来只有死路一条。”而数字化转型的基础，就是要求身在其中的每一个人具备数据分析思维和一定的数据分析技能，这里当然也包括HR从业者。
第三，人力资源职能自身的发展需要。尽管人力资源长期就是一个广泛与各种数据打交道的部门，但是出于自身基础和受重视程度的原因，很多HR 从业者在面对大量数据时，要么视而不见，要么无从下手，无法像他们的业务伙伴那样把数据转化为服务于工作目标的一种重要资源。
很多人最后还是依靠主观经验的判断在工作中做决策。当人力资源业务伙伴纷纷通过数据分析来驱动决策时，HR 从业者未来依靠主观经验做决策到底还能够走多远，值得打上一个巨大的问号。
在这个方面，世界上应用人力数据分析最领先的公司是谷歌，它给我们树立了一个标杆。谷歌的HR 部门名字并不叫作“Human Resources”，而是叫作“人力运营”（People Operations）。谷歌用“运营”这个词，也是希望HR 部门能够像其他业务部门一样重视数据，以科学的数据分析，而不是靠主观经验来驱动日常的工作决策。谷歌前任首席人才官拉斯洛·博克曾经在《重新定义团队》一书中写道：“谷歌的任何人力资源决策都不是来自哪个最佳实践，一定只会来自内部的数据分析。”
尽管数据分析对人力资源十分重要。然而，在现实中，当很多HR 从业者开始学习数据分析时，都发现难以找到一本适合自己入门的书籍。现在电子工业出版社引进的这本书，终于填补了这一空白。
如果你未来准备系统地学习人力数据分析的知识，或者准备在公司内部应用人力数据分析，那么本书可以成为一份很不错的路线图。作者埃里克·范·沃普恩在书中系统地且深入浅出地介绍了人力数据分析的发展简史、一般的分析流程，以及常用的数据分析技术。这些内容可以帮助你迅速了解人力数据分析中最重要的思维、概念和应用。
如果你读完本书再去学习更加深入的人力数据分析技术，就比较容易做到有的放矢和事半功倍。
最后，感谢电子工业出版社把这本有重要意义的书引进给广大中国读者，祝读者阅读愉快！
范珂
2019 年6 月

前言
某位人力数据分析负责人正在加班，让我们姑且叫他亚历山大。他所在的公司是世界上最大的科技公司之一，这家公司已经暂时确定了一项关键的、价值数百万美元的新业务在中国的选址。
亚历山大有些好奇。他手上有公司的人员计划，里面包括公司在新址开张时所需员工的人数和技能信息。他还有一些预测，包括新址在前三年扩张时所需的新增员工情况。然后，他将自己的组织方案和外部人才供求数据做对比，这些数据是他让团队为中国的这个暂时选址所收集的。
不久他就认识到问题所在：这个区域不但没有足够的技术熟练的员工，而且仅有的少数人才也因为来自该地落户公司的高需求而供不应求。亚历山大立刻预感到了自己的公司会犯下一个昂贵的
错误，这个错误可能导致数百万美元的损失，并且会让公司的新址无法实现既定增长。于是，他转而考察曾经考虑过的中国其他城市的人才供求数据。在从人才的角度找到更加有利的选址之后，他便和公司的其他数据分析人员一起合作。很快地，他们向董事会提出了一系列更好的建议，以便进行下一步行动。
亚历山大所从事的是HR 里一个新的成长领域，其叫作“人力数据分析”。和亚历山大一样，这个领域里的先行者希望通过使用数据和分析技术，从而推动更好、更快和更准的商业决策。像德勤有限公司的贝新，这类HR 专家所做的大量研究表明，那些成功实施人力数据分析的公司和它们的同僚公司相比，拥有更好的人才结果和更佳的财务表现。
人力数据分析是人力资源里被讨论得最多的一个领域。在纸媒和社交媒体发布的相关文章中，数据分析人员预测人力数据分析将成为人力资源的核心职能。此外，致力于讨论该话题的各种大会在全球正蓬勃发展着。然而，采用了人力数据分析的公司数量仅仅呈现出缓慢上升的趋势。
为什么会这样呢？部分原因在于，很多HR 从业者对人力数据分析感到困惑，他们不知道该从何入手，数据分析所需要的很多技能在历史上从来就没有出现在HR 从业者面前。很多关于人力数据分析的文献都过于理论化，在HR 从业者寻求指导时，不但没有帮助，反而让他们感到困惑。
在本书中，作者埃里克·范·沃普恩成功地揭开了人力数据分析的神秘面纱。他通过本书，为那些希望开始实施人力数据分析，以及希望将人力数据分析提升到另一个高度的公司提供了一个实用的指南。对于那些希望超越静态报告，并且希望不仅改善商业结果，还帮助员工更好地工作的人来说，本书是非常理想的工具。
在本书的十个章节中，读者将了解到什么是人力数据分析及其简要发展历史、为什么它越来越受欢迎、人力数据分析的不同成熟度，以及人力数据分析所需的技巧和能力。埃里克·范·沃普恩也会带读者了解人力数据分析的流程：如何提出正确的问题（关于商业），挑选、清洗和分析数据，以及解读、传达数据分析结果及其带来变革的关键组成部分。
我相信在读完本书之后，读者将更有见地、更具信心，并且更敢于抓住人力数据分析所带来的机遇。希望读者喜欢本书，并且祝读者的人力数据分析之旅好运。
戴维·格林

第一章 人力数据分析 001
什么是人力数据分析 003
人力数据分析所需技能 006
为什么人力数据分析如此重要 010
人力数据分析的未来 014
第二章 人力数据分析的发展简史 019
泰勒主义：效率为王 020
人际关系运动：为什么人很重要 022
人事管理 024
人力资源管理 025
人员管理和数据分析 026
第三章 为什么人力数据分析如此受欢迎 029
人力数据分析还是HR数据分析 030
数据分析能为HR从业者和组织带来什么 033
为什么人力数据分析还未成为主流 047
第四章 人力数据分析成熟度模型 053
第一等级 060
如何达到第二等级 060
第二等级 061
如何达到第三等级 062
第三等级 064
如何达到第四等级 064
第四等级 065
第五章 团队技能 067
业务场景 070
市场营销场景 072
HR场景 075
数据分析场景 077
IT场景 079
为什么需要全部五种技能 080
人力数据分析流程介绍 084
第六章 提出正确的问题 087
常常从优先的业务开始 090
为什么HR从业者应该和创造价值有关 095
第七章 挑选合适的数据 101
数据分析的层级 102
场景的重要性 104
结果的复杂性 108
第八章 数据清洗 111
为什么数据清洗很重要 112
数据管理 113
数据清洗流程 115
一份简单的数据清洗清单 118
第九章 数据分析基础 123
描述性分析 124
预测性分析 125
指导性分析 128
案例1：相关性分析 129
案例2：回归分析 132
案例3：决策树 138
案例4：随机森林 142
第十章 解读与执行 145
检查结果 146
解读结果 148
呈现结果 151
投资回报率 153
清洗和重复 155
HR数据分析项目失败的五个原因 156
结论 163
参考文献 165