GHRC大咖分享 | 朱波：人力资源数据分析的“四量”建模与决策逻辑（最新发布）

2020年12月11日，在摩卡研习社联合Moka举办的GHRC全球人力资源管理大会上，原隆基股份(601012)HRVP、陕西省人社厅人协顾问，现任华为(北京)鲲鹏生态联合创新中心人力资源总经理的朱波发表主题为人力资源数据分析的“四量”建模与决策逻辑的演讲，从存量、增量、数量、质量四个角度进行了人力资源数据分析建模。

关于朱波：现任华为(北京)鲲鹏生态创新中心顾问专委会主任委员、北京朝阳国际科技创新服务有限公司顾问、陕西省人社厅人协顾问、原隆基股份CHRO(首席人力资源官)，曾任亿达中国人力资源中心总经理、百度天津分公司人力资源总经理、东方园林人力资源总监等职务。

本文节选自朱波老师的现场分享：

2016年我离开了北京，每年年底回来与各位同行一起交流一下关于人力资源的事情。同大家汇报一下，最近几年我究竟做了哪些事情。在这个过程中，把过去关于数据分析的一些“土办法”，分享给各位。

01一些正确的废话

首先，经过我大量的观察与分析发现：数据分析的服务对象，是直接上级。数字化的领导力模型显示，对于数据分析，直接上级这样一个服务对象是跨不过去的，如果不满足他的要求，达不到他的标准，数据是出不去的。

其次，数据分析的决策关键，还是直接上级。什么样的数据能够往上反映，甚至向更上级汇报时，他要求这个数据怎么调整，调整到什么状态才满足现在这样的管理应用场景。

最后，数据分析的终极应用，是净利润。无论如何调整，都可以从财务报表中看到企业的成本、亏损、盈利与否、净利润是多少。每一级管理者，都应该把这一项指标作为数据应用的终极指标。

总结起来就是“不忘初心，牢记使命”。数据分析的“不忘初心”，是要围绕盈利，服务决策者;数据分析的“牢记使命”，是只要我参与的数据，就一定要扛起责任。那如何做到数据分析的“不忘初心，牢记使命”呢?即坚持，“不要脸”的坚持。委屈也好，被领导骂也好，只要数据过你的手，就要扛起责任来。

数据分析的原则是专业为商业服务，而非独立地提供服务。

02数据分析的一般流程

我把做数据分析常规的操作流程罗列出来，它不一定适合每一家企业，也不一定适合每一个行业，仅供大家参考。

数据获取

数据获取时经常要考虑，获取途径是什么;究竟是人工统计速度快，还是信息化手段速度快;获取效率、获取准确度、获取数据成本投入如何，它的难易程度怎样，值得不值得，都要在内心好好衡量。

数据收集

收集数据时，在多因素影响下，统计口径可能不一致，那么就要对多个变量进行相应调整。领导的单一统计口径不应该作为标准，统计口径应该是多元的，而不是统一的。当统计口径多元化后，A情况下用A数据，B情况下用B数据，来应对不同的管理要求和管理场景，服务于短期战略的落地和调整。

数据建模

数据建模要考虑变量的元素、框架，横向关联，如何矩阵化看一个数据变动引起其他管理场景的联动。需要有模型的架构设计，加之各个变量的考量与选择，它们之间的逻辑关系等等。

数据标准

数据分析的参考标准、实际标准和应用标准，是三套标准，也就是参照逻辑是与自己比较，还是与行业比较，内外部标准的对标和校准是什么。如果是技术驱动型公司，随着技术革命，有可能产生巨大变化，那么就应该有一整套逻辑体系作为支撑。

数据决策与数据应用

数据决策包括决策的导向、决策的风险评估、决策的沟通反馈、后续策略的制定;数据应用包括应用的软硬件条件、成熟度、步骤，应用场景适配与优化，新数据的产出和检验等等。

接下来会详细说明“数据建模”和“数据决策”这两个环节。

03数据分析的“四量”建模

我把数据分析总结为“四量”建模：存量、增量、数量、质量。

这个图可能很抽象，图中不同的线有不同的线上所依附的标准和变量，以及变量之间的联动关系。当中间这部分在做调节时，企业一定是不平衡的，要么朝向增量拉动，要么依靠存量进行相应升级。

很多国企增量是比较小的，国企采用稳步的社招，需要以一个人的质量为重，在数量环节的比重会比较小。