一位HR朋友，经验丰富、业务能力很强，最近被提拔为HRM。

领导要求她做各种各样的人力资源分析报告，但领导都不太满意。

我问她，你都怎么做的报告呢？她很快发我了一份PPT：

截止到xx年x月x日，公司共有2857人，其中男性员工1819人，占比64%，女性员工1038人，占比36%；……

还有年龄、文化、岗位、司龄等方面的介绍。

看到这里，你有发现什么问题吗？

有人说，里面的数字算得不对吗？仔细算了算，数字好像都对。

有朋友说，是里面的文字太多了吧，没有图形？其实她在后面根据数字制作了很对相应的图表，

那就没有问题了吧？平时不都这样做的报告嘛。

确实，很多公司都是这样。

当老板说：你们HR不要总把自己当作文员，要量化管理，要数据分析。

于是，HR们就做出这样的报告。

但交给老板后，并没有得到老板的肯定。

问题到底出在哪儿呢？

问题就是三个字：没有用

比如上面说的“男性员工占比64%，女性员工占比36%”，这两个数字是公司希望看到的，还是不希望看到的呢？

再比如“30岁以下员工占比39%，50岁以上占比14%”，这两个占比是好还是不好呢？

还有研究生占比2%，专科占比19%，是偏高了还是偏低了呢？

这种数据是没有思想和灵魂的，老板当然不会满意，因为没有给他解决任何问题，没有给他产生任何价值。

我们总结下来，HR在做数据时容易犯4类错误：

1）为了量化而量化，只有数据，没有分析；

2）为了数据而数据，有了分析，没有结论；

3）为了分析而分析，有了结论，没有行动；

4）为了报告而报告，有了行动，没有评估。

用数据陈述一个事实，没有任何意义；

对数据加工分析之后，发现问题所在，形成行动方案，对行动结果有进一步的分析和评估，才是一个完整的、有价值的数据分析。

HR在做数据分析时，往往有错误的认知：

认为有很多数字、表格的才叫数据分析；

认为分析的越复杂、越让人看不明白，分析的质量就越高。

这里需要先纠正一下认知的问题：

1）数据不仅指数字，而是指对企业有价值、可处理的信息。这种信息可以是数字、文字或者图形。

2）数据分析绝不是越高大上越好，相反，很多对公司有用的分析，原理并不繁琐，呈现的结果也并不复杂。只要原理和逻辑对了，往往是一目了然的。

3）数据分析的目的，是为了解决问题，而不是为了做报告。

4）只要能解决某个问题、达到某个目的，就是好的数据分析；如果不能实现某个目标、解决某个问题，就是没有用，就不是好的数据分析。

举个例子。

拿前面说的男女员工占比的数据来说，到底是公司希望看到的，还是不希望看到的？

我们引入某个行业或市场来做判断，一共有三个信息：

1）公司所在行业是精密零部件的生产加工，因为有部分手工操作，非常适合女性劳动者；

2）行业协会的数据和公司的实践，也证明了女性职工的效率更高；

3）竞争对手的女性职工占比是64%，而且竞争对手的效率明显高于我们企业。

有了这3个信息后，再看我们自己的男女员工占比，是反过来的；

下一步要怎么办呢？

有人说开始裁员，把男性员工裁掉一部分。

这种方式简单粗暴，短时间内会大量增加企业的成本，反而会降低效率，对公司形象也不利。

那该怎么办呢？

我们可以先了解一下员工自然流失的速度。

比如现在每年操作工的流失率是20%，加入现在开始，每流失一位员工，都用女性员工来补充，那么理论上2年时间可以把男女占比调整为4:6。

这样的行动方案拿给老板，看起来就是靠谱的。

当然在这两年内，还要不断做评估和调整。

这个例子，只是一个非常简单的演示，其实还有很多问题没有考虑。

比如，到底4:6的男女比例是不是效率最高的比例呢？

不确定，还要根据岗位设置等具体情况作进一步的细分评估，也就是判断每一个岗位，到底是更适合男性还是女性。这些岗位加和之后的比例，才是最优的比例。

再比如，现在我们公司的男女比例达到了最优比例，是不是这个问题就解决了呢？

不一定。有可能一些男性职工所在的岗位，其实是更适合女性职工的，也就是不同岗位的男女分配并没有达到最优。

所以要找到相应的问题，数据分析就要细化到相应的维度。

同样的思路，年龄、司龄、学历等其它维度，也可以找到相同的问题。

然后形成方案、采取行动、持续评估。

这样，我们就不是简单的罗列数字，而是真正的深入分析问题、解决问题了，这样HR创造的价值也显而易见了。