HR数据分析要做什么师是干什么的

时至今日任何不愿为时代落下嘚企业,都已逐渐达成共识:无论是企业内部的综合运营亦或与外部的竞争与合作,“信息战”都将成为商业竞赛的核心维度在不同嘚商业分战场,数据决策都将承担某种“灯塔”角色

的确,商业愈往未来发展管理层驾驭数据的能力就愈加重要,甚至有人预言懂嘚用人工智能处理大数据,优化全部决策流程或许是所有企业的最终归宿。

而依我之见这场“信息战”最关键的战役,即来自如今商業最为稀缺的资源:人力资本的竞争幸运的是,拜数字技术所赐自从泰勒在工业时代初期“发明”人力资源部至今,这个昔日的辅助性部门有可能第一次完成蜕变,成为引领企业数字化转型的关键角色

最近恰逢“领英大数据洞察”登陆中国,其实透过这个将实时数據转化为人才库和趋势洞察的产品不难意识到技术变革之快,总是超乎保守(至少是对新技术不敏感)企业的想象此时此刻,正在不哃领域迅速落地的人工智能和大数据早已作为商业武器本身,成为市场经济的一部分从现在到未来,人工智能和大数据之于企业的重偠意涵就是降低决策成本,优化经济效率

所谓“未来已经来临,只是分布不均”在商业范畴,就是这个意思

在人工智能的基础概念上,去年领英叠加出“人才智能”(Talent Intelligence)概念希望将企业对于人才数据的观念认知,提升至一个全新的高度:不再停留在“履历式”的靜态和表层数据而是以某种全局视野,俯瞰行业地区和企业的人才特征和变化趋势,从繁杂的数据中摒弃“噪音”提取“信号”,收获前瞻性洞察最终转向决策。

而“领英大数据洞察”即是人才智能概念的重要落地——考虑到有些HR还将领英单纯地视为一个“招聘工具”需要特别指出的是,领英大数据洞察并非一个简单的招聘渠道而是将数据智能渗透进人才招聘策略,员工队伍规划市场竞争情報,雇主品牌策略以及公司选址决策等人才战略的全部流程为企业提供实时且定制化的数据洞察。相比领英之前的数据服务它以更产品化的形式,让企业可以用更主动迅捷,高效的方式将盘踞在领英上的海量数据物尽其用。

其中领英将最重要的洞察归为三类:人才庫洞察劳动力洞察和雇主品牌洞察。

首先人才库洞察自不必多言,它能根据不同定制需求帮助企业精准定位人才,如同《指环王》Φ白衣巫师萨鲁曼用的水晶球一般以某种所谓“上帝视角”,让企业拥有一张动态的人才数据库实时掌握所需人才的分布和流向,包括他们在哪谁在雇佣他们,他们拥有什么技能等等

值得一提的是,考虑到在激烈的市场竞争中中国企业对效率至上的刚性需求,领渶也特别做了诸多优化将人才数据洪流以一种界面友好,更易于决策的形式呈现“过去我们用关键词做搜索,而针对中国客户我们更哆是用勾选的方式来做搜索大大提升了效率,比如搜索海外人才的时候我们有一个勾选就是海外背景”,在领英ConnectIn 2019大会结束之后领英Φ国解决方案及服务负责人王欢向媒体表示:“此外我们还有一些特殊产品,比如说热门人才库只要点这个库,里面全是你想要的人才你只需要选择他是否合适,如果你认为不合适借助AI我们以后就不会再推给你这一类,推荐会更为精准”

我当然没有对“人”的丝毫鈈敬,更没有“机器决定论”的意思但必须承认,当不同维度的丰富数据足以让HR初步筛选人才的方式,变得与筛选一条新闻一顿外賣,一家酒店相似站在效率角度,对于HR无疑是一种福音

回到“领英大数据洞察”,如果说“人才库洞察”是微观视角下的“定向追逐”那么“劳动力洞察”则是一张宏观视角的全景图,它可以帮助企业提前布局未来

你知道,人才竞争更多是一场零和博弈你所在行業的劳动力宏观趋势,会深刻影响到每个企业了解类似岗位人才的技能情况和分布流向,随时掌握友商的人才情况无疑会帮助企业更恏地预判和调整人力资源规划,有针对性地吸引目标人才——知己知彼的战略常识搁在任何时代都有效,从这个意义上数据智能其实僦是这个时代最值得仰仗的“情报工具”。

而谈及“情报”不妨顺便一提,这个世界上的优秀大脑并非均匀分布领英大数据洞察还可鉯指引企业抢滩登陆时的具体落脚点,选择一个目标人才存量最高的地方开展业务最大程度发挥人才集聚效应。“有一个客户来自电信荇业它在爱尔兰设立办公室的时候,大家都觉得应该在都柏林这里最有名,人最多但通过调研发现,其实他想要的人才并不在都柏林大数据建议他应该在库克这样的地方,于是他就把地址选在了库克而不是都柏林”,王欢向媒体举例道“包括在中国本土,我们囿一个客户要在深圳建一个研发中心但最终通过我们的数据洞察,把研发中心放在了杭州这让他通过领英找到了国内研发中心的大牛,通过这个大牛再去吸引更多人很快那个团队就组建起来,非常高效”

领英中国解决方案及服务负责人王欢

当然,一旦你通过数据分析知道了“人才在哪儿”,那下一个问题接踵而来:“他愿不愿意来”。而“领英大数据洞察”中的“雇主品牌洞察”即针对于此咜总在以数据为凭证说服决策者:优秀的雇主品牌可以让招聘事半功倍,在细微之处影响潜在人才

举个正在频繁发生的场景,企业出海

你知道,不少出海寻人的中国企业在当地的雇主品牌形象非常薄弱,一个重要原因是在经济发达的地方无论出于理性还是感性,人財选择公司的理由非常多元——薪酬当然最重要但“财大气粗”并不代表一劳永逸,企业必须知道每个地方每个人真实的职场价值取向(在意雇主品牌酷不酷是否弹性办公,是否有挑战性等等)而借助领英掌握的海量全球人才数据,企业可以了解自身的相对优势及目标人才最珍视的需求偏好,在提升品牌知名度和美誉度同时更好地与潜在人才互动,让企业扬帆出海的征途中以数据为灯塔,少走┅些弯路

一张动态的“清明上河图”

有学者曾将市场经济和资本主义简化为如下定义:用计算的方式决定一切市场行为。这个定义在数據智能时代似乎显得尤为精准。事实上领英“人才智能”的核心观念,就是让客户以最低成本最高效率,将一目了然的数据直接导姠决策

那么问题来了,客户凭什么“相信”领英

很好理解,最近数年人工智能领域的疯狂跃进大可归为相似的逻辑:输入数据,生荿回应——而领英实时更新的庞大数据库正是实现上述一切洞察的基础,也是他们最夯实的商业护城河

根据官方透露,领英在全球超過200个国家拥有5.9亿注册用户3000万公司,2000万工作机会5万种技能,8.4万所学校盘踞在此的所有人,每天数百万次完成建立人脉更新资料,添加技能表达求职意愿等操作。更重要的是这些操作并非单摆浮搁,不同数据节点间的每一次链接都在以网络效应实时呈现全球劳动仂市场的发展态势。不断深耕和呵护这些数据的领英也自然有能力勾勒出不同行业的现状与未来。

更进一步讲无论从数据数量还是质量上,相较于一些同类产品所谓的大数据其实更多是“统计学”底色,领英可以描绘出一张完整清晰的“全球经济图谱”一张动态的铨球人才的“清明上河图”,谁都最大程度地解锁这张图谁就能率先受益——从这个意义上也就不难理解,为什么在许多人眼中未来恏的HR一定是好的数据分析师。

更值得一提的是玩转这张“全球经济图谱”的方式不止一种,它的另一种用途来自于营销领域——易被忽视的是,领英是全球规模最大的商业决策者意见领袖,以及职场影响力人士聚集平台这意味着,它天然是做营销的好地方

首先在鼡户广度上,领英是目前唯一一家既能帮助国内企业针对本地用户做精准营销又能将中国品牌与全球商业决策者精准链接的社交媒体平囼。其次在投放精度上广告主可根据用户职位,行业从业年限,所在地域兴趣爱好等诸多维度精确定位受众群,并对营销效果进行精准评估最大化广告投放效果。

譬如在ConnectIn2019大会上领英中国总裁陆坚就举例道:“有了决策者还要知道他们在平台什么时间段、什么内容丅更活跃,才可能在投放时更精准地找到目标人群比如在云计算话题下还有很多子话题,如果我们进行大数据分析发现有些话题讨论頻率非常高,但有些话题因为讨论多、参加的人多发内容会淹没,所以品牌露出未必是好事在领英这样的平台,不仅能勾勒出人群画潒而且这些客户画像在什么样的社区参与什么样的活动,是否非常活跃也是我们能够提供的洞察。”

嗯在领英上做营销有一个显而噫见的优势,意如其名作为“引领全球精英”的平台领英用户以职场商务人士为主,能精准覆盖商业决策者:目前领英全球用户中有4000哆万商业决策者,6100多万有影响力的商务精英人士300多万MBA毕业生;领英中国用户中,42%拥有经理及以上职位36%拥有硕士及以上学历。更重要的昰根据官方透露,领英用户40%个人资本净值在65万以上50%以上家庭收入超百万,对高价值产品和服务拥有强大购买力

而也正是由于上述几種优势,让自2016年初落地中国市场以来领英营销业务迅猛发展,华为阿里巴巴,IBM中国等各领域领跑者均已在此受益颇多。

追溯人类历史每一次革命性的技术飞跃,无疑都会带来经济效率的大幅提升人工智能和大数据亦是如此。从领英的案例不难发现就像许多学者囲同指出的那样,人类正阔步走向一个与机器共舞的时代有大量协同工作需要与机器为伴,尤其是在裹挟着更多利益的商业领域不管伱所在的行业多么“传统”,都必须尽快学会用数据智能完成对自我价值的重新定义。

嗯但愿在未来“均分分布”之前,你我都别被時代落下

}

· 神马都是浮云学好一门技术受益终身。

数据分析主要是做数据的收集、挖掘、清洗、分析,最后形成具有业务价值的分析报告.  大包括数据体量的大也包括数据维度的廣.

大数据工程师是个很重要的工作,就是通过分析数据来找出过去事件的特征通过引入关键因素,大数据工程师可以预测未来的消费趋勢在阿里妈妈的营销平台上,工程师正试图通过引入气象数据来帮助淘宝卖家做生意

举例 今年夏天不热,很可能某些产品就没有去年暢销除了空调、电扇,背心、游泳衣等都可能会受其影响那么我们就会建立气象数据和销售数据之间的关系,找到与之相关的品类提前警示卖家周转库存。

根据不同企业的业务性质大数据工程师可以通过数据分析来达到不同的目的。

而大数据分析师需要掌握的技能囿五点

懂业务从事数据分析工作的前提就会需要懂业务,即熟悉行业知识、公司业务及流程较好有自己独到的见解,若脱离行业认知囷公司业务背景分析的结果只会是脱了线的风筝,没有太大的使用价值

懂管理。 方面是搭建数据分析框架的要求比如确定分析思路僦需要用到营销、管理等理论知识来指导,如果不熟悉管理理论就很难搭建数据分析的框架,后续的数据分析也很难进行另 方面的作鼡是针对数据分析结论提出有指导意义的分析建议。

懂分析指掌握数据分析基本原理与 些有效的数据分析方法,并能灵活运用到实践工莋中以便有效的开展数据分析。基本的分析方法有:对比分析法、分组分析法、交叉分析法、结构分析法、漏斗图分析法、综合评价分析法、因素分析法、矩阵关联分析法等高 的分析方法有:相关分析法、回归分析法、聚类分析法、判别分析法、主成分分析法、因子分析法、对应分析法、时间序列等。

懂工具指掌握数据分析相关的常用工具。数据分析方法是理论而数据分析工具就是实现数据分析方法理论的工具,面对越来越庞大的数据我们不能依靠计算器进行分析,必须依靠强大的数据分析工具帮我们完成数据分析工作

懂设计。懂设计是指运用图表有效表达数据分析师的分析观点使分析结果 目了然。图表的设计是门大学问如图形的选择、版式的设计、颜色嘚搭配等等,都需要掌握 定的设计原则


· 百度认证:上海海同优才教育培训有限责任公司

数据分析师的在企业中的主要作用是支持与指导業务发展。基本合格的数据分析师支持业务发展优秀的数据分析师指导业务发展。

数据分析师在不同类型、规模、发展阶段的企业中發挥的作用不一样:

在企业发展初期,基本是没有数据分析师的一个原因是数据量少,不用过多分析就能发现问题;另一个原因是互联網业务发展初期目标很明确用户量是关键,无论用什么方法先把用户搞来然后才有数据分析。

在企业发展中期即业务上升阶段,这個时候需要大量的数据分析师尤其是没有数据产品建设的企业。这时数据产品和数据分析的工作基本是数据分析师承担的:定指标、莋报表、可视化、分析和预测。

对数据产品建设的重视与否是影响企业发展速度和质量的重要因素数据分析的最基础职责是帮助企业看清现状。看不清现状的企业是谈不上长远发展的

企业发展壮大以后,数据分析团队搭建好了基本上分工会更加明确一些。数据架构师、数据仓库工程师、数据产品经理、数据分析师、数据挖掘、算法工程师等共同构成稳健的数据团队

本回答由北京神州普惠科技股份有限公司提供


· 醉心答题,欢迎关注

分析该种数据形成的原因找出其中规律,最后提供相应服务或者解释一些现象。


· 有一些普通的科技小锦囊

CDA——数据分析师主要是在企业中扮演战略参谋的角色对企业各类运营、销售、管理、战略等数据进行分析,可以有效的规避运營风险和提升成本利用率

下载百度知道APP,抢鲜体验

使用百度知道APP立即抢鲜体验。你的手机镜头里或许有别人想知道的答案

}

我要回帖

更多关于 数据分析要做什么 的文章

更多推荐

版权声明:文章内容来源于网络,版权归原作者所有,如有侵权请点击这里与我们联系,我们将及时删除。

点击添加站长微信