经调查发现，79%的HR都还不清楚：
怎么计算人力成本
怎么计算成本投入的产出
如何提高员工的人均效能
...
不只是工作的时候，就连托人办事的时候，对于数据分析能力的要求，也有很高的要求和很大的市场。
一边是企业的硬需求，一边是人才的供应不足，随手搜索一下，对于人力资源数据分析师年薪为18万-90万，远高于同等经验水平的传统HR。
数据化管理为什么就显得那么重要？
1 作为战略组织管理的领导者，老板关心的人才问题，不是今天发了多少条招聘信息，入职多少名员工，他关心的是：
“明年业绩实现翻番，拟新拓10个城市，需要匹配什么样的人才资源？”
“企业某事业部业务受宏观经济环境影响，发展前景堪忧，如果裁减该事业部，要综合看哪些因素？”
“最近企业自身竞争力下降，急需整顿革新，提高企业整体实力，要如何调整人才战略？”
这些问题，都是可以通过数据化来体现的。
2 目前华为对人力资源岗位的招聘，有了一个新的核心技能的要求，就是必须要懂数据。没有这个能力的HR，华为不要。
华为几乎所有人力资源关键岗位的岗位要求，第一点必谈数据。
HR成为业务伙伴，战略伙伴，始终停留在理念层，而不能落地实施，一个因素就在于当下所掌握的数据，没有价值。
每个月做工作汇报与总结时，最重要的，不是本月迟到多少人，入职几个人，这种毫无深度的数据。80%的HR统计报表都是在告诉别人发生了什么，可以说就是一本流水账，这样的数据大部分都没有人看。
蜜蜂君认为让HR懂是为了能够和业务团队同频共振，用这个诉求去倒推懂业务的逻辑是：先熟悉业务场景，再参与到业务过程中，最后驱动业务成长。
3 经常有HR向我问一些问题，今天进行了一个归纳：
1. 如何不花钱，用 HR 的专业能力提高公司绩效？
2. 如何面对高层或其他部门的指责和投诉？
3. 如何说明我们的培训工作是有价值的？
4. 如何通过离职清单和考勤记录，发现员工的异常表现，开展主动关怀，甚至降低离职率？
5. 如何通过数据分析，展示招聘工作是有效果和效率的？
6. 如何指出部门绩效考核打分不合理?
7. 如何说明薪酬结构是否合理？明年调整的方向应该是什么？
8. 如何应对面对业务部门提出增加人手的问题？
面对这些常年伴随人资行业的疑难杂症，首先需要做的就是熟悉业务，从数据角度出发，转变思维，来支撑业务发展诉求。
针对上面的问题，其实都会与数据分析有关系，我大致给出了4点建议，来进行 HR 工作能力的优化提升。
1. 掌握大数据管理理念、方法论和工具，提升工作效率
2. 掌握优化与提高人力资源配置效率的手段
3. 掌握让 HR 从服务到商业合作职能的转化方法
4. 掌握提升 HR 部门和岗位工作效率的方法
另外，谷歌的首席人才官曾说过“谷歌的HR决策从来都不是来自哪个最佳实践，一定只会来自内部数据的分析”。
其实，我们目前的HR工作由工作定位演变历程大致可分为：事务型HR、 战略型HR、 数据驱动型HR(数据型HR)
事务型HR：这里不做过多解释，顾名思义就是人事管理阶段的HR。
战略型HR好比现在的HRBP(但其工作事项及高度也由公司而定)。
那数据型HR呢？什么是数据分析呢？到底如何分析呢？
你可能会说，我们现在平时也做数据分析呀，如：离职率分析，敬业调查分析等。
但我们这里所说的数据分析应该是更偏向于系统化的数据分析Analytics，主动从数据中分析，并给业务提出战略型预测或解决方案的HR，要求更高，含金量也更高！
其实简单来说，就是要以终为始，分析现有的数据，可以带来什么效益，如何去改进。
普通的数据分析Analysis大多是独立、分割的数据分析，反映表面现象，主要着眼于过去和未来的状态，图表呈现也相对简单。
那系统性的数据分析Analytics呢？
需要将各种数据整合在一起进行综合分析，挖掘数据背后的联系和原因，提供自己的洞见，基于过去和现状的情况，洞察未来，同时，数据的视觉化呈现也相当重要！
数据分析又可根据复杂度和增加价值，细分为4个阶段，
分别是：
1. 描述性分析：
顾名思义，是对表层数据的分析，一般是日常的报表呈现。
2. 诊断性分析：
是更高一级的分析，要透过数据做趋势分析，给予相应的诊断。
3. 预测性分析：
根据所有的数据，做深层次分析，对相关业务做出预测，识别问题并解决业务问题。
4. 指导性分析：
要能做到透过你的分析，给予战略性指导意见。
最后，成为人力数据分析师，HR又需要具备哪些基本要求呢？
1. 业务敏锐度
2. 统计学与数据科学基础
3. 跨部门的HR知识与经验
4. 商务咨询与商务沟通技能
5. 高效演示、演讲、呈现和讲故事的能力
由此看来，HR们未来的路，任重道远！
