下载掌阅APP，畅读海量书库
立即打开
公司在正式实施人力资源量化管理与数据分析之前，需要有所准备。对于从来没有实施过这类分析的公司以及管理水平较低的公司来说，想要实施量化管理与数据分析，要把这项工作当成人力资源管理项目实施，要经过较长时间的努力。
有一次我到某公司考察学习，上午刚到，公司的总经理带我们一行人参观。在参观的过程中，我问这位总经理：“请问咱们公司一共有多少员工？”
他回答说：“大概有1万多人。”
我又问：“请问咱们这些员工每年的人工成本额是多少？人事费用率是多少？人均工资是多少？人均劳效是多少？”
总经理愣了一下，转向一旁陪同我们一起参观的人力资源总监，说：“你知道这些数字吗？”
这位总监对总经理说：“您先等等，我打电话问问部门经理。”
我没想到结果是这样，赶快不好意思地对这位总经理和总监说：“抱歉，我只是随便问问，请不必在意。”
可这位总经理很严厉地对这位总监说：“不！这些数字你一定要搞清楚！这些基本数据你和我本来都应该是很清楚的！”
当天晚上，我们将要离开时，总经理对我说：“你问的那几个问题，我现在终于知道答案了！而且我原来甚至都不知道公司比较准确的人数，只知道大体，现在我终于也知道了。”
我好奇地问了他一句：“您为什么现在才知道呢？”
他说因为人力资源部平时没有做量化管理与数据分析的习惯，他也从没有要求过，我上午问的那些数据都是人力资源部今天临时做的，他以后一定要让人力资源部做好量化管理与数据分析工作，以后要让人力资源部用数据说话。
我问这位总经理：“您想过人力资源部要从平时完全不做量化管理与数据分析到能够做好这项工作，管理成本有多少、难点在哪里、都需要做什么吗？”
他回答说：“这有什么难的？直接做不就好了吗！”
2年后的一次机会，我再次来到这家公司，见到了当时的总经理和人力资源总监。我问他们公司实现了人力资源方面的量化管理与数据分析了吗？这位总经理叹了一口气，没有说话。同时我看到人力资源总监不好意思地低下了头。
从这位总经理对人力资源量化管理与数据分析的认识来看，这项工作在这家公司没有得到有效的推行不能全怪人力资源总监的工作不利。量化管理与数据分析工作不是人们想象的：管理工作中原本没有引入数字，在引入数字之后就是量化管理与数据分析了。当然，有数字也许会比没有数字强，但是有了数字，并不代表就有了这项工作。
要实施人力资源的量化管理与数据分析，需要做大量的前期投入。要实现量化管理的价值，达到数据支撑决策的目的，必然需要形成一整套完整的闭环管理体系，需要大量的原始数据积累，也需要对公司现有的管理体系以及人力资源管理的方法、流程、制度做出相应调整。
这就好比一家公司原本是生产服装的，公司突然有一天决定不生产服装了，改为生产汽车。这必然需要公司更换大量的生产设备、改变生产流程、调整员工的技能或者重新招聘新员工等。
所以人力资源量化管理与数据分析工作要想在公司中得以实现，需要公司各层级的理解和支持，尤其需要公司一把手的支持。然而通常情况下，人力资源的量化管理与数据分析并不是一件关乎公司生死的大事，也不是一件能直接把公司从经营困境中解救出来的事。它很难“雪中送炭”，也很难“力挽狂澜”，更多时候是“锦上添花”。所以公司的一把手对这项工作往往不够重视。
管理工作的提升并不是一个人一句话或者一个岗位换一换工作内容就能完成的事，它通常需要付出一定的管理成本，需要全公司各个相关岗位为之付出努力。任何一个公司管理上的变化，必然带来了运营流程上的一连串变化。
我曾经所在公司的总经理有一次出差，在飞机的杂志上看到某个擅长推行某种管理模式的培训机构的广告后，拍了张照片发给我，要求我调研学习一下这种管理制度，看是否能够在公司中推行。
于是我深入调研这种管理模式，当总经理出差回到公司后，问我了解得怎么样。
我说：“这种管理模式确实挺好的，如果您想在公司里推行，是可以考虑的。”
总经理说：“那还等什么？开始推行吧！”
我说：“推行是第二步，第一步要实现这种管理模式，我需要做……您需要做……用人部门需要做……需要购置……需要新增……需要培训……这些只是前期的准备，并不能保证能够顺利推行，过程中还需要……这项工作可能面临的风险和问题包括……”
总经理听完之后说：“那你还是先等等吧，我再考虑一下。”
后来，他再没有跟我提起过要推行这种管理模式的事。
人力资源的量化数据管理不只是人力资源部一个部门的事，如果得不到一把手的明确支持和帮助，得不到其他部门的支持与配合，或者如果人力资源管理工作在公司的定位是与业务脱离的两层皮或边缘化状态，那么这项原本非常有意义的工作，反而会显得多此一举。
即使公司一把手对量化管理与数据分析工作比较重视，但他并没有认识到这项工作的复杂程度，没有认识到自己、人力资源部及其他部门分别在实现这项工作上需要阶段性或持续性地做哪些工作。
拿人力资源管理中的招聘管理模块实现量化管理与数据分析的过程举例子。如果想通过数据指导和改进招聘管理工作，就需要公司至少要做好如下工作。
（1）实现工作流程上的数据全覆盖。招聘流程要实现从提出人员需求、岗位发布，到简历筛选、电话预约、初试、复试，再到入职、转正、绩效表现、离职的全流程数据覆盖。只有这样，才能通过数据分析指导哪里做得到位，哪里还有问题。
（2）达到数据的全面化和精细化。任何有招聘需求的岗位，都要有详尽、准确的底层数据的记录和支持。只有底层数据全面、精确，才可能准确地分析出不同岗位空缺的原因，才有可能根据不同情况有针对性地制定有效的改进措施。
（3）数据来源的多样性。有时候为了提高招聘相关数据的广度和深度，还需要用人部门的深度参与，而不是人力资源管理者的一方参与。比如为了实现对招聘人才质量的评估，可能会需要用人部门平时工作中要积累一些基础数据，还可能需要请用人部门负责人对招聘管理工作以及人才在岗位上工作的不同阶段打分评估。
除此之外，人力资源管理者很可能还需要付出大量的时间和完成庞大的工作量。数据量化的过程不仅需要人力资源部有专人负责、需要用人部门的参与，还需要大量的工作量作为基础。因为前期的规划问题或者公司业务的调整，1年以后，很可能会发现在之前数据积累和提取上有不合理的地方，需要优化。这就又需要人力资源管理者再次付出大量的时间。
即使数据积累不需要优化，如果只有1年的基础数据，这些数据的可靠性也是有待验证的。如果真的要做好量化管理与数据分析工作，让分析能够真正指导公司实践，从开始着手准备到这项工作产生价值，保守估计需要3年时间。这对于许多连人力资源管理正常模块都没做好的公司来说，似乎会有一些遥远。
对人力资源量化管理与数据分析的支持系统不仅限于管理方面的支持系统，还包括真实信息系统的支持。信息系统能够减少大量人工的工作量。利用信息系统固化数据的获取类型和方法之后，一些固定的分析工作可以通过信息系统直接完成。
因为信息管理系统的成本较高，所以并不适合所有的公司。一般来说，对人数超过2000人以上且对人力资源管理有较高要求的公司，建议采用人力资源管理系统帮助实现量化管理与数据分析工作。
量化管理与数据分析工作在得到了公司一把手和各部门的支持后，能不能做成，还要看人力资源管理者是否具备相关的能力。如果实际运行这项工作的人力资源管理者不具备战略的高度，没有一定的统筹、规划、协调、沟通、建模、项目管理等一系列能力，那么量化管理与数据分析体系最终也是做不成的。
我曾经工作的公司专门设立了过一个数据处理和应用的部门，叫数据中心。这个部门的职责相当于总经理和营运部的参谋部，实时地为总经理和运营部提供数据参考。公司当时已经实现了数据化的管理，运营上的各类报表已经比较完善，通过数据分析能够快速聚焦和查找出经营上的问题。
不过数据中心并不提供人力资源管理相关的数据，但我们有人力资源管理数据的需求，所以就在人力资源部内部成立了一个由3人组成的小组，专门负责做人力资源管理相关的数据分析。这个小组成立后，我与他们3人一起建立起人力资源部整套的定期与不定期分析报表的模板，明确了他们的工作职责和任务。
可是我发现这个小组做的分析质量明显比不过数据中心，不是因为他们对数据概念的理解不够，也不是因为他们在使用系统导出数据和使用Excel软件做表格方面的技能较低，而是他们的思维高度没有达到分析的要求。他们做出来的分析仅限于我给他们设计的表格，没有查找问题、预测问题和提出解决方案的能力。他们的分析报告没有高度，也没有灵魂。
为什么数据中心的员工分析比较到位呢？因为这个部门的人选是一把手在公司内精挑细选的，骨干都是在公司内有过8年以上业务部门工作经验的人，部门中司龄最小的人也至少在公司中有3年以上的业务部门工作经验。而且他们每天与公司最高管理层一起开会，非常了解公司的战略需求和当前业务发展情况。所以他们的思维具备一定的高度，他们分析的思路也是比较完整的，能够聚焦问题、解决问题。
但是人力资源部的这3位员工年龄比较小、司龄比较短，缺少业务部门的工作经验，并不十分了解业务部门的运作方式，同时和公司高层的接触比较少，不了解公司的战略和整体运营情况。所以他们做出来的数据分析质量比较低。
人力资源量化管理与数据分析工作在对人员知识和能力方面的需求包括如下内容。
在数据处理方面，人力资源管理者要具备如下的知识和能力。
掌握基础的数据挖掘方法、数据建模方法；
将工作流程转化为数据呈现的能力；
熟知基础知识、概念和公式；
熟知常用的分析方法、工具、模板；
掌握业务知识，了解业务部门的运作情况；
学习行业知识，了解公司在行业中的情况。
在数据分析方面，人力资源管理者要具备如下的知识和能力。
沟通能力；
数据统计和处理能力；
要细心、耐心、静心、严谨；
对数据的敏锐性，结构化思维；
分析思维的广度、深度和速度。
在数据解读方面，人力资源管理者要具备如下的知识和能力。
不仅要对数据深入分析，还要学会对结果按预期呈现；
能够准确、有效、简单地解读分析报告，让他人快速理解。