HR数据分析中的6种常见思维，帮助你的分析能力上一个台阶。

来源 | 行走的帆（ID：sailing-fan）

/ 1 /

以终为始思维

数据分析中有一句话叫：数据分析不是免费的。意思就是整个分析过程，包括收集数据、整理数据和分析数据会耗费大量的时间和精力。如何避免浪费时间做无用功？一开始就提出正确的问题，搞清楚解决问题的方向就显得尤为重要了。

我经常遇到有朋友来向我请教一些工作上的问题，我通常第一反应是反问一句：“你做这件事的目的是什么？”先搞清楚去向哪里，再反推现在该做什么，才能确保我们始终在正确的道路上行进。

有同学发给我一堆HR数据，问该如何做一份高潜人才的数据仪表盘？我在仔细询问之后，了解到他的最终目的是想做一份报告，告诉老板哪些员工在过去半年里绩效稳定、能力突出，可以进入考虑下一步提拔的名单。这种情况下，按照员工半年内绩效得分的标准差，以及人才盘点中的能力评估高低，排出一个人员名单，基本就能满足老板的要求。

再比如，在对培训的评估分析中，很多时候大家想到的是学员对这次培训满意度的评估，包括物料、讲师、场地、茶歇等等。但如果以终为始来看这个问题，我们更应该关注的是这次培训到底给员工带来了什么改变？对业务的影响是什么？能不能拿数字说话，计算出这次培训的ROI（投资回报）是多少？这才是从老板角度最为关心的问题。

提出正确的问题比解决问题本身更重要。以终为始，可以帮助我们一直提出正确的问题。

/ 2 /

金字塔思维

金字塔思维源自麦肯锡，意思是任何问题都可以按照一定的原则进行拆解。层层拆解下来，基本就能够发现问题的根源了。拆解原则的英文叫MECE，翻译过来就是拆解的各因素相互之间独立而排他，整体而言穷尽而无遗漏。

很多管理模型实际上都是应用的MECE原则，比如营销中的4P模型（Product, Price, Place, Promotion）和组织诊断中的5S模型（Strategy，Structure, System, Style, Staff, Skill, Shared Value）。任何一个复杂的问题，按照MECE原则做个拆解，你会发现原来问题没有想象中的那么复杂。

之前在课堂上，有位HR学员提到自己遇到了一个极有挑战的任务，要在一个月内找到40名行业内高水平的销售人员。她接到任务的时候觉得整个事情毫无头绪，后来我们利用5W2H的原则做了一个拆解，工作的重点方向就清晰多了。拆解的思维导图如下：

/ 3 /

刨根问底思维

数据往往反映的是表面现象，突破表面数据深挖背后的原因，才能找到问题正确的解决方案。

曾经有一个HR发现公司销售人员业绩下降，想了解到底该如何解决这个问题。我们一起用连问为什么的方法做了一次分析，当时的分析过程如下：

1. 为什么销售额下降？（新客户少了）

2. 为什么新客户减少了？（销售转化率减少）

3. 为什么转化率会减少？（新销售人员对销售话术和技巧掌握不足）

4. 为什么新销售人员销售技能不足？（销售培训没有达到既定目标）

5. 为什么销售培训没有达到目标？（培训安排匆忙，要求标准不严）

当问到了第5个为什么，接下来的解决方案不言而喻：公司应该着手加强对新招人员的入职培训。

/ 4 /

大局思维

业务部门的数据分析师一般都不会只局限于解决某个业务环节的问题，而是要从整体上来解决问题。

同样地，HR数据分析师要熟悉招聘、薪酬、绩效、人才、文化等各领域的额背景，在实际工作中能够把各模块打通来分析问题，如此才能提出对业务最有价值的解决方案，这就需要分析人员具备从整体来看问题的大局思维。

比如，数据分析中最常见的一种分析方法叫相关分析，就是你要把不同领域之间的问题结合起来一并分析：薪酬和绩效之间的关系是什么，高薪酬是否带来了高绩效？人员编制和部门业绩之间的关系是什么？团队的高敬业度是否带来了高盈利？等等。

所以，我一直认为，HR数据分析师在组织内部的地位类似于战略HRBP，既要懂HR还要懂业务，都是需要站在组织整体的高度，以贯穿全局而不是仅限单一模块的视角来分析和解决问题。

/ 5 /

洞见思维

英文的insight一词被翻译为洞见或洞察，即我们看待某件事物时形成的一种独特的见解。数据分析的目的就是要通过分析数据形成我们的洞见，并最终提出有效的解决方案。

经常做数据分析的同学常遇到一种情况，明明是在分析某一个问题，但是根据分析结果最后从中又发现了另外一个问题。比如，本来在分析薪资对离职的影响，但后来却发现管理者的领导力才是导致员工离职的最主要因素。

因此，对分析人员来说很重要的一点，是要保持开放的心态，这样才能有效地形成自己的洞见。而且，在形成洞见之后，你要知道你才是最了解这些数据的人。因此，你还要敢于大胆地把它发表出来，并以此向决策层建议相应的行动方案。

我曾经遇到过一个案例，老板让薪酬人员分析某地工厂员工是否需要增加调薪预算。收集上来的数据明显呈现了几个问题：该工厂过去几年人员增长过快，技能无法达到公司的正常要求；员工因为组织文化和上级管理者的原因而离职的比例持续较高；员工的薪酬固浮比例不合理，固定薪资占比过高，不利于公司以绩效付薪的原则。

但是，在整个分析过程中，分析人员被自身的专业领域所局限，未能大胆将上述洞见提出来，向老板给出的意见还是停留在是否该加薪这个单一问题上面，导致结果令老板不甚满意。

/ 6 /

右脑思维

人的左脑负责数字、文字、逻辑、运算等理性的东西，右脑则负责声音、颜色、视觉、形状等感性的东西。

优秀的数据分析师会经常在左右脑之间做无缝切换。拿到一大堆数据，你的第一感觉是毫无头绪，但是如果能够将这些数据通过图表呈现出来，就很容看出其中的规律了。

“一图胜千言”，有研究表明，人们接受含有可视化元素的指令比不含有可视化元素的效率高出323%，阅读高质量信息图表时的理解度要比纯文字高30倍。

今天还有一种提法叫通过数据讲故事，把枯燥的数字和文字通过讲故事的方式沟通给你的听众。试想一下，你经过了大量推算、分析，得出了自己的洞见，提出了相应的解决方案。但是当把这一切向老板去汇报时，没有让老板看明白，也没能让老板清楚自己接下来该干什么，这样只会让你的努力功亏一篑。

无法让听众形成下一步行动方案的数据分析无疑是失败的。

有研究显示，今天人类在各种信息的冲击下，其集中注意力时限已经降低到了8秒，如何在短短的时间内抓住听众的注意力，是对数据分析师的重大挑战。

利用数据讲故事的关键可以分解为这么几步：

第一步，首先研究自己的听众都是谁，他们对什么信息感兴趣。如果听众级别很高，你的呈现需要越简单越好；如果听众很专业，你的呈现就需要展示相应的细节。

第二步，根据分析目的规划出一条完整的故事线。咨询公司对此有严格的要求，通常检验的方法是把你每页PPT的标题串起来，看是否组成了一个完整的故事线（story line）。

第三步，为自己的分析数据选择适当的图表。不同的数据图表都有自己特定的场景应用，千万不要混淆。表示时间趋势就用柱形图或线形图；表示大小对比就用条形图；表示相关关系就用散点图等。

第四步，充分运用文字、数字和图表三种元素，来修正自己的故事线。很多时候大家过于关注数字和图表，反而忽略文字的作用。适当的文字注释可以帮你起到突出重点、画龙点睛的作用。

第五步，简化。通过做减法让自己要呈现的信息突出重点，简化、简化再简化。数据呈现中有一个专业用语叫“数墨比例”，就是拿你呈现重点数据和观点所用的墨水量去除以你整页纸所用的墨水量，比例越高越好。

下面是一组图表的数墨比例对比，大家感受一下：

第六步，在有条件的情况下，请他人提供反馈意见。你最终需要达到的目的是让一个对整个事情背景了解不多的人也能够第一时间听明白你在讲什么。