2022年12月，一个叫做CHATGPT的模型火爆了科技圈，写代码、当百科、改文章……没有ChatGPT做不到的。而随着人工智能技术的进化，LinkedIn收购了员工参与和调查技术领域的新兴领导者Glint，通过人工智能和数据分析，为团队提供健康状况的整体视图。谷歌更早布局成立人力数据实验室，让人力资源部门成为一个科学部门，明确所有人力资源决策必须有数据支撑。

　　人工智能数据分析与人力资源的结合是一大趋势，利好与挑战并存，也意味着基于大数据的人力资源分析逐渐成为企业的核心竞争力，而HR的大数据思维能力决定了其分析的深度及广度。

　　人力资源的数据价值

　　人力资源部门拥有企业的组织结构、人员档案，以及人与组织间关系等基础数据，还拥有所有员工的绩效、薪资等数据，反映员工在企业中的贡献及成本。

　　有了这些数据，我们可以挖掘到哪些层面的价值呢？

　　第一层是人力资源本身的数据分析。利用HR部门已有的数据展开分析。例如人员流动率，不仅是企业整体人员流动率，还有各相关部门之间流动率的差异、同一部门不同时期的流动率的变化、与同行业其他公司流动率比较等。再进一步分析流动率过高是否是公司的企业文化或福利待遇出了问题；而流动率过低是否意味着组织活力不足，无法满足企业对“组织活水”的需要。从人力资源自身的数据切入，不断地进行挖掘，是人力资源挖掘数据价值的第一步，也是非常重要的一步。

　　第二层是为业务部门提供的数据价值。现代HR体系中推崇的HRBP，就是让HR深入业务一线，从业务角度看人力资源管理。绩效的制定和执行过程是HR了解业务部门、参与业务支撑的重要切入口。通过绩效数据分析，HR为业务部门发现绩优与绩差的员工，并通过组织的绩效分布情况图，帮助业务部门负责人关注重点员工，进行激励调整。甚至，还可以从绩效的变化趋势提前感知员工的状态和流动风险，做到事前干预。再上一层，将绩效系统与相关的业务系统集成，在业务过程中感知绩效的结果，随时发现问题，真正做到让绩效促进业务。

　　第三层是为老板提供的数据价值。企业经营者最关注的还是企业的盈利效率。企业投入的人力成本有没有达到预期的效益？哪些区域的经营效果相对更好，哪些有挖掘潜力？将人力资源数据与业务数据联合分析，就可以得到这些数据，也就是我们常说的“业人一体”。这些数据及时完整地推出，可以成为企业经营的仪表盘，作为老板制定战略和执行战略的重要依据。这样，HR就从支撑部门，转变为参与战略制定、支持战略成功的重要角色。

　　人力资源数据挖掘，HR可以做什么？

　　从实际落地场景来说，我们可以从几个场景看HR可以做的事情及其带来的价值。

　　人才盘点/组织盘点：通过对组织内员工的绩效进行盘点分析，可以梳理出团队中各个绩效层级的人员结构和比例，定位出团队中的“明星”及“小白兔”，进而定位出企业的核心员工。通过员工的历史晋升及调薪记录分析，保障核心员工可以获取足够的激励，保持足够稳定，为企业创造更大价值。

　　绩效和薪资设计：调薪，不应该是“会叫的孩子有奶吃”。对于HR部门来说，根据每个岗位的职责定位，基于整个组织的战略目标及分解，制定出合理的绩效机制及薪资激励方案，及时调整员工薪酬和绩效奖励，才不会出现绩优员工离职时悔之晚矣的情况。

　　投入产出监控：在一些连锁、制造等劳动力密集型的企业，每一个人力的投入都有对应的产出。将业务数据与人事数据整合在一起进行成本计算及实际业务比较，得出投入产出比，并通过图表监控使变化一目了然，让“吃空饷”这种小动作无以遁形，时刻用数据目标衡量企业经营成果。

　　业务持续改进：要不断提升企业经营目标的达成率，需要持续复盘和改进。而持续复盘的最大难度是数据获取的便易性、完整性和有效性。通过将业务系统与人事系统的集成，实时推出绩效分析结果，让企业及时动态复盘成为可能。

　　为什么HR不做，或者做不好数据分析？

　　既然人力资源的数据有这么多的价值，那么为什么很多公司仍然没有去做数据分析，或者做不到有效的数据分析？

　　没有意识到数据的价值。很多HR还处于比较初级的阶段，每天忙碌于事务性的管理中，无暇关注业务中的数据，更不用说从中挖掘价值。

　　没有可分析的数据或数据不完整。很多企业，甚至有很多临近IPO的企业，都在用纸质文档或者Excel文档管理公司的人力资源数据。数据无法数字化，无法在数据之间建立关联管理，分析就无从谈起了。

　　数据孤岛。企业的系统通常是在不同阶段的时候，根据业务的发展需要逐个采购并拼装在一起的，无法从企业的整体进行IT顶层设计。即便是同属于人事领域的考勤、薪酬、绩效、招聘等数据都是隔离开的，无法或很难进行联合分析。

　　数据标准不统一。人力资源不同模块，使用的系统不同，数据格式和标准不统一，没有办法通过便捷的方式做到整合分析。

　　数据提取难。数据都有了，但是由于“数据孤岛”的问题以及“数据标准”的问题，做一次数据的整合分析难度大，周期长，劳财费力，于是企业也便失去了数据分析的动力。

　　不知道如何分析。数据分析是一个专业性极强的工作，通常出身文科的HR，很难把控数据分析技术，分析什么指标、从什么角度来分析，以及如何发现数据中暴露的问题。

　　i人事如何帮客户挖掘数据中的价值？

　　完整的人力资源数据。人力资源管理的所有过程数据及结果数据，都会沉淀在i人事系统中：人员的入离调转异动信息，审批流程的过程数据，绩效、薪资等档案信息等等，在使用i人事进行管理时，自然形成沉淀，为人力资源数据分析打好基础。

　　破除人力资源数据孤岛。i人事从上线之初，便定位为一体化人力资源管理系统，包括：组织人事、考勤、薪资、招聘、绩效、培训等人力资源的所有模块，各个模块之间的数据天然打通，形成统一、完整、可分析的人力资源数据仓库。

　　连接业务数据。i人事的数据分析不限制于人力资源数据分析，i人事在2022年初提出业人一体理念，旨在从“人事+业务”的联合数据中挖掘分析价值。i人事通过连接器技术，将业务的数据自动同步到i人事系统，并通过i人事的aPaaS对数据进行加工处理，最终将业务数据和人事数据整合统一。

　　内置的多角度分析方案。为了进一步降低数据分析难度，让HR成员能够自助完成数据分析全过程，将业内数据分析的最佳实践内置到系统中，做到开箱即用。i人事提供的内置分析方案，不但包括人力资源诸如组织结构分析、组织活力、企业健康度等，也包括基于行业如连锁、制造等面向业务效能的数据分析。

　　总结

　　数据是金矿。人力资源部门具有企业内最完整、最基础的数据，具有天然的数据分析的可能和优势。HR的从业者们，尤其是在不断地强调“业务伙伴”定位的人力资源部门，正在转变为从业务的角度思考，通过数据为业务决策和判断提供科学依据。相信人力资源也会在业务成功层面起到非常重要，甚至是必不可少的作用。