人力資源數據中心建設方案人力資源數據中心建設方案第1頁目錄BI頁面展示人力資源數據中心規(guī)劃工具選擇-BI趨勢分析案例：谷歌數據分析重構人力資源管理案例：用大數據管理企業(yè)，HR大數據思緒與騰訊實踐案例：baidu人力資源大數據實踐案例：怎樣用數據分析找對象商業(yè)智能帶來陷阱…………人力資源數據中心建設方案第2頁

人力資源數據中心建設探討—BI頁面展示人力資源數據中心建設方案第3頁人力資源數據中心建設探討—BI頁面展示人力資源數據中心建設方案第4頁

人力資源數據中心建設探討—BI頁面展示人力資源數據中心建設方案第5頁人力資源數據中心建設探討—BI頁面展示人力資源數據中心建設方案第6頁人力資源數據中心建設探討—BI頁面展示人力資源數據中心建設方案第7頁人力資源數據中心建設探討—BI頁面展示人力資源數據中心建設方案第8頁

人力資源數據中心建設探討人力資源數據中心建設方案第9頁工具選擇-BI趨勢分析.1人力資源數據中心建設方案第10頁

人力資源數據中心建設探討—BI工具選擇你是怎樣獲取數據分析匯報？業(yè)務人員/決議者提出需求數據分析師篩選數據、繪制圖表、生成份析匯報業(yè)務人員怎樣快速自助探索完成數據可視化分析？人力資源數據中心建設方案第11頁

年商業(yè)智能BI發(fā)展趨勢分析主要廠商：BI產品以

SAP

、OracleBIEE、IBM

等老牌巨頭為主我國BI廠商比如潤乾、Smartbi、帆軟、奧威Power-BI在這個周期也處于一個起步和遲緩成長久企業(yè)業(yè)務系統(tǒng)成熟度：伴隨IT信息化系統(tǒng)建設成本越來越低，越來越多中小型企業(yè)也逐步重視起自己IT應用系統(tǒng)建設和發(fā)展上IT系統(tǒng)，紙質數據統(tǒng)計就逐步被拋棄，系統(tǒng)里源源不停生產數據，這個就是數據沉淀、養(yǎng)數據過程。主要還是數據沉淀、養(yǎng)數據過程用戶期望與傳統(tǒng)商業(yè)智能BI矛盾點第一，產品成本第二，項目實施周期和人力成本第三，服務響應周期長這三個問題妨礙BI系統(tǒng)上線多年大數據概念從年開始也逐步由內部研究、小范圍市場應用逐步走向前臺傳統(tǒng)BI和新型BI分水嶺（年）人力資源數據中心建設方案第12頁

年商業(yè)智能BI發(fā)展趨勢分析新型BI高速發(fā)展期和傳統(tǒng)BI衰退（年-年）可視化數據分析、Self-BI

集中在我國市場出現年-年是新型BI和高速發(fā)展期也是傳統(tǒng)BI衰退期。年整個市場和商業(yè)智能BI成長主要特點就是傳統(tǒng)商業(yè)智能BI開始向靈敏BI轉型、可視化數據分析、Self-BI

集中在我國市場出現。Tableau–年5月登陸紐交所上市，年前后

Tableau產品逐步在我國市場出現，年、年、年在我國飛速成長，產品代理合作搭檔由以前幾家快速增加到10來家永洪科技

–年成立，年正式推出永洪可視化分析產品，年年初取得艾瑞天使輪投資，年7月永洪科技C輪獲投2億元人民幣海致BDP-年11月成立，年1月活動

IDG資本等

A

輪投資。推出

SaaSBI可視化分析產品，同類型國外產品是

DOMO我國商業(yè)智能BI廠商還有帆軟、億信華辰、潤乾、同期還有

ETHINKBI、Smartbi、奧威Power-BI人力資源數據中心建設方案第13頁

年商業(yè)智能BI發(fā)展趨勢分析新型BI高速發(fā)展期和傳統(tǒng)BI衰退（年-年）傳統(tǒng)Bi衰退1.類似于

SAPBO、IBMCognos、OracleBIEE、MicrosoftBI

原有市場，受到了我國外新型

BI

工具比如Tableau、Qlik、帆軟、永洪、Smartbi等廠商集體沖擊。企業(yè)項目中傳統(tǒng)BI產品逐步下線，新型BI產品集中上線。2.平均每個工作日會接到1-3個相關產品方面、項目選型方面咨詢電話。90%以上用戶基礎上都在尋找新產品，咨詢都是新BI產品工具和項目處理方案傳統(tǒng)BI巨頭產品轉型Oracle

在年10月甲骨文全球大會上正式公布Oracle

數據可視化云服務Microsoft年正式推出了

PowerBIDesktop

,除了強大可視化分析服務之外，也支持云端布署IBM

在年12月推出了IBMCognosAnalytics，支持業(yè)務用戶可視化自行分析業(yè)務，組成了強大自然語言進行預測性分析和交互。打通了數據準備、預測分析和可視化展現等自動化分析流程。年-年對產品進行快速調整，重點和關注:云端布署、預測性分析洞察、而預測性分析洞察背后隱藏是人工智能和機器學習。人力資源數據中心建設方案第14頁

年商業(yè)智能BI發(fā)展趨勢分析新型BI高速發(fā)展期和傳統(tǒng)BI衰退（年-年）產品采購成本下降。以前采購傳統(tǒng)BI工具成本偏高，培訓、服務咨詢成本都算比較高項目周期縮短、人力成本降低。以前項目周期主要消耗在

ETL

處理和數據倉庫建模、性能優(yōu)化等方面。如今，建模要求不再那么高，性能優(yōu)化在大多數場景下也不再有問題。整個項目周期從以前月或年為單位快速降低到按天、周、月為單位IT

驅動逐步走向業(yè)務驅動。IT負責基礎數據架構整理和接口開放維護，業(yè)務人員自行進行快速可視化分析和報表分析維護。新型

BI

為何優(yōu)于傳統(tǒng)

BI

？人力資源數據中心建設方案第15頁

年商業(yè)智能BI發(fā)展趨勢分析商業(yè)智能BI發(fā)展新趨勢（年-年）第一，云端化是主要趨勢

第二，BI

邊界會逐步含糊

未來數據產品處理方案不但僅是處理內部取數和數據分析與展現問題，而可能經過云端數據接口拿到更多外部數據。第三，單純BI工具價值逐步減弱大家不再單純關注于工具本身能夠實現什么樣可視化效果。而愈加重視怎樣利用工具進行業(yè)務價值實現，需要更多行業(yè)咨詢和業(yè)務指導第四，可視化分析也需要配置輕量級

ETL

數據準備工具第五，預測性分析、人工智能和機器學習是未來新增加點第六，移動

BI

和協(xié)作辦公越來越強不論產品趨勢怎樣發(fā)展，大家愈加關注還是怎樣經過數據發(fā)掘業(yè)務價值。圍繞業(yè)務價值對數據進行認知和發(fā)掘，不論大數據還是小數據，關心用戶真正面臨和要處理問題.人力資源數據中心建設方案第16頁谷歌：數據分析重構人力資源管理.2人力資源數據中心建設方案第17頁谷歌：數據分析重構人力資源管理一個成立不到20年企業(yè)為何有如此驕人業(yè)績，谷歌領導層認為這很大程度上歸功于其基于數據和數據驅動人力資源管理決議。谷歌人力資源管理關鍵理念第一，人力資源部門工作關鍵是招募高端人才、選拔培養(yǎng)卓越管理者、營造適于創(chuàng)新環(huán)境；第二，人力資源部門應成為一個科學部門，全部些人力資源決議必須有數據支撐，決議基于數據并用數據驅動決議，其準確化水平要與谷歌其它科學項目匹配。人事決議應像財務、供給鏈、市場銷售等領域決議一樣，在數據支持下提出處理方案，從而使企業(yè)擁有最優(yōu)異員工，并讓這些優(yōu)異員工在最適當崗位上做出優(yōu)異商業(yè)決議，創(chuàng)造優(yōu)異經營業(yè)績。谷歌基于數據分析人力資源管理方式取得了巨大成效——谷歌人事部門不但從傳統(tǒng)“成本中心”變成了“決議中心”人力資源數據中心建設方案第18頁谷歌：數據分析重構人力資源管理谷歌人力資源團體組成谷歌人力運行部最終三分之一員工雖鮮為人知但最具特色，即致力于員工數據分析“人員分析（PeopleAnalytics）團體”。這個團體組員普通含有統(tǒng)計、金融、組織心理學等領域博士學位，其工作包含幫助做出最優(yōu)薪酬獎勵決議以最長時間留住頂尖人才，推算出最優(yōu)面試模式以確保招聘到最正確求職者，使專心理學和數據分析方式分析哪些員工在谷歌能夠成功發(fā)展、哪些員工最可能中途離職等問題并建模。他們也針對一些領導力、決議力等問題進行更深入研究，比如，他們探索人認知啟發(fā)模式，分析大家做決議或處理問題時通常會選擇思維捷徑，并證實這些捷徑可能造成偏差。同時，這個團體研究結果也是谷歌人力運行部主動影響企業(yè)績效最有力證實。

基于數據分析實踐-優(yōu)化招聘得出結論，針對同一面試者最正確面試次數為四次，即四次以上面試會收益遞減，且四次之后面試評分對求職者平均得分影響甚微。氧氣項目

谷歌人力運行部展開了一項長達多年名為“氧氣項目(ProjectOxygen)”研究，經過試驗和數據分析，他們推翻了企業(yè)創(chuàng)始人假設。分析師將表現最好和最差經理人進行了對比，發(fā)覺優(yōu)異經理人率領團體員工離職率較低，而且這些團體從各種標準來看都擁有更高績效。人力資源數據中心建設方案第19頁谷歌：數據分析重構人力資源管理打造最優(yōu)工作

在怎樣平衡工作和生活這個問題上，谷歌一項名為谷歌DNA調查表明，有69%員工會一直思索工作，即使下班回家也會不停地刷新工作郵箱，以檢驗是否有新工作任務，但他們中超出二分之一人希望能更明確地域分工作和生活，但僅憑個人卻沒有能力做到。比如，谷歌都柏林辦公室開展了一個名為“都柏林關燈”項目，要求員工在離創(chuàng)辦公室回家前關閉設備。員工調查顯示，開展這一項目后，壓力更少，幸福感提升數據起源

谷歌人力資源管理數據起源于多個方面：員工調查與反饋；各類別員工定時360度評定數據；招聘與離職數據整理、分析；經過技術伎倆對不包括個人隱私員工工作上行為偏好跟蹤分析等。另外，谷歌還善于利用其技術優(yōu)勢開發(fā)算法，建立數學預測模型，如其招聘預測模型和留/離職預測模型等人力資源數據中心建設方案第20頁用大數據管理企業(yè)，HR大數據思緒與騰訊實踐.3人力資源數據中心建設方案第21頁用大數據管理企業(yè)，HR大數據思緒與騰訊實踐挑戰(zhàn)：從工業(yè)時代過渡到I時代，HR管理研究方向發(fā)生了改變I時代緣由，這個新時代是一個由internet（互聯(lián)網）、individualism（個體主義）、innovation（顛覆式創(chuàng)新）聚合而成時代。HR，老板喊你轉型升級了！傳統(tǒng)HR管理已經無法滿足變革時代需求。新時代HR管理需要轉型升級，而轉型升級重點，提議從三個層面著手一是HR組織模式升級–主要是三中心二是HR信息化升級：HR信息化目標將不再僅僅是信息化辦公或者提升工作效率，而是經過移動端、云、BI等新技術使用，打造成能夠有效連接COE、BP、SDC以及HR所服務管理者和員工信息高速公路，促成HR管理顛覆性創(chuàng)新。三是HR數據能力升級人力資源數據中心建設方案第22頁用大數據管理企業(yè)，HR大數據思緒與騰訊實踐挖掘數據而不是統(tǒng)計數據傳統(tǒng)HR數據分析用最多統(tǒng)計方法就是描述統(tǒng)計、箱型圖等。不過到了HR大數據分析，相關性分析、方差分析、回歸分析、聚類分析、決議樹模型等用會更多。大數據研究“不是因果關系，而是相關關系?！睂τ谄髽I(yè)HR而言，當HR遇上大數據，在大數據平臺能力，連接效能，牽引HR方向這三方面尋求突破，進行創(chuàng)新性研究和探索，提升HR之于企業(yè)價值和影響力HR大數據挖掘技術哪家強？搜索一下“HR+大數據”，輕松得到幾百萬條統(tǒng)計，HR大數據需要有自己玩法，需要搭建用于HR大數據分析服務器。從現在開始，扎實數據基礎騰訊某個HR大數據項目為例，一次調用數據就超出了600萬條，400多個字段2.數據質量決定數據價值。涂子沛在《大數據》一書中用了整整一個章節(jié)來闡述數據質量，足見數據質量主要性。在此我想用一句話來補充說明：在一堆錯誤數據中，你能指望得出正確分析結果嗎？人力資源數據中心建設方案第23頁baidu人力資源大數據實踐.4人力資源數據中心建設方案第24頁人力資源數據中心建設探討---baidu人力資源大數據實踐業(yè)界共識，PB這個等級基礎上是大數據臨界點，也就是說數據量到達PB以后，才能真正去談大數據。那是不是說咱們人力資源就不能談大數據了？咱們能夠利用大數據思維與方法以及技術，去研究與探索人力資源管理，從而為企業(yè)人才方面決議提供高含金量依據。大數據有著4V特征，Volume數據量要大；Variety數據類型多；Velocity高實時性；另外Value價值要高人力資源數據中心建設方案第25頁人力資源數據中心建設探討---baidu人力資源大數據實踐大數據時代新思維：過去咱們做數據都是采樣，而大數據，實際上不是采樣，而是全部數據思維模式轉變：伴隨大數據技術不停進步和越來越多活而完整數據源，探索到東西也將無限迫近事實與真相人力資源數據中心建設方案第26頁人力資源數據中心建設探討---baidu人力資源大數據實踐人力資源數據中心建設方案第27頁人力資源數據中心建設探討---baidu人力資源大數據實踐從四個層面去做：基礎報表，BI分析每年都會升級一個版本；除此之外，在做主題分析，自定義分析，背后各種模型怎么輸出；人力資源數據中心建設方案第28頁人力資源數據中心建設探討---baidu人力資源大數據實踐人力資源數據中心建設方案第29頁人力資源數據中心建設探討---baidu人力資源大數據實踐人力資源數據中心建設方案第30頁怎樣用數據分析找對象.5人力資源數據中心建設方案第31頁人力資源數據中心建設探討---怎樣用數據分析找對象在工作中，經常利用多個數據指標對整體進行綜合評價，需要把多個數據壓縮成一個綜合指標，這就是多指標綜合評價方法。專業(yè)術語名稱能嚇死人，一個案例你就能夠完全掌握足夠裝X一整年人力資源數據中心建設方案第32頁人力資源數據中心建設探討---怎樣用數據分析找對象富帥們看著美女數據，在進行激烈討論問題來了？那么，李富帥喜歡“綜合起來最好”類型，到底是哪個？小龍女是最好？即使他最高，不過體重和胸圍都不是最優(yōu)?趙敏頭發(fā)是最長，不過其它數據也不是最好人力資源數據中心建設方案第33頁人力資源數據中心建設探討---怎樣用數據分析找對象要找出“綜合最好”，需要把各項數據進行綜合評分，這么就能幫李富帥找到心目中女神！STEP1無量綱處理Q1“量綱”是什么？就是數據單位，比如厘米、千克等等。

Q2為何要進行無量綱處理？咱們對一個美女綜合評分不能直接相加，因為身高和胸圍單位不一樣，而且數據范圍相差太大，直接相加沒有任何意義，這是數據分析人員最常犯錯誤之一。Q3詳細怎么操作？統(tǒng)計標準化方法：z=(x-μ)/σ其中x為某一項數據，μ為均值，σ為標準差。此種方法也叫Z標準化，比較常見。小龍女身高標準化z=(x-μ)/σ=(1.7-1.635)/0.0363=1.8

結論：趙敏綜合評分最高~~~趙敏是李富帥心目中女神~~~人力資源數據中心建設方案第34頁人力資源數據中心建設探討---怎樣用數據分析找對象STEP2權重確定因為李富帥提出了深入要求，需要重新找出女神，接下來咱們要做，是確定身高、頭發(fā)長度、胸圍權重，權重是幫咱們找出女神好方法。權重是一個相正確概念，針對某一指標而言，某一指標權重是指該指標在整體評價中相對主要程度加權之后，計算綜合評分會變成這種樣子：綜合評分=身高得分*60%+胸圍得分*30%+頭發(fā)得分*10%（各個指標權重之和必須等于1）人力資源數據中心建設方案第35頁人力資源數據中心建設探討---怎樣用數據分析找對象沒有統(tǒng)一標準，簡單說就是找一堆人過來憑感覺瞎猜，來，跟我一起念：pingganjuexiacai，就是拍腦門第二種：磚家調查法讓每個磚家給出自己權重，并計算均值第一個：主觀賦權法人力資源數據中心建設方案第36頁人力資源數據中心建設探討---怎樣用數據分析找對象人力資源數據中心建設方案第37頁人力資源數據中心建設探討---怎樣用數據分析找對象客觀賦權法客觀賦權法是與主觀賦權法相對而言，是依據指標原始數據，經過數學或者統(tǒng)計方法處理后取得權重，常見有主成份分析、因子分析、相關、回歸等。標準差系數權重法是依據每個指標變異程度大小來進行賦權，變異程度大說明能夠更加好區(qū)分各個指標，應賦予更高權重，反之賦予較小權重。經過以上慘無人道計算之后...身高權重=0.093075613胸圍權重=0.279571615頭發(fā)權重=0.627352772人力資源數據中心建設方案第38頁人力資源數據中心建設探討---怎樣用數據分析找對象主觀賦權法是由人主觀經驗或者感受得來客觀賦權法經過對原始數據處理得來，變異程度較大指標有更高權重，本例中因為美女之間頭發(fā)長度相差最大，所以頭發(fā)長度有最高權重假如各個指標間存在顯著人為喜好、業(yè)務經驗上顯然某指標更主要等，用主觀賦權法愈加適當、簡便。（偏向于業(yè)務數據分析大多屬于這類）反之，各指標間不存在哪個更主要，或者評分不包含人為喜歡或者經驗上更主要，用客觀賦權。主要學習一下思緒，其實每個指標假如真正有效應用，沒那么輕易。一定要結合業(yè)務、對象、應用場景等深入分析。是一個很復雜過程。人力資源數據中心建設方案第39頁商業(yè)智能帶來陷阱.6人力資源數據中心建設方案第40頁人力資源數據中心建設探討---商業(yè)智能可能存在陷阱高管們都喜愛儀表板，為何不呢？在一個屏幕上就能夠簡單直觀地查看操作流程、銷售指標和關鍵業(yè)務指標。無須再等集中式數據中心提供周報或月報。一線管理者只需看一眼儀表板就能夠了解工作情況，而且理想狀態(tài)中，他們能夠盡快做出調整。然而儀表板并非像一些管理者認為那么神奇數據分析主要包含以下方面：

描述現在和過去情況基于過去數據預測未來事件

給出一系列決議提議。大多數儀表板只能做到第一步，那就是描述發(fā)生了什么，其簡練直觀特點讓管理者忽略了基于數據決議中非常主要細枝末節(jié)。人力資源數據中心建設方案第41頁人力資源數據中心建設探討---商業(yè)智能可能存在陷阱最危險是錯誤地了解原因間因果關系下面這張圖是攜帶打火機或火柴人群得肺癌幾率和不攜帶打火機或火柴人群得肺癌幾率比較。從這個對比圖中你會得出什么結論？攜帶打火機或火柴會造成肺癌？可能不是。你會猜測那些攜帶打火機或火柴人群更有可能吸煙，而正是吸煙造成癌癥。然而，在他們詳細商業(yè)背景下，管理者經常