【2023BI数据分析大赛】这才是人力数据分析，你那只是做报表

一、问题描述

 

      对于人员结构，公司老板需要的不仅仅是一个用户画像，老板希望通过结合公司的战略发展，各部门的人员配比比例，来判断年龄、学历、人数等是否合理。

 

      对于人员流失， 离职率高表明员工对企业的满意度较差，会造成人力成本的上升，工作效率的低下。但是，离职率很低也未必是好事，企业没有新的血液进入，可能会失去活力。怎样的流失才合理，要从不同的部门和现有人员结构来判断。

 

      对于公司考勤，公司老板需要的不仅仅是一份列出来的迟到早退表，老板希望通过分析考勤数据了解各个部门的管理和工作情况，从而获得岗位设置、定员定编的可靠建议。

 

二、作品价值

 

      本次参赛作品主要通过对某公司的人员结构、离职情况、考勤情况等进行数据分析，为该企业（其他企业也可借鉴）提供可行的人力资源决策管理工具（或思路）。

      说明：本作品的数据加工过程和分析思路参考了帆软官方帮助文档的相关案例，并对作品进一步进行了完善。参考案例链接如下：

      ①离职分析报告：https://help.fanruan.com/finebi/doc-view-1305.html

      ②部门考勤分析：https://help.fanruan.com/finebi/doc-view-1350.html

 

三、数据加工

 

1、入职离职合并表整理

（1）新建分析主题，上传分析数据员工信息表。

（2）点击【字段设置】，取消勾选“入职日期”，如下图所示：

（3）离职日期过滤出非空数据，如此便筛选出所有离职人员。如下图所示：

（4）添加备注列“离职”，如下图所示：

（5）再添加分析数据员工信息表，重命名为入职离职合并表，如下图所示：

（6）点击【字段设置】，取消勾选“离职日期”，如下图所示：

（7）添加备注列“入职”，如下图所示：

（8）与离职信息表进行上下合并，将入职日期与离职日期合并到一列中，结果改为“日期”。

（9）增加“年龄”字段。（因参赛数据为2018年数据，故年龄采用2018-12-31进行计算）

 

2、员工信息表整理

（1）年龄计算

（2）工龄计算

（3）年龄段计算

（4）工龄段计算

（5）是否新员工判断

 

3、考勤信息表整理

（1）判断是否全勤

 

4、培训记录表整理

（1）行转列设置

（2）字段设置，进行重命名

（3）考核结果判断

 

5、添加派生指标

（1）进入组件界面添加时间参数，操作如下图所示：

（2）计算期间离职人数

（3）计算期间入职人数

（4）期末累计离职等其他相关字段类似，作品不再展开陈述。

 

四、分析思路

     

      人力资源优化是所有公司面临的问题，本作品通过对某公司人员结构及离职率的分析，来帮助企业掌握各部门目前人员配备信息及员工异动状况。

 

      在维度上，我们将从部门、职称、性别、文化程度等方面进行分析。另外，我们还可以从时间角度来看人员的变化情况。

 

      考勤数据不仅可作为发放工资的依据，还可以深入分析发现异动情况、工作饱和情况，提前做好沟通、预警、人员储备等。作品将主要从全勤指标和工作时长的角度来分析该公司目前的考勤状况。

 

 

五、分析过程

 

1、人员结构分析

     

      该公司员工以销售人员为主，男女比例相对均衡；整体学历偏低，高学历（本科以上）成员不足三分之一，年龄层面以30岁以下员工为主，非常年轻化；职级为6的员工最多，整体来看中高级别的员工偏少。

 

2、离职率分析

     

      从数据结果可知，2018年员工离职率为27.87%，保持在较高水平，且比前两年高出很多。对年份进行筛选，得到2016年的离职率为19.67%，2017年的离职率为25.69%。

 

      2016-2017年，该公司员工数量急剧攀升（2016年期末在职员工384，但到了公司达到了671人），可能是业务扩张所致，2018年则相对平缓。这种扩张同样体现在离职分析中，2017年每月离职人员数量都小于入职人员数量，员工净流入。

 

      2016-2018年该公司离职率虽然有攀升的态势，但基本上能维持在30%以内，按照经验判断，对于销售型公司，这个离职率是可以接受的，所以该公司的稳定性相对良好，因为某些企业销售人员一年中全部更新一遍的情况也会出现。（但需做好优秀销售的留存工作）

 

      从部门来看，销售部离职率超过总体离职率，但整体符合行业销售的流失率。但物流部门和生产部门离职人数走高，需人力部门进一步分析原因。

 

      从职称来看，随着公司整体流失率上升，中级层面的人员的流失也呈上升趋势，中级导购流失接近27%，门店导购的不稳定，容易影响业绩。频繁换人，应当引起高度重视。特别是通过联动分析，对于销售二部，离职人员中含有大量的店长，需要引起警示。

 

      其他分析类似，在此不进行展开。

 

3、新员工分析

     

      新员工比例较高（27.93%），且较为年轻，学历不高，该公司需做好对新员工的培训和帮带活动。

 

      该公司的新员工以低职级员工为主，因适当做好高级人才的引进工作。

 

      结合上下文分析，可能该公司处于扩张当做，销售部、物流部和生产部新员工较多，但其他职能部门人员补充明显没跟上，所以导致财务、人力两个部门加班严重。

 

4、员工考勤分析

     

      从上图结果分析该公司目前的考勤状态具有以下特点：

      ①整体全勤率偏低，只有67%，旷工人数220人，达到了三分之一，整个考勤管理存在较大问题。

      ②差中有好，销售二部员工几乎全勤（2人非全勤），物流部、生产部、售后服务部的员工全勤率为后三位，需要加强考勤管理。

      ③物流部旷工人数85人，为该公司之最，需要检查物流中心（部门）打卡机是没故障还是存在管理问题。

      ④下钻明细表，发现人力和财务上班双休，理论上该月上班时长为184小时，但这两个部门的员工加班时长几乎达到100小时，可能面临人员紧缺问题，需考虑新增人员。

      销售部门理论上正常上班时间为156小时，但也存在非常多的加班现象。

 

六、结论建议

 

七、结果展示

作品链接：https://bisolutions.fanruan.com/webroot/decision/link/Nk8n；https://bisolutions.fanruan.com/webroot/decision/link/iR7S； https://bisolutions.fanruan.com/webroot/decision/link/WApp；https://bisolutions.fanruan.com/webroot/decision/link/8FMk

 

 

1、人员结构分析

 

2、离职率分析

 

3、新员工分析

 

4、考勤分析

恭喜通过大赛初审，获得参与奖和手气红包！
1、建议参考作品模板（https://shimo.im/docs/l6QXA2Hq3k83tcjd），补充必要内容，比如开头的选手简介和结尾的参赛总结；
2、如果使用本地BI制作，且确保作品已完成不再需要修改，建议尽快联系组委会助手苏茜，进行作品资源迁移，导入大赛公共平台，形成在线模板查看链接，方便评委查看。

期待选手完善之后的作品~~

特别干净利落的仪表板。

打卡：人资分析感觉可以进一步利用一些散点图，把人员按照不同维度进行象限分布，可以有效的引导企业人员改进和领导人资决策。

打卡：人才占比低、员工流失率高、加班时间长、矿工率高，核心的因素——薪资没有分析，楼主光画饼是没有什么用的，自身要有优势才能吸引人

打卡：
工具运用的很多，整体的分析思路不错，UI设计的整机很舒服。整体故事化的讲解，逻辑贯穿始终

打卡：
这应该是比较全面的一份关于人力资源的分析报告，分析思路很清晰。值得一提的是结论与建议，每一个问题都对应一个解决方案，非常好。唯一觉得不足的可能是报告中没有包含员工绩效的相关分析。

标题取的挺唬人的，点进来看，分析的毫无亮点，在你第一个图出来的时候，就大致能猜出来你最终分析出来什么样的结果。含金量太低了，你把数据分析的目的搞乱了。你分析出来的结果应该是问题出现的原因，而不是让你为问题提供办法与决策。比如你说员工学历偏低，你要做的是分析出来为何偏低，而不是给领导建议招学历高的人，你以为领导不想招？

打卡：这份人力资源数据分析报告内容丰富、结构清晰、视觉设计友好。报告从人员结构、离职率、新员工、考勤等维度进行全面的分析,覆盖面广。数据处理环节考虑周全,进行了必要的字段补充、计算和层级划分。

打卡：看完整个作品有种内容单薄的感觉，缺少更深层析的数据信息挖掘，此次参赛作品中还有几份分析人力数据的作品，作者可以像他们学习学习，寻找下新思路。

打卡，人员分析的好全面，特别是数据加工过程写的很详细，从4个方面分析，人员、离职率、新员工、考勤，能看出来也是费了一番功夫做出来的，加油

打卡：完整的数据分析过程，配色统一，图表类型选取合理，故事化表达相关的数据分析场景。