最近小蔣在學習HR數據分析（People Analytics），主要想了解兩個問題：

• 有什么Low Tech的方法，HR用Excel就能開始？
• 有什么HighTech的玩法，又真的能夠推廣落實？

第一個問題，市面上有些不錯的資料。沃頓商學院在Coursera上有一門網課：[英語中字]《人力資源分析》。學過后我才知道，就連組織網絡分析（ONA）這種看似離不開大數據的玄乎玩意，其實人家靠問卷調查就已經實踐了很多年。

第二個問題，就難直接找到答案了。我買過好幾本書名帶“HR大數據”的書。其中一本的案例里數據竟只有幾十個樣本，其實原版書名就沒有“Big Data”，是翻成中文時硬蹭的。另一本的作者，是我在領英上關注許久的”暢銷書作家、主題演講人、未來主義者、商業戰略和與科技顧問“（聽懂掌聲）。那本不能說對我毫無啟發，只能說讓我手足無措。

其實，在我的認知里，傳統的HR系統里，甚至都沒有”大“數據。入轉調離的結果記錄不算大，審批過程記錄不算大，打卡時間記錄都不算大。

于是，我將學習的目光轉向了電商，這個大數據真正應用廣泛且影響深刻的行業，令我兩眼放光。

而且電商數據分析中有一類叫用戶分析，和HR數據分析的主要研究對象一樣，都是“人”。

很快我發現了一些兩者相似的地方。例如，HR管理中有員工的職業旅程，電商中有用戶的生命周期。

現在不少HR系統廠商也宣傳自己是“員工全生命周期管理”，常常把周期劃分為下圖中的幾個階段，每個階段有相應的系統功能支撐：

可以看到，這些階段的劃分，主要依據還是入轉調離這些人事異動事件。

而電商的用戶周期劃分（見下圖），是根據用戶的統計數據來的。

電商網站除了記錄你買過什么、收藏過什么、購物車里有什么，還會用一種叫“埋點”的技術手段收集你的行為數據：例如你幾點登錄、搜索過什么商品、點擊過什么“猜你喜歡”的推薦商品、從哪個頁面點進的哪個頁面、在每個頁面上停留了多長時間等等行為動作。

之后，再進行統計并設置劃分規則。例如，將下過首單的用戶歸入成長期，總下單數達到N次且近X天下過單的用戶進入成熟期，X天沒登錄過的算作衰退期，不但半年沒登錄還退訂了所有促銷消息、見到關懷優惠也毫無波瀾的用戶列為流失期。

針對不同階段的用戶，電商平臺會給出不同的推廣策略。要讓引入期的用戶盡早下單，讓成長期的用戶盡快養成習慣，讓成熟期的用戶客單價更貴。

為的是讓用戶盡快地花錢，盡量長期地消費，花得更爽，花得更多，從而提升整個周期的價值。

作為HR，我們也希望讓員工盡快進入崗位角色，加速成長為業務骨干，干得更起勁，做出更多貢獻，提升整個周期的價值。

那么，我們能不能也按類似的方法劃分員工的周期呢？

能不能也通過數據指標和判斷規則，來評估員工所處的階段呢？

例如根據職級、工齡、晉升速度、績效趨勢等數據來給員工打上“發展期”、“成熟期”或“瓶頸期”的標簽。這樣可以指導HR和經理對員工采取針對性的發展策略，例如給成熟期的員工持續激勵、豐富他們的職責、發揮幫傳帶的作用；給瓶頸期的員工更多的輔導、培訓和輪崗機會等等。

還有一件事情，是電商和HR都在嘗試做的，那就是識別和挽留流失。對于電商平臺來說，拉一個新用戶的成本往往比留住一個老用戶高出數倍。

電商的數據分析師會使用決策樹等分類算法，找到流失用戶的典型特征，建立流失模型。再從數據庫中檢索出符合特征的用戶，打上標簽，交給運營人員采取挽留措施。

流失預測對于HR來說同樣重要，畢竟等員工提交辭職信再做挽留往往為時已晚，此時員工常常已經和下家談攏薪資，而留給原單位找接班人的時間僅剩下一個月。

除了所屬用戶周期階段，電商平臺還會通過數據分析，給每個用戶打上成百上千個標簽，匯集成用戶畫像。用戶畫像的用途包括：通過精準營銷來降本增效、通過個性化推薦來提升滿意度、通過標記異常行為來控制風險等等。

受此啟發，也有不少企業、HR系統廠商在嘗試搞人才盤點，輸出員工畫像，并以此為基礎實現所謂的“千人千面”。

員工畫像常用于后備干部選拔、人才識別等，可以幫助經理、HR快速了解員工，也可以根據標簽推薦培訓課程、福利計劃、HR服務等。

兩者目前的一大區別是標簽的來源不同。

用戶畫像的標簽大多要靠數據分析得到，按方法分類，從易到難分別是：統計類標簽、規則類標簽和機器學習挖掘類標簽。電商不闊能讓用戶填個人信息收集表，只能暗戳戳、悄咪咪地收集你的行為數據來搞點分析。甚至你的性別都可能要通過分析你瀏覽、收藏、購買過的商品來算個概率。

而員工畫像的標簽，據我了解，目前不少是直接使用或簡單統計員工的靜態數據（如學歷、司齡、招聘渠道、績效得分、測評結果等）得來的。更復雜的標簽，例如離職傾向、稀缺人才、高潛力，則可能更多還是根據主觀判斷手工打上的。這就會有評價標準統一性、評價客觀性、及時性和工作量的種種問題。

那么HR系統有沒有可能也通過分析數據，特別是行為數據，來自動給員工打上，或者建議給員工打上一些復雜的標簽呢？

例如某位員工最近一年在線學習的有效時長，在全公司排前10%，就給他打上“自學達人”的標簽。又例如，如果一名員工點進了《離職流程說明》頁面，且瀏覽時間超過了3分鐘，就升高他被打上“離職傾向”標簽的可能性。

當然，如果沒有現成的產品，HR要嘗試這樣的分析，在技術上還是非常有挑戰的。

首先，打標簽的規則要怎么設置才合理？這就需要HR數據分析師通過統計大量歷史數據，或者編程使用聚類等算法，才能確定。然后，要收集、清洗、處理這么多數據，并定時計算出標簽，還得有人搞得定比較復雜的IT架構。例如下圖，是一個電商員工畫像系統的架構示意：

這樣的投入有沒有價值呢？其實在電商出現之前，商場還在發實體會員卡的時候，商場也會做會員分析。而電商及其對行為數據等大數據的分析，給行業帶來的變化無疑是翻天覆地的。管理的精細度大大提高了，運營的針對性明顯增強的，服務的體驗顯著提升了。

當我們能夠更深的挖掘HR系統、甚至是協同辦公等系統中的行為數據，我們一定也對我們的員工有更深的認識和更新的發現。

那么，現在有產品能幫助HR像電商做用戶分析那樣做員工分析嗎？

本文經授權轉載自微信公眾號：Johnny HCM

如果你想了解更多SaaS干貨和方法論，歡迎訪問36氪企服點評！