可靠HR数据助力组织了解人员、流程与潜力，解析其数据源类型
可靠的HR数据能让组织更清楚地知晓自身人员、流程及潜力情况。然而，人力资源数据分析可采用哪些数据源呢？
一、HR数据源的类型
HR数据源可分为4大类：
来自公司人力资源信息系统（HRIS）的数据涵盖公司有关其员工的大部分数据，这就是HR系统数据。在大型公司中，HRIS提供商的常见示例包括Oracle、SAP和Workday。其他系统有申请人跟踪系统（ATS）和学习管理系统（LMS）。
其他HR数据，对于数据驱动的决策至关重要，这些数据不包括在HRIS中，通常是通过调查获得的数据，或者是通过其他测量技术获得的数据。
商户数据，在进行人员分析时，虽不可能涵盖所有业务数据，但其在将劳动力趋势与更广泛的公司成果联系起来方面，发挥着越来越重要的作用，这些数据包括来自财务的数据、销售的数据、运营的数据以及客户反馈系统的数据。
外部数据，是来自外部来源的数据，比如行业报告和趋势，甚至有关流感和天气的数据，这些数据也会为HR策略提供信息。
二、HR系统数据源
公司的HRIS含有关于最常见HR职能的数据，这些职能涵盖招聘、绩效管理以及人才管理。虽然HRIS里的模块在不同公司有所不同，不过通常会有一组通用模块，这组模块包含对人员分析有帮助的数据。
1、招聘数据
从ATS收集的招聘数据，是用于分析的常见数据源，它属于HRIS的一部分或与HRIS相关，包含申请的应聘者数量，应聘者的简历，其他特征，以及有关招聘渠道、招聘来源、选择等的数据，ATS是招聘指标最常见的输入来源。
2、员工统计数据
另一个关键数据源是HRIS中的员工记录，其中涵盖员工的ID，员工的姓名，员工的性别，员工的出生日期，员工的居住地，员工的职位，员工的部门，员工的成本中心，员工的终止日期等，这些员工统计数据通常在分析中作为控制变量被包含 。
此外，手动组合数据时，通常会把员工的ID匹配为唯一标识符，借此提供一个数据库，该数据库包含来自其他系统的数据。
3、缺勤数据
记录缺勤数据是HR数据的另一个主要来源，经理或人力资源部门通常会跟踪病假，他们会将病假记录在系统中，一些组织还会记录缺勤原因，同样，其他类型的休假（如育儿假）以及迟到早退数据也会被捕获。
4、绩效管理数据
绩效管理系统，也就是PMS，通常属于HRIS的一部分，它包含着有关绩效管理的信息，其中涵盖员工评价以及绩效评级 。
5、学习管理数据
学习管理系统（LMS）是人力资源信息的又一来源，它包含一门课程，还能借助不同计划记录员工进度。
但是，不是所有学习数据都存储在LMS里。比如说，财务部门一般持有源自外部渠道的支出信息，而学习影响和有效性通常借助调查来衡量。
6、组织架构
Job架构是一个框架，它能作为薪酬的基础，其他相关术语包含组织分级，不同角色被组织划分到不同工资等级，这些等级带有最高奖励水平 。
一家公司也许会划分软件工程师的级别，从初级开始，接着是高级，最后到领导级别，而且每个级别都和一个工资范围以及明确的期望相互关联。
在分析中使用时，它有助于回答以下问题：
类似职位或部门的薪酬水平是否一致？
有多少员工担任具有增长潜力的职位与有上限的职位？
某些级别的离职率或晋升率是否更高？
组织在各个职级培养人才方面做得如何？
7、薪酬和福利
确保员工工作获得公平报酬，是保持员工敬业度的一个重要部分，薪酬和福利数据存储在公司的人力资源系统或工资系统中，这些数据包括薪酬方案详细信息和次要员工福利。
8、继任计划
继任计划在HR系统中也较为常见，这方面的数据量由组织的继任计划实践决定，示例数据涵盖领导力发展数据，还有关于哪些员工是某些职位下一个候选人的数据。
9、人才发展
这包含旨在培育内部人才的计划数据，像领导力发展轨道、高潜力员工名单或者导师参与等。虽说LMS里或许含有一些元素，然而更广泛的人才发展数据通常源自多个渠道，涵盖HRIS、人才审查以及项目跟踪工具，它呈现出有关组织怎样投资于未来领导者以及内部流动的趋势 。
10、离职面谈
离职面谈数据会因组织的不同，而有可能存储在HRIS中，这些数据能提供有关员工离开组织原因等方面的信息，其对于深入了解如何减少员工流失率以及改善员工体验或许颇具价值。
11、学习计划数据
有关学习效果评估的数据，通常与LMS分开存储，由学习部门管理，这些数据可能位于Excel电子表格中。有关学习计划评估的数据，通常与LMS分开存储，由学习部门管理，这些数据可能位于调查收集工具中。
对于开始从事学习分析的组织来说，将这些数据集成到更广泛的HR报告中，是早期的首要任务。对于尝试推进学习分析报告的组织来说，将这些数据集成到更广泛的洞察数据库中，是早期的首要任务。
12、差旅数据
差旅数据能提供有关员工角色和工作模式的有用背景信息，特别是针对全球团队或者面向客户的团队。它一般通过财务或差旅预订系统来管理，所以通常处于HRIS之外，要单独提取出来做分析。
13、指导数据
如果跟踪得当，指导计划能成为丰富的数据源，参与者的相关信息、导师持续的时长、匹配类型（同伴、跨职能、高级 - 初级）以及参与者的反馈等，可帮助HR评估计划的覆盖范围，还能评估其有效性以及在职业发展中的作用 。
这些数据有助于了解发展趋势，有助于支持DEIB目标，有助于确定未来的领导者。它可能来自专门的指导平台，可能来自项目协调员，也可能来自调查工具。
14、员工调查数据
很大一部分人力资源数据是通过调查收集而来的，调查范围涵盖诸多方面，包括对自助餐厅食物质量的民意调查，包括首席执行官关于他们受欢迎程度的调查，还包括传统的员工敬业度调查。
大多数公司发送调查的方式比较分散，这有可能致使整个组织的调查数据变得分散，还会造成调查疲劳，在一个位置收集所有这些数据，有助于更好地了解员工调查数据。
15、参与度调查
敬业度调查有时属于我们所说的员工调查数据库，参与度调查一般由第三方收集以确保匿名性，这表明参与度调查作为单独数据源，有自身的结构和报告。
16、健康和保健
根据组织的差异，或许会提供有关员工健康计划的记录，这些记录是参与员工健康计划所产生的，而这是HRIS中通常不会捕获的另一个数据源。
17、组织社交网络数据
组织社交网络上的数据，目的在于关注员工在整个组织里是怎样建立联系与协作的，它能够揭示出非正式影响者，还能揭示沟通瓶颈以及跨团队动态。
ONA的数据或许源自各类渠道，涵盖协作工具（像电子邮件或者聊天平台）、日历数据、电话日志以及专用网络调查 。尽管出于隐私考量要谨慎处置，然而ONA能够给出有价值的见解，助你知晓在组织结构图之外工作实际是怎样完成的 。
18、CRM数据
该公司的客户关系管理系统含有大量客户数据，其中包括客户接触时刻，还包括这些接触点的NPS分数，以及潜在客户评分等，这些数据可是用于衡量人员政策对面向客户员工影响的关键结果数据。
19、财务数据
财务数据是另一个关键的业务数据源，它能用于简单的L&D支出分析，能用于更复杂的劳动成本分析，能用于不同干预的投资回报率计算，还能用于其他财务分析。
20、生产管理数据
生产管理系统会跟踪运营指标，比如调度、服务呼叫、交货率以及周转时间。这些数据主要供运营团队使用，不过也能够当作人员分析的结果数据，以此帮助HR评估劳动力政策对生产和交付角色的生产力、效率或者服务质量会产生怎样的影响。
21、销售数据
销售数据是衡量结果的另一种标准，示例有每家商店的销售额，它能当作结果数据，用以衡量不同HR政策的影响，比如学习计划的有效性。
22、就业市场和薪酬基准数据库
Glassdoor、统计局等会提供薪酬数据，也会提供劳动力市场数据，这些基准能帮助HR在薪酬方面保持竞争力，能让HR了解人才可用性，还能让HR发现对某些技能的需求变化。
23、竞争对手和行业报告
来自麦肯锡、SHRM和Deloitte等组织的研究，提供了对招聘趋势的见解，提供了对劳动力基准的见解，提供了对不断发展的HR实践的见解，这些报告有助于将内部数据置于上下文中，有助于指导战略规划。
24、政府和合规性数据库
EEOC、OSHA和IRS等机构发布有关就业法的数据，这些数据支持合规性工作，为风险管理提供信息，这些机构还发布有关安全、福利和劳动力趋势的数据，这些数据为政策制定提供信息。
25、招聘网站和招聘平台
招聘平台如LinkedIn、Indeed等，可充当外部数据源，通过提供对职位发布表现、候选人可用性和市场竞争力的见解，供使用这些工具的雇主访问分析，以改进采购策略并适应劳动力市场趋势。即便没有完全访问权限，这些平台仍能提供有关招聘需求和行业标准的有用信号。
三、使用HR数据源的7个技巧
使用多种不同的人力资源数据源，这需要结构化且有效的人力资源数据管理，以下是7种需要考虑实施的最佳实践：
将人力资源系统用作员工数据的唯一事实来源，集中数据，整合其他HR系统，如ATS、LMS、薪资和绩效管理系统，借此消除数据孤岛，运用HR分析平台或数据仓库整合来自多个源头的信息。
维护合规性，维护数据安全，遵循准则和法规，保护员工隐私，保持HR合规性，根据基于角色的权限限制访问敏感HR数据，加密HR数据，备份HR数据。
对HR专业人员开展数据素养培训，具有数据素养的HR从业人员能够从数据里推断出相关信息，能够批判性地思考数据所显示的内容，还能将其恰当地应用于特定目的。
你可以把HR数据和业务数据相结合，业务数据比如销售和客户服务指标，通过这种结合来评估HR实践怎样为组织的业务目标做贡献，人力资源价值链能帮你做此分析。
建立明确的数据所有权和治理，指派HR数据管理员监督数据完整性和合规性，为每个HR职能部门定义数据所有权，比如薪资团队管理薪资数据，招聘团队处理ATS数据等，还要创建涵盖数据访问、修改权限和报告结构的HR数据治理策略。
持续改进数据策略，要定期审查你的HR数据收集方法，通过这种方式消除冗余数据源，进而优化你的流程。
你希望确保所收集和使用的数据准确无误，这就意味着数据要完整，没有错误，并且是最新的 。
每个组织的HR和业务数据结构存在差异。本文提及的部分数据及来源或许可用，然而其他数据可能不可用，正因如此，绘制已可访问的内容，识别差距，并制定计划逐步将更多数据引入HR分析工作极为重要。
—END—
公众号改变推送规则，为及时链接内容，欢迎您：