第1篇：人力资源常用数据分析

人事部门常用数据分析

一、招聘分析常用计算公式

1、招聘入职率：应聘成功入职的人数÷应聘的所有人数×100％。

2、月平均人数：（月初人数＋月底人数）÷2

3、月员工离职率：整月员工离职总人数÷月平均人数×100％

4、月员工新进率：整月员工新进总人数÷月平均人数×100％

5、月员工留存率：月底留存的员工人数÷月初员工人数×100％

6、月员工损失率：整月员工离职总人数÷月初员工人数×100％

7、月员工进出比率：整月入职员工总人数÷整月离职员工总人数×100％

8、骨干员工留存率：中高层员工人数÷月初员工人数*100%

二、考勤常用的统计分析公式

1、个人出勤率：出勤天数÷规定的月工作日×100％

2、加班强度比率：当月加班时数÷当月总工作时数×100％

3、人员出勤率：当天出勤员工人数÷当天企业总人数×100％

4、人员缺勤率：当天缺勤员工人数÷当天企业总人数×100％

三、常用*计算、人力成本分析公式

1、月薪*：月*额÷21.75天×当月考勤天数

2、月计件*：计件单价×当月所做件数

3、平时加班费：月*额÷21.75天÷8小时×1.5倍×平时加班时数

4、假日加班费：月*额÷21.75天÷8小时×2倍×假日加班时数

5、法定假日加班费：月*额÷21.75天÷8小时×3倍×法定假日加班时数

6、直接生产人员*比率：直接生产人员*总额÷企业*总额×100％

7、非生产人员*比率：非生产人员*总额÷企业*总额×100％

8、人力资源费用率：一定时期内人工成本总额÷同期销售收入总额×100％

9、人力成本占企业总成本的比重：一定时期内人工成本总额÷同期成本费用

总额×100％

10、人均人工成本：一定时期内人工成本总额÷同期同口径职工人数

11、人工成本利润率：一定时期内企业利润总额÷同期企业人工成本总额×100％

四、培训统计分析公式

培训出勤率：实际培训出席人数÷计划培训出席人数×100％

hr常用公式分析

1.新晋员工比率＝已转正员工数/在职总人数2.补充员工比率＝为离职缺口补充的人数/在职总人数

3.离职率（主动离职率/淘汰率）＝离职人数/在职总人数

4.异动率＝异动人数/在职总人数

5.人事费用率＝（人均人工成本*总人数）/同期销售收入总数

6.招聘达成率=（报到人数+待报到人数）/（计划增补人数+临时增补人数）

7.人员编制管控率=每月编制人数/在职人数

8.人员流动率=（员工进入率+离职率）/2

9.离职率=离职人数/（（期初人数+期末人数）/2）

10.员工进入率=报到人数/期初人数

11.离职率=离职人数/(期初人数+录用人数)×100％

12.员工当月应得薪资的计算方程式为:

13.每天*=月固定*/21.75天

14.当月应得*=每天*x当月有效工作天x当月实际工作天数调整比例

备注：

当月应工作天数=当月自然日天数–当月休息日天数

当月有效工作日=当月应工作天数–全无薪假期

当月实际工作天数调整比列=21.75天/当月应工作天数:

作为生产型企业，还会要算到劳动生产率：

劳动生产率=销售收入/总人数

1.新晋员工比率＝已转正员工数/在职总人数

2.补充员工比率＝为离职缺口补充的人数/在职总人数

3.离职率（主动离职率/淘汰率＝离职人数/在职总人数

4.异动率＝异动人数/在职总人数

5.人事费用率＝（人均人工成本*总人数）/同期销售收入总数

成本效用评估：

总成本效用=录用人数/招聘总成本

招募成本效用=应聘人数/招募期间的费用

选拔成本效用=被选中人数/选拔期间的费用

人员录用效用=正式录用人数/录用期间的费用

招聘收益成本比=所有新员工为组织创造的价值/招聘总成本

数量评估：

录用比=录用人数/应聘人数*100%

招聘完成比=录用人数/计划招聘人数*100%

应聘比=应聘人数/计划招聘人数*100%

*计算=月*/21.75*实际工作天数（不计算周六日）

加班率：总加班时间/总出勤时间

直接间接人员比例：直接人员/间接人员

第2篇：人力资源数据管理技巧

导语：数据反映社会发展的趋势，对于企业发展也很重要，那么人力资源管理应该如何借助数据实施管理呢？一起了解一下吧！

大数据时代的到来，不仅让我们切实感受到庞大的数据信息，更激发我们探求其中的关联*，数据始终贯穿在我们的生活中。在这个大数据时代里，如何更好地利用信息时代产生的海量数据为管理服务，如何利用数据创造便利与财富已经是不可回避的现实。在此驱动下，为人力资源管理工作的开展带来了更高的管理要求。

对于人力资源管理者来说，数据并不陌生，数据分析体现在人力资源管理的各个环节。招聘中候选人信息收集、员工基本结构的分析、员工测评、人工成本及人效分析、以及员工的绩效管理的分析等等，都是和各种数据打交道。可以说，人力资源日常工作已全面数据化。然而，当日常数据演变成大数据时，如何对人力资源数据信息进行全方位整合，成为数据存储、处理和分析？如何通过数据的深入挖潜、分析，找出数据背后问题产生的真正原因及变化趋势，提前预测人力资源管理方向及潜在的风险？如何运用“大数据”思维方法，结合公司团队现状特点，通过对关键数据的分析来驱动公司和业务部门人力资源管理方面的改善，帮助员工个人绩效的提升呢？

首先，我们的思维方式，人力资源部门人员要树立“大数据”管理思维。要有意识地建立、积累有关人力资源管理活动的数据，养成用数据说话的意识；学会并运用数据分析、数据变化趋势思考分析业务；有意识的提升分析萃取信息的能力，提高数据分析逻辑能力。通过运用大数据的思维方式，整合结构化和非结构化的各类数据，使人力资源安排更加合理化、人力资源管理理念和技术更加科学化。

其次，我们的视角，重视并利用现有HR系统管理平台及相关分析工具。HRMS的上线，为我们的组织管理、岗位管理、招聘管理、员工关系管理、薪酬管理等HR管理提供了便捷、稳定、高效的管理平台和数据支持，这大大提升了人力资源部门运营管理效率。HRBI的实施，将HR数据信息进行多维度整合，通过HRBI中的仪表盘提供的用工情况分析、人工成本分析、人力资源效率指标等分析，为我们系统地提供了整体用工情况、人工成本预算执行、员工收入、人工成本效率等多角度的数据分析，通过这些分析为公司的人员配置与使用、薪酬与绩效激励、人才培养与发展等人力资源管理政策优化和管理决策提供了数据支持。在数据真实可靠、及时准确、全面连续的基础上，现有系统俨然已经成为人力资源很好的“大数据”分析工具。

最终，我们的行为，建立关键数据分析管理模型，帮助业务部门提升HR管理技能。结合2023年云南区域公司提出的管理主题“管理提升年”，我们人力资源部从业务需求和团队管理现状出发，确定了四个方面的分析重点。一是对人力资源管理基本信息、岗位素质标准进行分析，构建人才标准模型，为人才配置提供基础信息。二是员工离职率分析，细化分析至离职的每一个人。通过分析总结离职员工群体和离职影响要素，防患于未然，提示并帮助各业务部门改善人员管理。三是绩效管理分析，从公司整体、部门到个人进行绩效指标多维度细化分析。分析绩效指标与业务目标、绩效结果与薪酬激励、绩效过程与员工行为表现之间的关联因素，找到对员工和团队业绩的关键驱动因素。加强业务部门负责人绩效沟通培训，提升绩效管理技能；要求业务部门进行员工绩效辅导和绩效面谈，帮助员工有效改进。四是人效指标分析。通过人效指标紧密结合业务的分析方法，客观的评估人力资本的投入与产出，让人力资本管理真正体现出为企业增值。

“数”中自有黄金屋，让我们从树立“大数据”管理理念开始，提升人力资源管理水平，获取大数据中的“宝藏”吧！

第3篇：数据挖掘在人力资源信息分析中的应用

数据挖掘(英语：Datamining)，又译为资料探勘、数据采矿。它是数据库知识发现(英语：Knowledge-DiscoveryinDatabases，简称：KDD)中的一个步骤。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统(依靠过去的经验法则)和模式识别等诸多方法来实现上述目标。

摘要：企业的竞争归根结底是人才的竞争，如何全面掌握和合理利用人才资源是公司人力资源管理的首要问题。本文首先简单介绍了数据挖掘技术的背景、常用技术及运作流程，在此基础上阐述了数据挖掘技术在人力资源信息系统中的应用。

关键词：数据挖掘;信息系统;人力资源

伴随着知识型经济时代的来临，公司的组织形态和生产方式发生了根本改变，企业竞争的焦点由物质资源的竞争转化为人才资源的竞争。如何较少人才流失，保持企业员工的工作热情，最大限度的开发和利用人才，实现企业人力资源系统化的管理，成为企业经营者和人力资源管理者面临的重要问题。

一、数据挖掘概述

数据挖掘是一种新的信息处理技术，是指在没有明确假设的前提下去挖掘信息、发现知识。数据挖掘与传统的数据分析有着本质的区别，传统的数据分析是根据已有的数据进行分析，从海量的信息中提取有效信息从而形成结论，而数据挖掘是从大量的模糊数据中提取潜在的有用知识，挖掘到的知识是未曾预料到的、甚至是违背直觉的，先未知、有效和实用是衡量数据挖掘到的信息的三个标准。

数据挖掘技术是机器学习、统计及决策支持系统三者相结合的产物，由算法和技术、数据、建模能力三部分构成，其主要任务是关联分析、聚类分析、分类、预测和偏差分析，数据挖掘的基本过程和主要步骤如图1所示。

图1数据挖掘的基本过程和主要步骤示意图

二、数据挖掘在人力资源信息分析中的应用

(1)数据挖掘在招聘环节的应用。首先企业要根据发展战略目标，进行工作分析，制定人力资源规划，具体分析拟招聘人数、招聘标准，认清数据挖掘的目的;其次人力资源部招聘专员在平台上发布招聘广告，招聘广告的内容包括公司的基本情况、招聘岗位、应聘人员的基本条件及截止日期，从网站的数据库中获得简历数据，将应聘人员作为数据仓库，从中选择出适用于数据挖掘应用的数据;再次，利用数据挖掘工具在数据中查找模型，将数据转换成一个分析模型，常用的数据挖掘模型有：神经网络方法、决策树方法、遗传算法、粗集方法、统计分析方法、模糊集方法，根据不同岗位对人才的不同需求对各种人才进行分类和比较，判断哪类人才更适合该岗位，最后是结果分析，由于所选取的变量不同，输出结果不同，从而导致最终形成的结果报告也有着差异*，数据挖掘人员可采用直观量化的评分技术，将应聘人员的信息数据以某种权重加以衡量，针对各种目标给出量化评分，确定是否让应聘者参见面试。数据挖掘技术的应用，提高了模型的精度，满足了招聘的需要。

(2)数据挖掘在预防人才流失方面的应用。首先企业要进行数据整理，建立离职人员基本信息数据库，将与离职有关的离职申请与离职面谈记录等文件进行整理，使用COID系统的

ID自动产生器，构建离职人员信息表;其次根据离职申请及离职面谈相关资料，构造预防人才流失的选择树分类图，通过分析离职人员信息表可以发现，造成员工离职的原因有以下几方面：薪酬待遇过低达不到员工的满意度;工作压力过大不能正确处理人际关系;个人发展空间有限;最后构建选择树模型，针对离职原因选择有效的预防措施，研究发现，在所有离职的原因中，待遇不满意是员工选择离职的首要原因，针对这一结果，企业要进一步完善薪酬体系和福利设计，避免由于这一原因造成的人才流失，工作环境不满意造成的人员离职比例较高，针对这一结果，企业要加强对员工的沟通，了解员工的需求，调整或改进工作的软、硬环境。个人发展空间有限在离职比例中呈上升趋势，针对这一结果，企业要注意给员工提供培训和发展的机会，为他们进行职业生涯设计，达到公司与个人双赢。在人力资源管理数据基础上，采用数据挖掘技术，可以实现分析结果的动态发布，对预防公司人才流失有重要应用价值。

(3)数据挖掘在完善人力资源精确管理中的应用。数据挖掘技术应用到人力资源精确管理上可有效解决人力资源配置不合理的问题，优化人力资源配置，提高人力资源投入产出效率。要想实现人力资源的精确化管理就要明确工作标准，将工作内容具体化和定量化。首要的工作是对原始数据进行处理，通过挖掘以往工作量的历史数据及对工作人员进行实地的调查的方式明确工作岗位的定额标准，使每项工作量化为同一单位，建立生产力标准;其次应用工时池模型将工作流程分解成标准化简单劳动。最后将员工每天完成工作量的信息数据输入到知识库中，将员工的实际工作量和设定工作量标准进行比较，当发现员工的实际工作量与设定工作量标准差距较大时，管理层应及时对员工生产流程进行调整，以实现对岗位的有效管控。通过挖掘员工的信息数据，可以使企业了解员工的具体工作情况，发现工作中的最优人才，为人才的选拨提供依据。

三、结语

随着时代的进步，人类己从工业经济时代跨入了信息时代，信息技术已渗透到人力资源管理的各个方面，在人才的引用、选拨及预防人才流失等方面发挥着重要作用，为此企业应运用数据挖掘技术，逐步建立起适合自身特点的人力资源信息系统，从而提升企业的核心竞争力。