人力数据分析负责招聘工作的HR，如何进行招聘数据分析？对后期工作起什么作用

如何提高人力资源岗数据分析能力

先从问题本身来回答一下，培养数据分析的能力，简单说就是 理论+实践 理论：是进行分析的基础 1）基础的数据分析知识，至少知道如何做趋势分析、比较分析和细分，不然拿到一份数据就无从下手； 2）基础的统计学知识，至少基础的统计量要认识，知道这些统计量的定义和适用条件，统计学方法可以让分析过程更加严谨，结论更有说服力； 3）对数据的兴趣，以及其它的知识多多益善，让分析过程有趣起来。

实践：可以说90%的分析能力都是靠实践培养的 1）明确分析的目的。

如果分析前没有明确分析的最终目标，很容易被数据绕进去，最终自己都不知道自己得出的结论到底是用来干嘛的； 2）多结合业务去看数据。

数据从业务运营中来，分析当然要回归到业务中去，多熟悉了解业务可以使数据看起来更加透彻； 3）了解数据的定义和获取。

最好从数据最初是怎么获取的开始了解，当然指标的统计逻辑和规则是必须熟记于心的，不然很容易就被数据给坑了； 4）最后就是不断地看数据、分析数据，这是个必经的过程，往往一个工作经验丰富的非数据分析的运营人员要比刚进来不久的数据分析师对数据的了解要深入得多，就是这个原因。

最后，相关书籍的话，不要脸的自己推荐一下，新书《网站分析实战—如何以数据驱动决策，提升网站价值》已经开始预售，应该马上就有货了，如果有兴趣的话可以关注下。

马科答案： 回答你的第一个问题。

如何培养数据分析的能力？ 最重要的是形成数据分析的思想、意识，并不断在实践过程中找到数据的关联性，挖掘其内在含义，提升自己的数据分析能力，并利用分析结果对未来的工作作出前瞻和指导，也同时检验自己的成果。

形成闭环，不断提升自己。

如何养成这样的意识呢？简而言之 事前，采集历史数据，分析数据关联性，推测可能的模型和影响因子； 事中，采集线上数据，同前期规划模型作比较，找到实际问题中的亟待解决的问题和模型改善，为进一步产品改进等做可能性、关联性分析； 事后，归纳数据，发现自己分析的不足、考虑问题的全面性，为接下来的分析工作做经验储备； 这样的意识就是： 事前估计，为什么会有这样的预测，有什么样的数据或是模型支持此分析结果； 事中监测，有哪些突变或是自己尚未前瞻到的异常用户数据，如何将其融合到新一轮的数据分析中，如何更好的为产品改进服务； 事后总结，在这次事件中有哪些问题，问题的原因出自哪里，模型的问题还是客观性或是其他问题，不断提升自己的数据领悟力； 在数据分析中，重数据，却不拘泥于数据；考虑模型，但要动态变化；不能为数据而数据，应该是客观的评析数据，提出合理的分析结果；不断在实践中提升自己的感悟能力，这不是一朝一夕的事。

数据既为上，又为己，希望你可以理解。

eHR系统为什么能进行数据分析？

eHR系统之所以能进行数据分析是因为它是建立在一整套系统之上，能通过设立的相应接口获得企业日常的人力运行数据，像是：考勤数据、薪资数据、员工绩效、入离等数据并进行相应的系统分析。

所以不是每一家eHR供应商都能提供数据分析功能。

至于题主提到的红海科技，确实能有这个服务倒是真的。

望采纳

什么是人力资源管理的定性、定量分析

定性分析就是理论分析,解决"为什么"的问题;定量分析是实证分析,解决"是什么"的问题. 1.层次分析法 层次分析法的基本思想是把应聘者的综合能力分解为若干指标及层次，在最低层次通过两两对比得出各因素的权重，通过由低到高的层层分析计算，最后计算出各应聘者的最终综合指数，指数最大的即为最佳候选人。

它的基本方法是建立应聘者评价指标层次结构模型。

而建立评价指标层次模型，首先要对所要招聘的岗位有明确的认识，弄清它涉及哪些因素，如目标、分目标、部门、约束条件、可能情况等等，以及各因素之间的相互关系。

其次将评价指标层次化，分为若干个层次。

建立评价指标层次模型之后，可以对应聘者的各项指标进行两两比较，构造出判断矩阵。

判断矩阵是定性过渡到定量的重要环节，再通过求解判断矩阵的特征向量，并对判断矩阵的一致性进行检验，检查企业招聘方在构造判断矩阵时判断思维是否具有一致性。

通过一致性检验后，便可按归一化处理过的特征向量作为某一层次对上一层次某评价指标相对重要的排序加权值，然后从高层次到低层次逐层计算排序权值，得出应聘者的总排序。

2.模糊决策法 在现实生活中，很多概念都是模糊的。

如高个子，身高达到多少即算高个子，并无明确的定义，不同的人会有不同的理解。

另外如应聘的能力、工作态度、性格等概念也是模糊的。

这些概念的内涵是明确的，但外延是模糊的。

在企业招聘的现实中，很多指标概念是模糊的，因此模糊决策方法正在成为企业招聘决策中的一种很有实用价值的工具。

3.优劣系数法 优劣系数法是通过对应聘人员的各项指标相对于其他应聘者的优劣程度进行比较，从中甄选出较优秀的应聘者的一种定量分析方法。

在现实生活中，没有哪一个应聘者绝对优于其他应聘者，也没有哪一个应聘者的各项指标绝对优于其他人员。

的权数；然后通过标准化各项评价指标，使各项指标之间具有可比性，再计算优、劣系数。

所谓优系数，是指一个应聘者优于另一个应聘者所对应的权数之和与全部权数之和的比率。

所谓劣系数是通过对比两方案的优极差与劣极差来计算的。

由于优系数只反映优的应聘者，而不反映应聘者优的程度，劣系数只反映应聘者劣的程度，而不反映劣的应聘者，因而在进行招聘决策时应综合考虑优、劣系数。

优劣系数法是根据优劣系数逐步淘汰不理想的应聘者，在招聘过程中具有较广泛的应用价值。

4.人工神经网络法 人工神经网络(Artificial Neural Network)是一门崭新的信息处理科学，是用来模拟人体神经结构和智能的一个前沿研究领域，因其具有独特的结构和处理信息的方法，使其在许多实际应用中取得了显著成效。

近年来，由于神经科学、数理科学、信息科学、计算机科学的快速发展，使得以研究神经元的工作模式、非程序的信息处理的人工神经网络的实现成为可能。

负责招聘工作的HR，如何进行招聘数据分析？对后期工作起什么作用

1、 负责公司人力资源工作的规划，建立、执行招聘、培训、考勤、劳动纪律等人事程序或规章制度； 2、 负责制定和完善公司岗位编制，协调公司各部门有效的开发和利用人力，满足公司的经营管理需要； 3、 根据现有的编织及业务发展需求，协调、统计各部门的招聘需求，编制年度/月度人员招聘计划，经批准后实施； 4、 做好各岗位的职位说明书，并根据公司职位调整组要进行相应的变更，保证职位说明书与实际相符； 5、 负责办理入职手续，负责人事档案的管理、保管、用工合同的签订； 6、 建立并及时更新员工档案，做好年度/月度人员异动统计（包括离职、入职、晋升、调动、降职等） 7、 制定公司及各个部门的培训计划和培训大纲，经批准后实施； 8、 对试用期员工进行培训及考核，并根据培训考核结果建议部门录用； 9、 负责拟定部门薪酬制度和方案，建立行之有效的激励和约束机制； 10、制定绩效评价政策，组织实施绩效管理，并对各部门绩效评价过程进行监督和控制，及时解决其中出现的问题，使绩效评价体系能够落到实处，并不断完善绩效管理体系； 11.、负责审核并按职责报批员工定级、升职、加薪、奖励及纪律处分及内部调配、调入、调出、辞退等手续； 12、做好员工考勤统计工作，负责加班的审核和报批工作 13、负责公司员工福利、社会保险、劳动年检的办理； 14、配合其他部门做好员工思想工作，受理并及时解决员工投诉和劳动争议事宜； 15、定期主持召开本部门工作例会，布置、检查、总结工作，并组织本部门员工的业务学习，提高管理水平和业务技能，保证各项工作任务能及时完成；