分析可以定义为将数据转化为更好决策的见解的科学过程。简单地说，我们可以说分析是逻辑分析的科学，而分析只是从一个样本中收集的定性和统计数据。分析通常依赖于同时应用统计、计算机编程和运筹学来量化性能。当他们开始使用实时统计数据、视频分析和预测分析来通知管理层、球员发展、引入训练方法、安排训练时间等时，整个分析动态被体育产业改变了。
但我们需要理解的是，在这个竞争环境中，我们收集的数据无论是二手资料还是一手资料对我们来说就像自然资源，我们必须知道我们到底需要从这些数据中提取什么。为了利用这些数据，一个组织使用人力资源分析或人才分析，这有助于管理员工的人才与技术。人力资源分析是一个复杂的数据挖掘和业务分析技术的应用到人力资源数据。
图片：Pixabay.
数据分析
人力资源分析主要包括高级分析（分析统计数据），劳动力分析（包括维护曼宁比和磨损率），性能评估分析（通过评估）和预测分析（未来的情况是计划和决定）。劳动力报告和分析的概念有助于为员工提供更好，更明智的决定。例如，下图显示了战术报告如何导致预测分析。如果我们将其分解为三个类别，那么我们可以了解预测分析的概念，这是人力资源分析的一部分：
•发生了什么?:后见之明[通过报告或收集二级(档案)或一级(调查、评估表格)来源的数据来获取人力资源数据]
•为什么会发生？：洞察力（通过分析和监控来感受收集的数据）
•应该发生什么?:远见(开发预测模型)
这三类最终有助于优化人力资本投资回报（ROI）。
来源：德勤
在分析这些数据之后，组织必须知道如何利用这些数据，以及这些数据对组织的成长有什么帮助。这就是人力资源分析发挥作用的地方，因为它负责将劳动力(人力资源战略)与企业战略相结合，
•一个组织应该利用他们的员工数据来提高运营绩效。
•专注于制作人力资源部门更多数据驱动。
•制定执行“预测分析”的能力，了解他们的劳动力。
HR分析的应用
人力资源分析的关键方面是关联业务数据和人力资源(HR)数据，以最终显示人力资源部门对整个组织的影响，并在人力资源所做的和业务结果之间建立因果关系。然后根据提取的信息创建策略。人力资源分析的更多应用有:
•削减成本并提高经济放缓的财务问责制。
•理解绩效和留存的驱动因素。
•使用统计数据来决定聘请谁。
•预测工作满意度。
•分析薪酬如何与绩效相关等，这些都可以通过:
o确定人力资源影响的机会。
o优先考虑人力资源投资和行动。
o展示人力资源实践和计划的底线影响。
为了完成上述任务，一个组织需要一个同样有能力和能力的人力资源分析团队。这个团队应该具备项目管理能力、业务理解能力、咨询技能、数据可视化能力、数据管理能力、执行力，并且应该有解决业务问题的能力。据观察，这类人力资源团队因其基于数据的决策而获得商业同行高度重视的可能性要高出四倍，这给了他们真正的潜力来帮助改变业务。例如，谷歌创建了一个人力分析功能，有自己的主管和30名员工(即研究人员、分析师和顾问)，他们研究与员工相关的问题，并据此做出决策。
挑战
人力资源分析团队面临的一些挑战是:
•要识别应捕获哪些数据以及如何使用此数据来模拟和预测功能，以便组织在其人力资本上获得最佳回报（ROI）。
•组织接收了大量结构化和非结构化数据，清理这些数据需要很长时间。此外，还收到了大量不完整的数据，使其难以获得有效的结果。
•最高管理者拥有多年的“经验”和“信念体系”，这些都阻碍了他们使用数据科学。当涉及到相信事实和数据时，他们会自负。
•大数据分析的最大挑战是让人们在有数据后改变他们的行为。他们必须说服他们的经理采用分析决策。
•人力资源分析是道德挑战，因为处理大数据的力量增加了机构意识的力量。这种力量必须与大量责任一起使用。
•必须确保机密性/隐私，组织应尽一切可能保护敏感数据集，并在该数据所做的内容上打开和清除。
随着分析使用的增加，它是未来的人力资源管理人员，他们必须决定是否要“遵循肠道或遵循数据”。
本文已由Shikhi Mehrotra撰写撰写的管理层
参考
[i] Thomas H. Davenport, Jeanne Harris和Jeremy Shapiro的《竞争人才分析》。https://hbr.org/2010/10/competing-on-talent-analytics
[ii]辛迪蜡的HR分析潜力和挑战。http://data-informed.com/the-potential-and-challenges-of-workforce-analytics/
[iii]通过Mick Collins更好地改变您的公司，并通过Mick Collins更好的人力资源分析。https://hbr.org/2013/12/change-your-company-with-better-hr-analytics/
[iv]人力资源中的大数据:一个富人和穷人的世界，作者:Josh Bersin(2009)。http://www.forbes.com/sites/joshbersin/2013/10/07/big-data-in-human-resources-a-world-of-haves-and-have-nots。
[v] https://www.informs.org/About-INFORMS/What-is-Analytics 2015年9月18日通过。
