没有用的数据分析是在浪费时间

错误的数据分析就像是过家家

HR在量化管理和数据分析方面常犯的错误，可以归纳为四项：

1.为了量化而量化，结果导致只有数据，没有分析；

2.为了数据而数据，结果导致有了分析，没有结论；

3.为了分析而分析，结果导致有了结论，没有行动；

4.为了报告而报告，结果导致有了行动，没有评估。

用数据来陈述一个事实没有任何意义，对数据加工分析之后，发现问题所在，形成行动方案，对行动结果有进一步的分析和评估才是一个完整的有价值的数据分析！

通过这样的数据分析，我们才有可能为企业提高效益和效率，降低成本和风险

另外，HR对数据分析和量化管理的认识还存在许多误区。

比如，有的朋友认为数据分析就一定要数字、表格或者图形“多”才叫数据分析。

有的朋友认为分析的过程越繁琐、越复杂、越是让人一眼看不明白，越代表了数据分析的质量高。

有这样理解的朋友绝对是对数据分析的一种曲解。

在这里我们先讲几点对人力资源量化管理和数据分析的认识。

首先数据其实不仅指的是数字。

数据其实代表的是一种对企业来说有价值、可处理的信息。这里的信息可以是数字，可以是文字，也可以是图形。

其次，分析也绝不是越“高大上”越好，相反的，许多对企业来说，往往那些有效的分析其实原理并不繁琐，呈现出来的结果也不复杂。原理和逻辑对了，往往能给人带来一目了然的效果。

第三呢，数据分析的目的是为了解决问题，而不只是为了作报告。

第四，数据分析的指向应该总是要达到某个目标的。

有用的数据分析是为了解决问题而存在

只要能够通过对信息的加工处理，实现某个目标，解决某个问题，那就是好的数据分析。

反之，如果不能实现某个目标、解决某类问题，说白了就是没用，那就不叫好的数据分析，或者干脆不能称其为分析！

我们引入一个行业和市场情况判断：

第一个信息是：如果该公司所在的产业是某类精密电子零部件的生产加工，因为有部分的手工操作，非常适合女性工；

第二个信息是：行业协会的数据和企业实践也证明了，女性工的劳动效率平均比男性工高30%；

第三个信息是：最大的竞争对手企业中女性劳动者占比是60%，而且根据调研数据，竞争对手的劳动效率明显高于我们企业。

有了这三项信息作为条件之后，这个时候，我们是不是就可以判断，企业目前的男性占比64%，女性占比36%的结构，应该考虑逐步的调整了。

那么，应该采取什么行动方案呢？

有人说我马上裁员！裁掉男性！马上大批量招聘女性劳动者！

这种行动方案显然太过简单粗暴，而且在短期内，可能会大量增加企业的成本，降低效率。无论是从成本角度，效率角度，还是社会形象的角度，长远来看，对企业都是不利的。

该怎么办呢？

我们可以先了解一下劳动者的自然流失速度，做一个人力结构调整计划。比如，现在每年操作工的流失率是20%。假如我从年初开始，每年流失的一线操作工全部用女性劳动者来补充。

那么，理论上大约用2年的时间，就能达到男性劳动者和女性劳动者的占比达到4:6；也就是和我们最大的竞争对手一致。

这个行动方案，看起来就是靠谱的。

在方案实施的过程中呢，我们可以再持续不断的调整和评估。