HR Analyst？據說錢途不錯？

前些日子，朋友圈和各種微信公眾號被《未來最值錢的HR工作：HR Analytics ！》這篇文章刷了屏，作為一個已經在坑中的HR Analyst，自然是接到了不少學弟學妹的問候：原來人力還有一個這么值錢的方向？怎么入行？我需要有哪些素質？今天就來具體說一說

1.人力資源分析人才稀缺

大數據、互聯網的時代，“數據+”已經成為大勢所趨，傳統的人力資源管理也不例外。

德勤公司2018全球人力資本趨勢報告顯示，84%的被調查公司認為人才分析重要或者非常重要，其重要性高居所有趨勢的第二位。但市場上的成熟度卻嚴重不足，認為自己公司對這一挑戰已經做好“充分準備”的受訪者僅有10%。

一邊是企業的硬需求，一邊是人才的供應不足，自然導致這個崗位薪酬待遇的居高不下，隨便搜索一下招聘網站，對于2年以上經驗的人力資源數據分析師年薪為18萬-90萬，遠高于同等經驗水平的傳統HR。這樣的高薪自然讓很多人對此摩拳擦掌躍躍欲試。

雖然數據分析、商業分析、大數據已經發展了有些年，但是人力資源的數據分析還處于一個剛起步的狀態。國內相關的資源和書籍少之又少，國外也缺少成體系化的理論模式用于參考。雖然人力資源大數據提了很多年，但是從某種角度上來說，國內HR Analysit還處于一片藍海中，還有太多的未知等待探索。

2.分析師應該是什么樣的存在

人力資源分析師在企業中應該是一個什么樣的存在呢？這看起來似乎有點尷尬。

從傳統的人力資源六大板塊視角來看：人力資源規劃、招聘與配置、培訓與開發、績效管理、薪酬福利管理、勞動關系管理中似乎沒有數據分析的立足之地，非要說的話人力資源數分析和人力資源規劃是最能搭上邊；從三支柱的視角來看：SSC\COE\BP中也沒有數據分析的立足之地，似乎三個支柱都有數據分析的立足之處。

以我個人的咨詢公司的工作經驗來看，人力資源數據分析師應該將自己定位為企業的“外腦”：站在企業外部看企業的問題，做企業的咨詢顧問。

“這是CEO應該考慮的事情。”這是做HR Analyst最大的忌諱。

HR Analyst的工作，很多時候需要站在企業CEO的角度進行思考，站位往往決定一個人看待問題的深度和廣度，對于數據分析也是如此。在進行分析的時候，不妨假設自己是一個外部的咨詢顧問，公司花了大價錢請你來進行業務的分析和診斷，你需要給出一些切實可行可落地的解決方案。

這樣的思考方式可以幫助你在數據分析的過程中視野的開闊，不會局限在某一個思維的死胡同。尤其是當你的思路站在一個求職者、競爭對手、離職同事的角度上的時候，你會發現很多值得分析和探索的領域。

高站位思考還有一個好處，提升自己在職場的競爭力，為未來的職業發展創造空間。

3.我需要會寫代碼嗎？

這是一個非常好的問題，大多數想做人力資源數據分析的小伙伴都是人力資源相關背景出身。

對此，我的答案是：不需要，但是你可以一時不會，不可以一直不會。

HR Analysit的工作，相比之下更類似于BA（business analytics）而不是DS（data scientists），雖然很多報告、文章都說大數據、機器學習、數據挖掘等工具在人力資源數據分析中的地位越來越重要，但理想很豐滿現實很骨干，現階段，對人力資源的數據分析來說“大數據”恐怕尚早，理清“真數據”可能更加現實。

作為一個分析師，我們要清晰地認識到，理清真數據用不了太長的時間。通常情況下，所有的真數據都是可以內嵌在系統中的，不需要太多的人為進行計算操作，當理清了真數據之后，如果自己沒有大數據的思維和能力就會被行業淘汰。

時刻充電，保持隨時離開的資本，保持隨時應對顛覆的能力已經是這個時代職場人的必備技能，對此，我建議可以這樣做：

1.最新的行業資訊——了解行業大事，搶在領導之前調整分析重點；

2.學術研究報告——關注某一特定問題的最新學術研究報告，例如如員工保留、員工績效方案設計等；

3.標桿企業新動態——了解標桿的動作及時跟進；

4.算法模型——了解算法模型的更新迭代，有助于提高效率；

5.軟件技能——學習并提升相關軟件使用技能；

6.報告撰寫和設計排版——參考其他報告的撰寫和設計并學習，美觀對于數據分析報告來說也很重要。

4.我數學不好是不是可以死心了

不是

這個問題我可以非常斬釘截鐵地告訴你，數學不好不會編程并不會阻止你成為一位優秀的人力資源分析師。

理解數據可能比數據本身更加重要。

比如一個再簡單不過的數據，公司某部門的男女性別比是2：1，這樣一個數據甚至不需要會什么統計軟件和分析技巧就能得到，但是應該如何來理解這個數據呢？

——我們的男女性別比例失調？然而真的是男女搭配干活不累嗎？

——我們的面臨什么樣的風險呢？男性員工會因為覺得在公司社交限制找不到對象而離職嗎？

——這個比例是不是意味著我們的女性員工休產假了不會給部門的工作帶來影響？

——這個性別比例給我們的招聘工作帶來了什么樣的機會或挑戰？我應該多招女性嗎？

…………

很顯然，這樣的問題是單純的數據不能解釋的，做人力資源的數據分析需要“道術并齊”。道就是指人力資源的理念和思維，術則是軟件技能和數據能力。

不要迷信木桶效應，一個團隊中大家能夠取長補短就可以了，本來就不需要每個人都是多面手。