• 数据分析
    HR数据太多,该如何利用才能有效决策? 来源:行走的帆 不要小看了HR部门,它们可能是组织内部少数几个掌握大量宝贵数据的部门之一。从员工个人基本资料到薪酬、绩效、发展潜力,大量的信息都可以在HR系统里找到。 我们该如何像业务部门那样,把这些宝贵的数据转变成我们有效HR决策的依据呢?从数据分析的角度,可以考虑从以下5个方面入手: 1. 趋势分析 很多数据的单个本身并不重要,但是只要我们持之以恒地收集这些数据,假以时
    数据分析
    2018年11月06日
  • 数据分析
    员工调查仍然是衡量参与度的最佳方式之一 VINCENT TSUI HBR Scott Judd Eric O'Rourke Adam Grant 曾几何时,调查是每个领导者征求反馈意见和每个公司评估参与度的主要工具。但现在,在电动汽车时代,调查开始看起来像收集灰尘的柴油卡车。公司正在使用酷炫的新机器学习算法,通过电子邮件响应时间和核心团队之外的网络连接来压缩大数据来衡量员工的参与度
    数据分析
    2018年03月16日
  • 数据分析
    如何去做有效的数据分析 题图来自Pixabay.com,摄影师Engin_Akyurt 1 基本原则 做数据分析工作,一定要遵循一定的原则,这些原则,我简单列了列,属于亮哥比较看重的,但是不一定是通用的。 让我们先来看数据分析的流程。 亮哥认为,数据分析应该遵循下面这个流程: 也就是说,数据分析需要从问题中来回到问题中去。拆解一下其实,数据分析主要要有五个步骤:
    数据分析
    2017年08月30日
  • 数据分析
    想在硅谷找工作吗?数据分析哪些人会被招聘 网易科技讯 7月26日消息,据CNBC报道,你想在高估值的初创公司或科技巨头工作吗?想知道你的大学专业能否增加在Facebook或微软获得职位的机会吗?在线职业教育平台Paysa分析了8200份就业招聘和7万多份简历,以找出哪些人会被招募,这些科技公司最需要哪些技能等。为了更容易对比,Paysa将数据分为两大类,分别是科技巨头(上市超过10年的科技公司,目前市值超过1000亿美元)科技颠覆者(私营
    数据分析
    2017年07月26日
  • 数据分析
    未来的工作:数据分析技能 全球最大人力资源管理协会SHRM近日发布趋势专题调研报告:《未来的工作:数据分析技能》(Jobs of the Future: Data Analysis Skills)。 此项研究的主题是未来劳动力队伍的工作规划,研究对象为预期在未来五至十年内有所增加的职业工种。研究内容涉及数据分析技能的供给和需求、需要数据分析技能的工作职能部门和员工类型以及对不同等级的员工在数据分析工作技能和相
    数据分析
    2016年12月15日
  • 数据分析
    如何用数据分析指导商业实践?这位Google数字营销大师给出了一些方法 摘要: 本文是作者在读了Avinash Kaushik 的《The Lean Analytics Cycle: Metrics > Hypothesis > Experiment > Act》一文后,总结出的一些方法论,对于应用数据分析来指导商业实践有一定的借鉴价值,HRBP一起学习下。 我是做技术出身,不太喜欢重复造轮子,在对 Avinash Kaushi
    数据分析
    2016年12月05日
  • 数据分析
    过快、过量、过度:三类数据驱动型决策中的常见问题(附大量资源) 转自:大数据文摘 |bigdatadigest 作者|Elena Sigacheva 选文 | Aileen 翻译|Elaine琏 校对|饶蓁蓁Sabrina   在大数据的时代,很多公司通过采用数据驱动方式进行决策。在本文中我想谈一下我们在数据分析过程中三种常见失误:过快--急于求成、过量--图囵吞枣、过度--信息过载。 (注:本文附大量外链资料,建议先收藏再查看)
    数据分析
    2016年11月28日
  • 数据分析
    数据分析会给招聘带来什么价值? 《2014-2015中国企业人才管理成熟度调查报告》显示,相比2012-2013年,2014-2015年在“对各种量化的数据进行深度挖掘,建立人力资源 戴维·乌尔里克(Dave Ulrich)被誉为人力资源管理的开创者,他最早提出了“… 工作的决策与预测模型,并指导工作”上增长较明显,显示出企业对数据越来越重视,倾向用科学的方法推动工作。 而在人力资源管理
    数据分析
    2016年06月01日
  • 数据分析
    人才数据分析的价值的一个关键去处:高绩效组织与人才管理价值引导 我们把人才数据分析的成熟度分为四个层面,第一个层面是反应性统计,包括基础组织与岗位信息、员工基础信息、员工基础行为数据等。第二个层面叫做高级分析。常用的分析方法包括人才细分、基准分析、内容分解、连续性统计。第三个层面为决策分析,包括业务驱动分析、关联因子和因果分析。第四个层面我们可以理解为模拟和预测。需要建立价值判断基准、复杂建模和数据预测。 传统人力资源管理过程中的选用育留辞、入离
    数据分析
    2016年05月31日
  • 数据分析
    公开课《量化薪酬诊断分析与优化策略》深圳 7.8 时间:2016年7月8日 09:00-17:30 深圳费用:3500元/人报名咨询 戚小姐 电话:021 5108 3646 QQ:1466990193 邮箱:xiaoqi@goiee.com    课程背景薪酬管理者如何运用数据分析手段,协助决策,创造价值? 半年和年度人工成本和薪酬分析报告怎么做? 薪酬管理者应精于数据运算,突显薪酬管理的逻辑,体现业务发展支持和
    数据分析
    2016年05月30日
  • 12

市场合作或广告投放

  • 电话:021-51083646
  • 邮件:service@hrsalon.org
  • 在线QQ:896522136