2021年1月31日，在“广州实验室科技助力基层疫情防控万里行”启动活动中，中国工程院院士钟南山公开点赞了兰州大学开发的“新冠肺炎疫情预测模型”，一时让这一“抗疫助攻”成为了焦点。“新冠肺炎疫情预测模型”通过强大的数据分析能力准确地对全球有疫情数据的180多个国家进行每日新增病例的预测，特别是成功预测了去年北京新发地疫情的发展走向，以及巴西和印度的疫情趋势，让世界再次领略了数据分析的力量以及它是如何依靠高效分析多元数据助力全球抗疫工作。

现今，大数据分析的应用已经不仅仅局限于一些特定领域，实际上在数字化转型的潮流之下，数据分析技术已经深入到企业运营的方方面面，每个企业都像一个小型的社会生态，其中的各种信息错综复杂，体系化数据分析架构能够更高效地通过对这些信息的整合和分析，为企业提供准确的决策依据，而人力资源部门也在这种大的趋势下悄悄发生着转型。

从“服务站”向“发电站”转变

在数字化进程中，人力资源部门需要向人力运营部门转变，即从“服务” 员工生命周期向为组织“创造”商业价值的方向转变。在很长一段时间里，人力资源部门都在忙着扮演“操作工”的角色，从事着员工从招聘到退休、离职的事务性工作。随着工业4.0时代的到来，智能人力资源4.0的概念也开始映入人们的眼帘，技术可以帮助人力资源部门从常规的流程中解放出来，人力资源部门可以通过构建战略业务思维，并增强用数据和分析向业务部门、公司高管证明价值的能力，从而实现从“服务站”向“发电站”的转变。那么如何实现这样的转变呢？接下来一个关于人才数据分析的故事相信可以给大家一定的启示：

构建战略业务思维的故事

谈到构建战略业务思维，我们关注的重点有两个，第一是要明确我们要解决的业务问题；第二是基于我们掌握到的数据进行深度分析，以便让我们做出最相关的、最有效的和最经济的决策。

在一家拥有500名员工的英国企业中，人力资源团队会抱怨他们的数据不够可靠、无法使用。但经过深度剖析，我们就会发现他们其实已经拥有了至少一个被认可的准确可靠的数据点，那就是员工的工资。在这个数据点的基础之上，我们可以锁定一个与人力资源相关的业务问题，即员工缺勤率的问题——这家公司3月的缺勤率是12%。如果仅仅把这个数字报给业务部门，那么很显然没有太大意义，你可能得到的只是一句“谢谢”，甚至会被一些业务部门吐槽你在“浪费时间”。然而，如果使用商业思维的视角重新审视和分析这个数据，你就会发现不同的结果：

一个年薪为4万英镑的员工实际上每年会给一个英国组织带来大约5万英镑的成本， 我们假设英国员工平均每年工作约250天，年薪为4万英镑的员工每天的成本约为200英镑。通过深度分析，我们会发现缺勤的数字带来的挑战显然比我们预想的要大得多：仅3个月的缺勤成本就高达18万英镑！通过分析，我们还可以发现35%的缺勤都是流感病毒造成的。因此在向业务部门报告结果时，我们不仅可以明确由缺勤率而导致的成本损失，还可能够提出关于疫苗接种的解决方案，并用数字证明接种疫苗能够帮助业务部门节省15万英镑的成本！

从这个故事中，我们可以看出：战略业务思维是人力资源部门转向分析或数据驱动的工作方法以应对人员和业务挑战的基础。以战略业务思维为基础的数据分析并不一定是复杂的计算，有时候使用基础的数学计算方法和简单易懂的数据结果，配合业务领导者的视角和语言，提供与他们业务运营强相关的洞见，就能更好地助力企业商业价值的提升。

然而，如果人力资源部门想要持续为业务部门输出有价值的数据分析洞见，成为真正的“发电站”，还需要构建更加体系化的数据分析框架。

《人才数据分析指南：理念、方法与实战技巧》这本书就是一个非常好的时效性和实用性并存的人才数据分析工具书，书中展示了新颖实用的人才数据分析框架和方法、以及大量的经典应用案，相信这本书对正在探索人才数据分析方法的众多企业和人力资源从业者有很好的参考价值。