Phân tích Dữ liệu Nhân sự, bạn đang triển khai như thế nào?

Bạn không còn lạ lẫm gì với các câu nói như:

“Data is gold – Dữ liệu là vàng”

“Data driven decision making – Ra quyết định dựa trên dữ liệu”

“Data never lies – Dữ liệu không bao giờ nói dối”

…

Mình mở bài như vậy, là để một lần nữa chúng ta đồng ý với nhau về mức độ quan trọng của dữ liệu.

Nhưng!

Có một thực tế là: việc phân tích dữ liệu nhân sự ở Việt Nam đang khá yếu.

Hầu hết chúng ta mới chỉ dừng lại ở việc, xử lý dữ liệu ở Excel/ Google Sheets và trình bày vài ba charts đơn giản, sau đó copy/paste vào Power Point.

Không rõ là bạn đang triển khai như thế nào?

Hay đã đạt đến trình độ: nắm rõ các kiến thức về dữ liệu, biết tổ chức dữ liệu, sử dụng các công cụ BI (Business Intelligent) và trình bày dashboard/ report một cách khoa học và bài bản!?

Mở khóa việc phân tích dữ liệu nhân sự

Để có thể làm tốt việc phân tích dữ liệu nhân sự, bạn cần phải có rất nhiều kiến thức liên quan.

Kiến thức về dữ liệu, kiến thức về các công cụ, và đặc biệt bạn phải có kiến thức về HR. Nếu không báo cáo của bạn sẽ rất khô khan và các con số trở nên vô hồn.

Bài viết này không tham vọng đến mức chia sẻ hết các kiến thức phân tích dữ liệu nhân sự cho bạn.

Nhưng sẽ mang lại một nội dung rất quan trọng, có thể giúp bạn tiến 1 bước xa trong việc phân tích dữ liệu nhân sự.

03 khái niệm quan trọng khi phân tích dữ liệu nhân sự

Có phải từ trước tới nay, khi tạo các charts hay sử dụng pivot table trong Excel/ Google Sheets bạn chỉ cần kéo thả các trường thông tin là xong.

Cũng chẳng quan tâm lắm, chúng là cái gì cả. Nếu kéo thả không được thì lại đi tính toán tạo ra một bảng dữ liệu mới từ data cũ, sau đó lại tạo thêm charts là xong.

Và cứ như thế dùng chục năm nay, chả quan tâm gì nhiều!

Đúng, vì nhu cầu của bạn chỉ có thế.

Nhưng để đáp ứng nhu cầu phân tích đa chiều, phân tích sâu (deep dive), tính toán lũy kế,…

Thì bạn cần phải biết rõ và phân biệt được chúng là gì?

Để từ đó có thể tiến đến việc tổ chức dữ liệu (data organization) hay sử dụng các công cụ BI để phân tích (analytics).

Dimension là gì?

Dimension được hiểu là một tập hợp các giá trị (values of dimension), mà bạn có thể nhóm chúng lại với nhau thành một danh mục.

Ví dụ: Trong dữ liệu nhân sự chúng ta thường hay có cột giới tính và GIỚI TÍNH có thể coi là 1 dimension

Chúng ta có thể có các dimension khác như ĐỘ TUỔI, THÂM NIÊN, KINH NGHIỆM, CHỨC DANH, HỌ TÊN,…

Values of Dimension là gì?

Các giá trị của Dimension (Values of Dimension) là các giá trị của một danh mục.

Ví dụ: Dimension là giới tính thì thường chúng ta sẽ có các giá trị như: NAM, NỮ, KHÁC.

Hay đối với dimension là thâm niên thì chúng ta thường có các giá trị như: dưới 1 năm, từ 1 năm – dưới 3 năm,…

Chú ý: Một dimension có thể là giá trị của một dimension khác.

Ví dụ:

(1) Dimension: Chuyên môn (Function)

(2) Values of dimension: Nhân sự, Tài chính,…

(3) Values of dimension (2): Tuyển dụng, Đào tạo, C&B,… (Nhân sự đóng vai trò là 1 dimension và có các giá trị là các chuyên môn nhỏ hơn)

Metric là gì?

Hiểu đơn giản, Metric (chỉ số) là các giá trị được hình thành bằng cách thực hiện các tính toán từ các giá trị của dimension (values of dimension).

Ví dụ:

• Dimension: Giới tính
• Values of dimension: Nam, Nữ, Khác
• Metrics: Số lượng Nam (phép tính đếm); Tỷ lệ nam/ nữ (phép tính chia),…

Xem thêm: Khóa học Phân tích Kết quả Khảo sát

Nâng cấp kỹ năng phân tích dữ liệu nhân sự của bạn

Như vậy là bạn đã nắm rõ 3 khái niệm rất cơ bản nhưng vô cùng quan trọng của phân tích dữ liệu.

Và giờ là lúc bạn ứng dụng nó vào trong công việc của mình.

Cụ thể là sử dụng nó cho 2 việc quan trọng sau:

Tổ chức dữ liệu (Data Organization)

Đây là một công việc cực kỳ quan trọng trong phân tích dữ liệu.

Trước đây chắc bạn cũng chưa thực sự quan tâm, cứ có dữ liệu như thế nào là xài như thế đó.

Nếu nó chưa đúng thì tạo ra bảng dữ liệu mới từ bảng cũ và đi vẽ charts (làm rất chân tay).

Và khi đã hiểu rõ những khái niệm mình chia sẻ ở trên, cũng là lúc bạn nên tối ưu công việc này.

Hãy tổ chức dữ liệu của bạn một cách thật khoa học, để có đầy đủ các dimension, values of dimension và có thể tính toán được nhiều metrics từ chúng.

Khi dữ liệu đã được làm sạch (cleansing) và tổ chức (organizing) một cách khoa học thì bạn đã thành công hơn 50% công việc của mình rồi.

Sử dụng các công cụ BI (Business Intelligent)

Chúng ta có rất nhiều công cụ BI rất dễ sử dụng như Power BI, Data Studio (Looker Studio), Tableau, Superset,…

Trình chỉnh sửa của các công cụ này đều hướng tới việc kéo thả (canvas) một cách dễ dàng và không ngừng tối ưu.

Nên bạn rất dễ dàng khi lên các charts để phân tích, bằng việc kéo thả các dimension.

Nên hãy tìm hiểu ngay để nâng cấp trình phân tích dữ liệu nhân sự của bạn.

Xem thêm: Khóa học Google Data Studio từ A – Z

Như vậy, là bạn đã nắm rõ được 03 khái niệm cơ bản nhưng vô cùng quan trọng trong phân tích dữ liệu.

Giờ là lúc để bạn khám phá thêm và ứng dụng chúng vào trong công việc của mình.