数据分析成熟度模型,你处在哪个阶段_数据分析师考试

一项由人力资源研究机构Bersin by Deloitte进行的研究表明：超过60%的企业把很多钱花在大数据分析工具上，希望这些工具能帮助他们的HR部门更多地依靠数据做出决策。但真正成功做到这一点的企业寥寥可数。

一条硕大的鸿沟

通过对480家企业进行调研，我们发现它们当中只有4%实现了对员工的“可预测分析(predictive analytics)”。也就是说，只有极少数的公司能够真正了解影响员工绩效和留存率(retention)的因素，知道如何用数据来确定招聘对象，并懂得如何分析绩效与薪资间的相关性。在我们的研究中，只有14%的企业对员工数据做过实质意义上的数据分析。

那么剩下的84%究竟在干嘛???

在各种应接不暇的报告中凌乱。这些企业依旧困惑于如何有效管理数据，并在整理数据上步履艰难。面对接踵而至的数据报告，它们仍无法生成标准化的可操作指标，以此来实现数据的真正利用。

事实上，很多企业在运用数据方面，仍处在比较初级的阶段。

数据分析成熟度模型

工欲善其事，不只要利其器

想要能够在大数据应用方面如鱼得水，软件和工具固然重要，但不能忽略其他方面的投入：高效的数据管理模式，以提供高质量的数据来源;商业咨询能力，以便能够一针见血识别问题和需求;与财务及运营分析部门的紧密联系;视觉设计和沟通能力。这些技能的重要性不亚于统计学知识、数据分析技术和数学应用能力。

实际上，大多数HR团队指出，找一个统计人员对他们来说不难，难的是找一个能将数据和商务应用结合起来，并能够将研究结果转化成落地方案的项目经理。

从职能层面来说，高效的分析技术团队都有很好的多学科能力，包括商务理解、咨询技巧、数据可视化技术、数据管理能力、统计学知识和领导能力。他们不仅要诊断和解决企业在业务上的问题，还要经常给管理层提供新鲜及时的讯息。

在企业运用大数据的过程中，最大的难题之一就是如何让人们在有了数据之后改变自己固有的行为方式。大多数管理人员都有着很多年积累的“思维体系”和所谓“经验模式”。这些都是阻碍决策者去相信并利用数据的因素。

“明知故犯”的HR经理们

研究对象中有一间公司以薪资涨幅作为变量，对员工的流失率和留存率做了分析。他们之前的薪资水平大致符合一个正太分布，绩效较好的员工得到的工资涨幅略高于绩效稍逊的员工。报告中是这样写的：

“同我们的其他研究结果显示的一样，该公司现行的薪资正太分布是一个错误。那些处于第二、第三分位段的员工(优绩效员工)即便在他们的薪资涨幅只有平均水平的91%时依然会选择留在公司。也就是说，这些人拿多了。

另一方面，那些处在正太分布最右端的员工只有在薪资涨幅高于平均水平15%-20%的时候才会继续留下。”

大多数经理人认为，顶尖员工的绩效高出中等员工很多。假如能让这些人留在公司，付给他们高薪实际上对公司来说是极为有利的。因此，他们即便在得知了研究结果的情况下，依然沿用之前的方式对员工发放薪水。因此该公司不得不推出一套培训项目和新的软件工具来纠正管理者们固有的思维方式，让他们能更多依据数据来决定薪资及奖励分布。

仅有14%的企业真正用对大数据

有太多例子证明依靠数据支撑的HR决策能带来更高的投资回报率。

但遗憾的是，太多的公司尚未涉足该领域，以至于他们无法从中获利。

如果不能将数据分析能力整合到HR策略中，并生成一套以大数据作为支撑的内部管理和薪酬分配系统，那么沦为败者的命运就在所难免。