过去20多年，中国企业的信息化走过一条不断摸索的路线，已经解决了很多问题，比如业务线上化的问题，比如数据存储的问题。时至今日，数字化是如此的深入人心，我们不用再重申数据分析对于业务决策的重要性，也不用讲解数据分析到底为什么能预测未来。因为香农的信息论已经明确指出，当我们掌握的数据越多，我们就越能预测上帝扔出的色子是什么颜色。但问题是，道理你都懂，有多少企业能做到呢？

去年用友在全国范围内进行了一次调研，超过400家企业参与了这次调研，其中反馈的结果中几乎所有的企业都声称自己知道数据对于决策的重要性，但是仍然有超过60%的企业在调研中表示他们的决策是主要依靠经验和直觉得来。

虽然结果中显示的依靠直觉进行决策的仅占8%，但实际情况可能不止。在针对员工绩效表现的场景中，各项分析都提出，对员工的赞扬比批评更能提升员工的绩效表现。这一理论在某位飞行员教官这里却不成立，教官向用友分享了他的个人实践：当他批评了那些飞行表现较差的飞行学员后，下一次该飞行学员的表现就会变好。而当他表样了那些飞行的好的飞行学员，他们的表现大概率不如这次。于是教官提出，批评比赞扬对于提升学员绩效表现更加有效。

在这个场景中，并非教官的经验感知出现了问题，而是教官忽略了在数学模型中非常重要的一个模型，均值回归。也就是当我们将所有飞行员飞行表现的数据录入系统并进行数据分析，会发现大部分飞行员的飞行表现会围绕着一个区间进行上下浮动。所以那些表现差的飞行员下次飞行表现大概率会比这次好，而那些这次表现优秀的飞行员，下次表现大概率没有这么好。这并不是因为教官的批评或者赞扬导致的结果。

当我们把飞行员受到批评和赞扬的次数进行统计，与整体飞行表现数据进行交叉分析，就发现经常收到赞扬的飞行员整体表现高于那些经常被批评的飞行员。

你觉得什么是人力分析？

是这样的吗？

还是这样的？

答案：都不是！

我们应该从边界、格式、数据、目的、价值，这五个维度来剖析人力报表和人力分析之间的不同之处。

传统的人力报表需要二次加工才能够呈现给领导，而用友BIP的智能人力报告，可以帮助人力资源部门直接对数据进行分析和提炼，真正将人力资源从业者从数据整理的工作中解放出来。

在长期的客户服务和针对数据分析的领域研究之后，我们整理了人力分析“金字塔”模型，将整个人力分析分为四个阶段，分别是统计分析、结构性分析、相关性分析和预测性分析。

在结构性分析和统计分析这两个阶段中，仍着重对数据的现状进行统计和展示，并对某些简单的数据进行多维的交叉分析，比如员工年龄和员工级别，比如离职与考勤数据等。而涉及到相关性分析时，我们才开始进入到人力分析的高级阶段。比如对离职原因的相关性分析和回归分析，能帮助我们得出在年轻一代员工中，“薪酬”和“压力”并不是影响员工离职的最重要因素，而“愿景”和“职业发展”才是；甚至于“压力”与员工的离职产生负相关指数。

我们并非不知道我们想要怎样的数据分析，而是我们不知道如何才能迈向这个目标。

第一步：建房子通管道

要建立人力资源数字化洞察力，核心是需要沉淀全流程的数据，建立完善的数字化系统。以往的人力资源系统缺乏一体化的平台和应用，所以企业无从选择，只能够东拼西凑，将业务线上化。现在用友BIP平台就能够完整的解决客户的业务需求，将建房子通管道这个基础打牢。

第二步：装仪表测表现

通过对过去以及现状数据的展示，帮助企业认清现状及战略定位等问题。同时，在人力资源分析领域，一定是有效数据重于全面数据。在仪表盘显示的数据中，并不是呈现指标越多越好，而是要秉持less is more，只给领导呈现最有价值的三个指标。

第三步，跨场景识因果

在这个阶段人力资源系统更多聚焦在与业务系统打通上。当企业战略层层解码，最终落脚在人才管理和人力规划上之后，人力资源部门需要为这些战略目标制定清晰的执行步骤和策略。最终帮助企业达成经营目标。

第四步：深挖掘智判断

我们需要对数据进行深度的建模和钻取，将人力数据分析从“精准表达”变为“找准趋势”。

在企业管理中，我们已经实现了对员工进行精准的画像，通过对大量绩优员工的画像数据叠加分析，我们能够绘制出最适合企业的人群画像，以及整个组织画像，从而在内外部人才选拔过程中帮助我们决策。

从人才画像过渡到组织画像

第五步：评价值定行动

在所有技术和数据都已经具备的前提下，通过数字孪生的业务平台，帮助业务对各种场景进行虚拟测算，从而找到最佳的解题思路。找到让组织价值最大化的路径，然后坚定不移的执行它。

就如同电影《复仇者联盟 无限战争》中，奇异博士预测未来和灭霸交手1400万次只胜利了一次一样，我们的最终目标，也是通过数字孪生平台，在虚拟现实中对所有的可变因素进行预测，从而帮助组织找到能够胜利的最佳途径。