15
2023-09
必知必会 | 人力篇：为什么说了解人力的数分更容易拿捏业务需求
必知必会系列财务篇结束，按照计划，接下来的是人力资源篇。
LEARN MORE
图片由海艺AI绘制
数据分析想落地离不开人
有的时候数据分析师就像老师，做得好不好完全是不是自己说了算，还得看队友怎么样。
以我自己的经历来看，很多时候能不能做出成果，其实并不完全在于我自己能力强不强，而在于我的队友拉胯不拉胯——数据分析结论能不能落地执行。如果运气好碰上了给力的队友，那真的是一起飞；如果点子背遇到了猪队友，就得体验一把恨铁不成钢的快感了。
衡量分析师好坏的从来都不是你做了多少表写了多少SQL，而是你究竟给出了多少可落地的建议，实现了多少优化和迭代（对于大公司而言，这里就需要把你换成数据团队了）。然而，分析和实践落地之间，永远隔着一层业务部门，这就导致数据分析一不小心会成为万能背锅侠——业务做得好了关你屁事，做得不好倒是可以甩锅你分析支持不到位。
数据分析师确实不好做。连chatgpt都说，做这行需要天赋和经验，但实际上，做这行有时候也需要运气。不幸的是我们左右不了自己的运气，运气不足的时候就只能选择靠能力去硬扛。
人比数据难分析
管理企业就是管人，这句话可能会有失偏颇；但是数据分析一定无法绕开的就是分析人。这不是什么职场厚黑学，也不是什么所谓的人情世故至上论，而是很必要的也很单纯的对于分析目的的明确。
屁股决定脑袋。同样的需求，不同的人提出来，因为站位的不一样，需求就会存在偏差。之前带团队的时候，一些临时取数的需求我总会大致过一遍，因为很多时候我掌握了其他人并没有掌握的信息差，而这些信息差让我能够更加精准地理解一些看似无理取闹的需求的来龙去脉。
比如需求方来了一个所谓急很急非常急的需求，其实并不是因为这个需求本身到底有多么重要，而是因为来找你的需求方被他的领导着急催着要了什么东西。而他的领导之所以会要这个东西，则是因为他的领导刚在会上被老板问及这里了没有立刻答上。需求本身从价值上来说确实无足轻重，但是从需求方的角度来说，能够快速给老板答复一个老板需要的答案是自己执行力的体现。
我们经常说，数据分析师往往需要和需求对接人有一段磨合期。其实两人磨合的内容，本质上就是对需求方一些行为习惯的把控。哪怕你自己都没有意识到，但是你在实践中已经不自觉地将对方的需求套进了一个特定的环境中进行分析。
这里额外附赠一个需求理解的必备思路：这个人是哪个部门的，他们部门负责什么的，他们部门老大是谁，他要得这个数据涉及他的绩效了么？
因为要理解需求，所以要理解人。因为要理解人，我们就要理解人的行为动机，理解人在企业中的立场和站位。要理解人，就需要理解企业为人提供了一个什么样的环境、框架和规则。
三千知识，只取核心的一瓢
用学术一点的话来说，数据分析师需要学习人力资源知识有以下几个原因：
了解组织结构和人员分配：人力资源管理涉及到整个组织的结构和人员分配，数据分析师需要了解这些信息才能更好地处理来自各个部门和团队的数据。
预测人员需求和流失率：通过分析人力资源方面的数据，数据分析师可以更好地预测人员需求和流失率，为公司的人力资源规划提供数据支持。
帮助制定薪酬政策：人力资源管理涉及到员工的薪酬和福利，数据分析师需要了解薪酬和福利制度，以便为公司提供适当的数据分析支持，以便优化和改进薪酬制度。
支持雇佣决策：通过分析招聘和雇佣相关数据，数据分析师可以帮助公司做出更好的雇佣决策，例如确定有效的招聘渠道和面试流程。
监控员工绩效：人力资源管理还涉及到员工绩效监测和评估。数据分析师需要了解相关的指标和方法，以便为公司提供良好的绩效监测和评估支持，从而提高员工的工作质量和效率。
然而这些内容，如果深究起来都是非常深的，每一个话题展开都是非常多的内容。作为数分狗必知必会这样一个专栏，倒也没必要讲那么多细节，因为这不一定符合“必知必会”的定义。
和之前财务篇类似，人力资源篇的内容也是只选取数据分析师应该了解的部分来讲。对于数据分析师而言，人力资源领域最需要关注的知识其实就只有两个板块，绩效方案和组织架构。
接下来讲分两期分别介绍一下数分狗应该知道的人力资源绩效方案设计和组织架构设计的内容，有兴趣的朋友们可以期待下周五的更新。
关于数分狗必知必会系列
系列计划每周五更新
已更新的内容可以在最后的“合集”标签中进行查看。也可以直接通过下面链接进行访问：
https://mp.weixin.qq.com/mp/appmsgalbum?__biz=MzUyOTkxNzU4Mw==&action=getalbum&album_id=3065603358423646212#wechat_redirect
