受Covid-19疫情影響，為避免人與人直接性的接觸，企業開始重新思考人力資源策略的發展，以及如何將科技應用於優化勞動環境，例如：「提高留任率、降低離職率、雇用多元職能員工等」需求提高；人資數據分析市場的提升，不只是協助HR為企業建造一個更加優良的勞動環境，更是向企業傳遞人力發展價值的一大里程碑。
 
為獲得企業內部資料，可從HR系統、ERP系統開始著手，除了將紙本記錄電子化，推動企業數位轉型外，也能累積內部人才資料庫，蒐集相關數據指標。根據 MarketWatch 報告指出，人資數據分析市場從2019-2025將以每年複利12%成長 ; 而Shibuya Data Count 則預測亞太區HR分析市場將於2024年獲利36億美元。隨著企業數位轉型趨勢的興盛，數據分析解決方案的重要性也日益攀升。而在後疫情時代，中小企業面臨的數位轉型挑戰是：如何將人力分配最佳化？
 
震旦雲整理2022 五大人資數據分析趨勢，帶領人資夥伴走在數位浪潮最前端！

 

一． 人資數據力需求提升

Insight222提出2022年人資數據力之需求提升速度將會超越2021，60%企業的人資數據分析團隊將會持續成長，而75%的企業領導者則將會在近年積極投入資金於發展人資數據領域並訓練人資專業數據技能，以達到利用巨量資料提出精準決策的效果，其有益項目包含：人才招募品質優化、提升員工留任率、掌握最新即時資訊以提升績效與效率及增強員工工作體驗。

 

二． 數據素養將成為人資重要技能之一

根據AIHR研究指出，目前只有40%的人資專員被認為具有數據素養的專業能力。具備數據素養之人才具備解析、整理複雜且龐大的數據，並得以藉此產出對於過去的檢討、未來的預測，以協助企業領導者做出精準決定的能力。企業組成之基本為員工，因此為增進企業價值，即須提升人資領域之數據分析能力，以精準有效方式，提升人才勞動環境。

 

三． 「指示性分析」將成為資料科學發展重點

資料科學的分類總共有三大類，分別為：
描述性分析（Descriptive Analytics）、預測性分析（Predictive Analytics）、指示性分析（Prescriptive Analytics）
 
描述性分析：運用現有資料，解釋已發生的行為
預測性分析：預測可能會發生的大範圍趨勢及變化
指示性分析：透過Ai科技應用除了得以預測未來趨勢外，能提供企業相對應的精準解決方案
 
根據Oracle報告指出，現階段有68%的的企業組織有描述性分析的能力，相當於資料科學的初階，而僅有15%的企業組織擁有描述性分析、指示性分析能力，而人資夥伴作為企業招募、培育人才的第一守門員，因積極以教育訓練、職訓等方式，提升全體員工資料科學能力，並發揮於各自的工作領域，帶領企業精準預測未來市場趨勢。

 

四． 利用數據推估員工離職/留任因素

員工為企業的資產，因此員工離職、留任一直是企業重視的議題之一，麥肯錫全球調查研究指出，幾乎有50%的員工承認自己曾在工作上感到筋疲力盡，而根據KPMG全球CEO前瞻大調查，提出企業經營重大風險中，「人才風險」是關鍵前五大風險之一，也發現因疫情影響大規模且長期的遠距辦公模式，讓企業與員工的關係日漸脆弱，因此勞資雙方的關係必須重新訂定及審視，以達到疫後新平衡。離職率是由多項因素所造成，：如領導者管理方式、平均加班時數、就職年數、工作項目變動性等，因此企業應以科技、資料科學為輔助，長期追蹤員工指標性項目，以掌握組織人才之動向及發展性。

 

五． 人資數據分析力：協助企業擬定精準策略

人力資源部門做為推動企業數位轉型及管理內部營運過程的重要推手，具備人資數據分析能力能幫助企業經理人快速、即時訂定正確的策略，如：HR系統儀表板，以資料科學為導向，運用數據視覺化的方式，讓企業經理人對於目前的人力營運概況得以一目了然，同時能剖析企業環境及文化，間接塑造正向的勞動環境及文化培養。