《人机协同，走近业务—HR数据分析提效工作坊》

人机协同，走近业务—HR数据分析提效工作坊

主讲：赵莹莹老师

【课程背景】

大量企业HR深陷事务性工作，时间分配普遍为80%事务、20%业务支持，忙于考勤薪酬、入离职、报表文档，却难以输出业务价值。企业即便增配人员、上线系统，仍难以破局，核心痛点在于：工作依赖人工经验，缺少数据化、体系化沉淀；HR被重复性事务占用全部精力，缺少时间深耕业务，无法开展数据化人力决策。

本课程专为SSC薪酬福利及HR团队设计，以工作坊模式展开，聚焦三大核心能力：数据化系统思维建立、AI智能体+Power BI+Tableau三工具协同实操、HR六大模块数据分析场景落地。Power BI、Tableau擅长交互式探索与故事化叙事，AI擅长自然语言问答与智能洞察。三者结合，让HR数据分析从静态进化为智能。从看板到洞察，从洞察到决策，是HR走近业务的关键一跃。

【课程收益】

建立数据化系统思维，从"凭经验决策"走向"用数据说话"，理解HR数据分析如何支撑业务判断、让HR走近业务；

掌握客观数据口径一致性的管理方法，统一HR核心指标定义，消除"数据打架"的根源问题；

厘清AI智能体人机协同边界，掌握人机分工RACI矩阵与四象限判断法，明确"哪些活交给AI、哪些活人来干"；

掌握数据保密脱敏规范与HR场景AI使用合规清单（可用/慎用/禁用三级），守住数据安全红线；

学会借助AI智能体进行快速的数据整理、清洗与分析，将月度报表制作时间从2-3天缩短至2-3小时；

掌握Power BI从数据导入、数据建模到可视化看板搭建的完整步骤路径，独立搭建HR核心看板；

掌握Tableau进阶可视化与AI结合的智能分析方法，搭建人力资本效能分析看板；

运用数据分析支撑HR六大模块（招聘/培训/绩效/薪酬/员工关系/组织发展）的业务判断与决策。

【课程对象】

SSC薪酬福利团队及其他HR团队成员（约15人，有HR管理基础，无AI学习经验）

【课程时间】

1-2天（6小时/天）

【授课模式】

工作坊模式——讲授30%+实操50%+研讨20%，学员自带笔记本，现场搭建看板并产出成果

【课程大纲】

模块一：建立数据化系统思维——HR如何用数据走近业务

一、HR为什么要做数据分析？

1. 传统HR的3大数据困境——数据散落多系统、口径不统一、整理耗时长

2. 时间占比反转——从80%事务+20%业务，到AI赋能后20%事务+80%业务

3. 从"描述性"到"预测性"——数据分析四个层次：发生了什么→为什么发生→将发生什么→应做什么

案例1：某全球药企HR Analytics转型——Power BI实现离职率降低20%、决策速度提升30%、成本节约15%

案例2：某生物制药企业——KPI看板（离职率/缺勤率/生产率）实现MIS报表时间减少90%、生产率提升20%

案例3：某跨国制药集团AI对话式分析——管理者直接提问"为什么本季度离职率偏高"即获即时洞察，向全球管理者推广

二、数据化系统思维的"四层架构"

1. 数据层——数据从哪来？EHR系统、薪酬系统、考勤系统、招聘系统、绩效系统的数据源识别

2. 指标层——衡量什么？HR核心指标体系（人效类/成本类/质量类/结构类四大维度）

3. 分析层——怎么分析？对比分析/趋势分析/结构分析/相关性分析四种方法

4. 决策层——怎么用？从数据洞察到业务行动，用数据支撑人力规划、编制审批、薪酬调整等业务判断

三、HR数据分析的闭环流程

1. 定义问题——业务管理者关心什么？（如：本季度离职率为什么偏高？）

2. 获取数据——从哪些系统取数？取数周期与数据范围如何界定？

3. 整理分析——数据清洗、口径校验、指标计算、关联分析

4. 可视化呈现——看板搭建，让数据"会说话"

5. 洞察决策——从看板中发现什么问题？支撑什么决策？采取什么行动？

工具：HR数据化系统思维四层架构图（数据/指标/分析/决策）

工具：HR数据分析闭环流程图（定义→获取→整理→呈现→决策）

研讨：本团队当前数据分析的痛点在哪一层？最大的瓶颈是什么？

模块二：客观数据口径一致性怎么做到？——HR数据治理与标准化

一、HR核心指标的口径定义与统一

1. 人数类指标——在岗人数（合同口径vs实际口径vs发薪口径）、编制人数、平均人数、期末人数

2. 成本类指标——人工成本总额（含不含派遣/外包）、人均人工成本、人工成本率（人工成本/营收）

3. 效率类指标——人效（营收/人数）、人均利润、元薪产出（营收/人工成本）

4. 流动类指标——离职率（月离职率vs年化离职率）、新进率、内部流动率

5. 结构类指标——年龄结构、学历结构、职级结构、司龄结构

二、数据口径"打架"的3种典型场景与破解

场景1：人数对不上——HR按合同口径算30人，业务按实际在岗算28人，财务按发薪算32人

破解：定义"在岗人数=合同在册-休假未归-长期外借+返聘"，三方统一口径

场景2：离职率算不对——月离职率2%年化是24%还是26.8%？

破解：明确月离职率=当月离职人数/月初在岗人数；年化离职率=1-(1-月离职率)*12

场景3：人工成本说不清——社保公积金算不算？派遣外包费用算不算？

破解：定义"人工成本=工资+社保公积金+福利+培训+派遣外包费用"，明确边界

三、数据质量管控的"4性"标准

1. 完整性——数据有没有缺失？关键字段（姓名/工号/部门/岗位/入职日期）必须100%完整

2. 准确性——数据有没有错误？异常值检测（如薪资为0、入职日期晚于当前日期）

3. 一致性——口径有没有统一？同一指标跨系统跨部门的口径必须一致

4. 时效性——数据有没有更新？明确数据刷新周期（日更/周更/月更）

四、数据安全与保密脱敏规范

1. 数据安全红线——员工隐私数据（身份证号/家庭住址/联系方式）、薪酬数据的处理边界与脱敏要求

2. 数据分级管控——四级风险划分：低风险公开资料→内部普通资料→敏感资料→高敏感资料

3. 脱敏处理流程——姓名脱敏（张某→员工A001）、金额区间化（精确薪资→薪酬带宽）、可识别信息删除

4. AI使用数据边界——哪些数据可入AI处理、哪些绝不可入（如薪酬明细、员工隐私信息须脱敏后使用）

工具：HR核心指标口径定义字典（人数/成本/效率/流动/结构5大类标准定义）

工具：数据质量检查清单（4性标准×检查项）

工具：HR数据安全分级与脱敏操作规范（四级风险划分+脱敏处理流程）

【工作坊】口径统一+脱敏演练——分组对本企业"在岗人数""离职率""人工成本"3个指标进行口径定义并完成薪酬数据脱敏处理，达成团队共识并输出口径定义表+脱敏数据样本

模块三：AI智能体如何赋能HR数据工作？——人机协同边界确定与工具实操

一、AI工具能力边界与HR场景适配

1. AI能做什么——数据清洗与格式化、公式生成与计算辅助、图表设计建议、分析报告草稿生成、制度检索

2. AI不能做什么——替代业务判断、处理未脱敏涉密数据、保证数据准确性（须人工校验）、做人事决策

3. HR场景适配——月度报表自动化、离职分析报告草稿、薪酬竞争力分析框架、培训效果评估模板

二、人机协同边界确定：哪些活交给AI、哪些活人来干

1. 人机分工三原则——标准化重复性→AI；判断性情感性决策性→人；AI执行+人审核的"双保险"模式

2. 四象限判断法——Automation（AI自主完成，高标准化低风险）/A-led（AI完成主体、人审核）/Copilot（AI建议、人判断）/Human-only（情感/法律/最终决策）

判断三问：标准化程度高不高？出错风险大不大？是否涉及人事决策权？

3. 人机协同RACI责任矩阵——谁执行（AI）/谁审核（HR专员）/谁决策（HR主管/经理）/谁知情（业务方）

4. 事务工作流核心红线——录用、绩效定级、调薪、解除劳动关系等所有人事决策步骤，必须设置人工确认节点

工具：人机协同RACI责任矩阵模板（HR六大模块×执行/审核/决策/知情4角色）

工具：四象限判断法对照表（Automation/A-led/Copilot/Human-only×判断三问）

工具：HR场景AI使用合规清单（可用/慎用/禁用三级分类）

三、提示词（Prompt）工程：向AI提对问题的5要素

1. 角色——"你是一位资深HR数据分析师"

2. 任务——"请帮我将这份离职数据按部门/司龄/年龄结构进行分析"

3. 背景——"这是一家300人规模的企业，SSC团队需要月度离职分析报告"

4. 格式——"请输出为表格+文字结论，包含离职率趋势图建议"

5. 约束——"数据已脱敏，不要包含可识别个人信息；仅整理材料，不输出人事判断"

四、AI任务翻译四步法——把业务动作变成AI能执行的任务

第1步：业务动作——谁、做什么、用什么、产出什么

第2步：输入输出——AI吃进什么（脱敏数据）、吐出什么（分析报告草稿）

第3步：提示词骨架——角色+任务+背景+要求+输出格式+示例

第4步：验收标准——准确率/格式规范/人工审核节点

好的AI任务三特征：输入可结构化、输出可验收、边界可控制

五、AI辅助数据整理与分析实操

1. 数据清洗——让AI帮你写Excel公式：VLOOKUP/INDEX-MATCH/条件格式/数据透视表

2. 格式转换——让AI帮你转换数据格式：日期格式统一、文本拆分、数据去重

3. 异常检测——让AI帮你识别异常值：薪资异常、工龄异常、部门编码不一致

4. 报表生成——让AI帮你生成分析报告草稿：给定脱敏数据，AI输出趋势分析+结论建议（HR复核后定稿）

六、知识库与SOP：让AI使用从零散到体系

1. 知识库搭建——统一企业人力制度、指标、模板，让AI处理事务有统一标准（参考IMA等知识管理工具）

分级目录结构：00使用规则/01公开基础资料/02六大模块业务标准/03固定模板库/04历史归档/99测试案例

配套文档分级安全规范：四级风险划分与权限管控

2. SOP建立五步法——盘点→梳理→标准化→AI化→迭代

SOP文档标准结构：场景描述+操作步骤+提示词+检查清单+人工确认节点

3. 协同闭环——知识库沉淀标准→AI智能体调用执行→结果回流沉淀复用

案例4：某制药集团AI对话式分析——管理者用自然语言提问即获HR数据洞察，实现从描述性到预测性的跃迁

工具：HR数据分析AI提示词模板库（清洗/计算/分析/报告4类场景×10个模板）

工具：业务问题转AI任务"翻译四步法"模板

工具：HR- AI SOP模板（场景描述+操作步骤+提示词+检查清单+人工确认节点）

工具：HR知识库分级目录结构模板（含四级安全规范）

【工作坊】AI实操演练——用AI智能体完成一份月度离职数据分析：从脱敏数据清洗到分析报告草稿生成，体验AI如何将2天工作缩短至2小时；同时用翻译四步法将一个HR业务动作转化为AI可执行任务

模块四：Power BI看板搭建怎么做？——从数据导入到可视化呈现（工作坊）

一、Power BI入门：界面认知与数据导入

1. 界面认知——Power BI Desktop的5大区域：功能区/画布/字段/可视化/筛选器

2. 数据导入——从Excel导入HR数据（在岗名册/薪酬明细/考勤记录/离职清单），导入前须完成脱敏

3. 数据清洗——Power Query编辑器：删除空列、拆分合并、更改数据类型、替换值

二、数据模型建立：表关系与度量值

1. 表关系建立——员工主表（事实表）与部门维度表、岗位维度表的关联（一对多关系）

2. DAX度量值——核心指标计算公式编写（在岗人数/离职率/人均成本/人工成本率）

3. 日历表——建立日历维度表实现时间智能分析（MTD/QTD/YTD/同比/环比）

三、可视化图表选择与设计原则

1. 卡片图——核心KPI展示（在岗人数/离职率/人工成本总额/人效）

2. 折线图——趋势分析（离职率月度趋势/人工成本季度趋势/人效年度趋势）

3. 柱状图/条形图——结构对比（各部门人数对比/各职级薪酬分布/各学历人员占比）

4. 饼图——占比分析（离职原因占比/年龄结构占比/学历结构占比）

5. 矩阵/表格——明细数据展示（各部门人员明细/薪酬分位值矩阵）

6. 看板设计原则——3秒看懂核心/30秒发现异常/3分钟做出判断

四、看板搭建6步路径法

第1步：需求分析——明确看板面向谁（高管/HRBP/SSC）、展示什么指标、解决什么问题

第2步：数据准备——导入脱敏数据、清洗数据、建立表关系

第3步：指标计算——编写DAX度量值，计算核心KPI

第4步：图表设计——选择合适图表类型，设置颜色/标签/标题

第5步：看板组装——排列图表布局，添加筛选器、切片器

第6步：发布共享——发布到Power BI Service，设置刷新周期与权限

案例5：跨国药企Executive Insights Dashboard——高管看板设计（部门概览+人员成本+KPI核心指标）

工具：Power BI看板搭建6步路径法操作手册

工具：HR核心KPI的DAX度量值公式库（20+常用公式）

工具：看板设计原则与图表选择对照表（数据类型→图表类型→适用场景）

【工作坊】Power BI实操——搭建"HR核心指标看板"：导入模拟HR数据（已脱敏）→建立模型→设计5-8个核心图表→组装看板→现场展示，每组产出一份可交互的Power BI看板

模块五：Tableau与AI怎么结合用？——进阶可视化与智能分析（工作坊）

一、Tableau基础操作入门

1. 界面认知——数据源连接/工作表/仪表板/故事4大功能区域

2. 数据连接——连接Excel/CSV文件（脱敏后），多表关联

3. 基础图表——拖拽式创建：条形图/折线图/散点图/地图/热力图

二、Tableau进阶：交互分析与仪表板

1. 交互筛选——使用筛选器/高亮/集做联动筛选

2. 计算字段——创建计算指标（如离职率=离职人数/在岗人数）

3. 参数——创建可交互参数（如选择不同部门/不同时间段动态切换）

4. 仪表板组装——将多个工作表组合为交互仪表板，添加筛选动作

三、AI+Tableau结合的智能分析

1. AI辅助数据洞察——用AI分析Tableau导出的数据，生成自然语言洞察

2. AI辅助图表设计——向AI描述需求，获取Tableau图表搭建建议与计算字段公式

3. AI辅助分析报告——将Tableau看板截图+脱敏数据导给AI，生成分析报告草稿（HR复核后定稿）

4. 对话式分析趋势——Ask Data/Tableau Pulse等AI对话功能介绍与展望

四、人力资本关键指标效能分析看板设计

1. 人效看板——人均营收/人均利润/元薪产出趋势分析与部门对比

2. 成本看板——人工成本总额/结构/率值趋势分析与预算对比

3. 人才看板——人才结构（年龄/学历/职级/司龄）分布与流动趋势

4. 风险看板——离职预警/关键岗位空缺/合规风险识别

案例6：某跨国制药集团从Power BI到AI对话式分析的进化——"描述性指标"到"预测性洞察"的跃迁

工具：Tableau交互仪表板搭建步骤指引

工具：人力资本关键指标效能分析看板设计模板（人效/成本/人才/风险4大看板）

【工作坊】Tableau实操——搭建"人力资本效能分析仪表板"：连接脱敏数据→创建交互图表→组装仪表板→结合AI生成洞察报告，每组产出一份可交互的Tableau仪表板+AI分析报告

模块六：数据分析怎么支撑HR六大模块？——从看板到决策走近业务（综合工作坊）

一、招聘与配置：用数据支撑招聘效能与渠道决策

1. 招聘漏斗分析——简历→初筛→面试→OFFER→入职各环节转化率，定位招聘瓶颈

2. 渠道效能分析——各招聘渠道的简历量/质量/成本/转化率对照，优化渠道预算分配

3. 到岗周期分析——从需求提出到候选人入职的全周期监控，缩短招聘响应时间

4. AI赋能场景——JD生成、简历初筛辅助、面试问题生成、面试纪要整理（AI草拟+HR审核）

实操：搭建"招聘效能看板"——漏斗转化+渠道对比+到岗周期

工具：招聘模块AI使用SOP（JD生成/简历初筛/面试题/面试评价4个场景的提示词+人工确认节点）

二、培训与开发：用数据支撑培训覆盖率与ROI决策

1. 培训覆盖率——各部门/各层级培训覆盖率与学时完成率

2. 培训效果评估——柯氏四级评估的数据化呈现（反应/学习/行为/结果）

3. 培训ROI——培训投入与业务产出的关联分析

4. AI赋能场景——培训需求分析、课程大纲草拟、培训通知生成、效果评估报告（AI草拟+HR审核）

实操：搭建"培训效能看板"——覆盖率+完成率+效果评估+ROI

工具：培训模块AI使用SOP（需求分析/课程大纲/通知/评估4个场景）

三、绩效管理：用数据支撑绩效分布与趋势决策

1. 绩效分布分析——各部门/各层级绩效分布（S/A/B/C/D比例）的合理性

2. 绩效趋势分析——个人/团队绩效的历史趋势与同比环比

3. 绩效-薪酬关联——绩效等级与薪酬调整的关联度分析

4. AI赋能场景——指标设计辅助、考核通知草拟、面谈提纲生成、改进计划草拟（AI建议+HR决策）

实操：搭建"绩效分析看板"——分布合理性+趋势变化+绩效薪酬关联

工具：绩效模块AI使用SOP（指标设计/考核通知/面谈提纲/改进计划4个场景）

四、薪酬福利：用数据支撑薪酬竞争力与公平性决策

1. 薪酬竞争力分析——内部薪酬分位值与市场调研数据的CR值（竞争比率）分析

2. 内部公平性分析——同岗同级别薪酬差异度分析、薪酬带宽渗透率分析

3. 人工成本分析——人工成本总额/结构/率值趋势与预算执行率

4. SSC专项——薪酬核算自动化率、薪酬异常率、薪酬调整审批周期

5. AI赋能场景——薪酬分析辅助、调薪方案草拟、薪酬报告生成（脱敏后AI处理+HR决策）

实操：搭建"薪酬分析看板"——竞争力CR值+内部公平性+人工成本趋势

工具：薪酬模块AI使用SOP（薪酬分析/调薪方案/薪酬报告3个场景，含脱敏要求）

五、员工关系：用数据支撑离职预警与人才保留决策

1. 离职分析——离职率趋势/离职原因分布/离职人群画像（司龄/职级/部门）

2. 离职预警——高风险人群识别（司龄1-2年/绩效下滑/薪酬偏低等预警因子）

3. 人才保留——关键岗位人才储备率、继任计划覆盖率

4. AI赋能场景——沟通话术草拟、活动方案生成、合同审查辅助（AI草拟+HR审核，情感场景不可完全交给AI）

案例7：企业预测性分析——提前识别离职风险，主动采取保留措施，离职率降低20%

实操：搭建"离职预警看板"——离职趋势+原因分布+高风险人群识别

工具：员工关系模块AI使用SOP（沟通话术/活动方案/合同审查3个场景，情感场景标注Human-only）

六、组织发展：用数据支撑人效趋势与编制决策

1. 编制合理性分析——业务量/人均产出/编制配置的三维对照

2. 人效趋势预测——历史人效数据趋势外推，支撑下一年度人力规划

3. 人员结构优化——年龄/学历/职级结构现状与目标结构差距分析

4. AI赋能场景——组织诊断报告草拟、人才盘点九宫格辅助（AI整理材料+HR做人才判定）

实操：搭建"组织发展看板"——编制配置+人效趋势+结构分析

工具：组织发展模块AI使用SOP（组织诊断/人才盘点2个场景，人才判定标注Human-only）

七、综合工作坊：端到端搭建HR数据看板

1. 需求分析——各组选择一个HR业务场景，明确看板面向用户与核心指标

2. 数据准备——使用模拟HR数据（已脱敏），完成数据清洗与口径校验

3. AI赋能——用AI辅助数据整理、指标计算、分析报告生成

4. 看板搭建——用Power BI或Tableau搭建交互看板

5. 洞察汇报——各组展示看板成果，汇报数据洞察与业务建议

6. 点评复盘——讲师点评，优化建议，制定课后行动计划

工具：HR六大模块数据分析应用场景对照表（模块→核心指标→分析方法→看板类型→AI赋能场景→决策支撑→人机协同边界）

工具：HR数据分析看板设计模板库（6大模块各1套看板模板）

工具：从看板到决策的闭环检查清单（看板能回答什么问题→支撑什么决策→采取什么行动→效果如何衡量）

【工作坊】综合实操——分组端到端搭建HR数据看板：从需求分析到AI赋能到看板交付到洞察汇报的完整闭环，每组产出一份可交互看板+数据洞察报告+行动计划

【附：课程工具清单总览】

序号

所属模块

工具名称

1

模块一

HR数据化系统思维四层架构图（数据/指标/分析/决策）

2

模块一

HR数据分析闭环流程图（定义→获取→整理→呈现→决策）

3

模块二

HR核心指标口径定义字典（5大类标准定义）

4

模块二

数据质量检查清单（4性标准×检查项）

5

模块二

HR数据安全分级与脱敏操作规范（四级风险+脱敏流程）

6

模块三

人机协同RACI责任矩阵模板（六大模块×4角色）

7

模块三

四象限判断法对照表（Automation/A-led/Copilot/Human-only）

8

模块三

HR场景AI使用合规清单（可用/慎用/禁用三级）

9

模块三

HR数据分析AI提示词模板库（4类×10个模板）

10

模块三

业务问题转AI任务"翻译四步法"模板

11

模块三

HR-AI SOP模板（场景+步骤+提示词+检查清单+人工确认节点）

12

模块三

HR知识库分级目录结构模板（含四级安全规范）

13

模块四

Power BI看板搭建6步路径法操作手册

14

模块四

HR核心KPI的DAX度量值公式库（20+常用公式）

15

模块四

看板设计原则与图表选择对照表

16

模块五

Tableau交互仪表板搭建步骤指引

17

模块五

人力资本效能分析看板设计模板（4大看板）

18

模块六

HR六大模块数据分析应用场景对照表（含AI赋能+人机边界）

19

模块六

HR数据分析看板设计模板库（6大模块各1套）

20

模块六

从看板到决策的闭环检查清单

21

模块六

HR六大模块AI使用SOP合集（每模块3-4个场景）