你對分析感到焦慮嗎？
知識園地
｜
2022.07.16
幾十年來人力資源專業人士一直在談論數據驅動實務在人力資源中的重要性。商業決策和實務應該基於科學證據，與其像往常一樣繼續執行業務，應尋找對行為產生可量化的影響，透過衡量、分析、評估，然後從證據中得出結論。從本質上講，證據應該指導實務，但是面對大量數據和強大的計算能力，如果不理解問題以及如何解釋答案，可能發現自己和程式設計師一樣沮喪，對分析感到焦慮?
資料的分析有四種類型的分析，目的亦不同：
💡描述性分析 (Descriptive analytics)：描述性分析建構歷史數據的摘要，以產生有用的資訊，並回答『發生了什麼?』，通常稱為活動或部門指標。包括有關學習者人數，學習者完成多少課程，以及花費多少時間在學習上的資訊。例如評估分數、總結活動、意見、滿意度和評估調查。
💡 診斷分析(Diagnostic analytics)：診斷分析檢查數據或資訊以回答『為何會發生？』它的特點是使用數據發現和數據挖掘之類的技術，並藉這些技術建立相關性。通過診斷分析，可以推斷出關於學習者的優勢，劣勢和激勵風格的資訊。還可以獲取與學習者如何與培訓內容交互相關的數據。
💡預測分析(Predictive Analytics)： 使用描述性和診斷性數據來預測『未來會發生什麼?』。於此，大量使用機器學習及人工智慧的技術，如運用銷售團隊的績效，規劃未來的學習需求；利用離職率和員工滿意度等指標，預測未來的員工的需求。預測分析可以説明人才招聘團隊在被僱用之前確定某人是否適合組織，它甚至可以估計該人將在公司工作多長時間。
💡 指示性分析(Prescriptive analytics)：指示性分析建議採取最佳行動來影響不同的結果，並回答『我們如何才能實現它？』，從長遠來看大多數公司都在走向指示性分析。需要運用多個數據來源、可視覺化的數據，以及可從復雜數據集中得出結論的算法。指示性分析可根據新員工的技能和優勢，在整個員工生命週期中正確的入職；並因應每個組織不同的要求，通過匹配學習者的偏好來個性化學習，以達成目標。
⭕數據和分析是組織績效的關鍵驅動因素，也是atd人才發展能力模型中的23項能力之一。