一、选手简介 1、选手介绍 团队名称：做完就是胜利队 队长介绍：笑笑，前地产市场从业人员，目前从事解决方案的相关工作，以往用到最多的软件是PPT和EXCEL，希望在数据分析方面可以有更多学习 成员介绍： 成员-Mark，就职于某服务单位，从事财务相关工作 成员-何显臻，就职于箭牌家居集团客服公司，就职岗位数据专员 成员-Anna，就职于某通信行业公司，从事数据治理相关工作 成员-刘淼，持续学习中的小可爱 团队组成：大家都是爱数据学员，群内随机呼叫组合而成   2、参赛初衷       大家都是大数据分析的新人，更多是希望以赛促学，通过比赛实践提升BI工具的使用方法和技巧，从而更多的应用到实际工作中，助力职场成长。同时，和更多FineBI大神交流学习，进行数据可视化作品以及分析思维的激烈碰撞，学习到新的分析方法和思路，并体验一下与团队协作，共同完成一项工作。   二、作品介绍   1、业务背景与需求痛点 项目背景 本次研究主体为一家全国性集团公司，包含区域平台与多业务BG条线，从业务环节上主要分为业务拓展（售前）、研发生产（售中）、运营服务（售后）、职能保障四个环节【图1】。其中，基础设施业务是集团当前的主营业务线，业务贡献份额最大。结合战略发展系数（基于企业自身和外部市场综合考虑确定）及2022年各业务线人均产值水平可见【图2】，终端业务具有较大发展潜力，故作为企业接下来的重要发展战略，打造成企业第二个增长点。随着2023年疫情管控全面放开，企业进入高速扩张阶段，希望快速抢占在该模块的市场份额。 研究方向： 在企业发展壮大的过程中，都会经历高速扩张阶段，希望增大市场份额，进而掌握行业话语权。然而，这个过程中既需要外部对市场的精准预判，也需要内部企业的高效管理，尤其是在人力资源管理方面，要把握好人力资源的规划，人才梯队的建设，薪酬绩效的管理，来确保人力资本回报率最优化，避免因盲目扩张而陷入困境。 需求痛点： 1.从企业季度营收走势发现，企业在2023年上半年因高速扩张带来人工成本的快速上升，人工费用率高达37%，但企业整体营收增长不及预期，整体利润率降至2.5% 2.从人力资源效能走势发现，20203年上半年企业利润大幅下降，人员数量大幅上涨，使企业人均利润表现远低于去年同期，人力资本回报率降至7%，具体去年最高值44%，下跌明显。 3.面对这样的数据表现，企业高层需要掌握人力资源的管理细节，确保人力资源管理与企业战略的匹配性与合理性，并尽可能的提升各发展阶段的人力资本回报率表现。   2.数据来源 1.数据集来自企业2022年至2023年上半年每月的员工数据，每条记录都是一名员工当月数据明细，其中累计在职员工11905名，累计离职员工3265名。 2.数据集共有三个表（在职员工表、年终奖表、离职员工表），其中包含员工基本信息、职位部门信息、就业城市信息、薪酬信息以及时间信息共计25个字段类别如下所示 3、分析思路 分析思考过程 企业如何保证人力资本最大化，需要从人均产出和人均成本两个方面进行努力：         一方面要努力增长企业整体营收水平，使人均产出最大化，这离不开人力资源的合理分配，尽可能多的投入到业务条线，业务部门上，尽量优化职能保障模块的比例；        另一方面来说要努力控制人工成本，在人员总量上与企业战略需求相匹配，并通过建立稳定高质量的人才梯队，高效能的工作效率表现，使人均人工成本尽可能最优化。 因此，在运营层面和战略层面需要协同努力来保障企业在各发展阶段的人力成本回报率最优化。 在实际工作中，人力资源的效能提升牵扯到很多方面；本次报告主要在四个方面中，挑选主要模块切入，尝试进行分析探讨，希望给读者一些启发收获。 核心指标体系 4、数据处理 拿到的初版数据中，因涉及企业与员工的敏感信息，需要进行大量脱敏工作；同时因企业体系过于繁杂，部门职位等字段信息统计口径不统一，内容十分杂乱，需要大量的数据清洗归类工作，便于后期分类分析研究。 1.重命名：对于含关键信息的员工部门等进行了重新命名 2.信息脱敏：对于含员工关键信息和标签的字段进行重新定义，并脱敏处理 3.员工信息加工处理：对于员工的司龄进行了定义，司龄在三年以上的定义为老员工，两年以下为新员工； 4.通过员工的入职薪资对岗位进行的等级划分： 5.对员工的绩效进行的等级划分： 6.对员工部门信息、薪酬信息以及时间信息进行二级标签划分： 5、可视化报告 排版布局因为最终成果为bi分析报告，包含大量文字输出内容，因此在整体色调上选择浅色系，增加阅读效率；配色上，因为是更偏重企业使用场景，所以选择蓝色系为主，增加商务、沉稳气息，减少过多颜色的干扰，仅在需要重点突出的内容上选了亮黄色作为突出，便于思维更聚焦。   分析成果展示   （1）人力资源战略匹配性分析   该模块为分析环节的第一模块，主要从人工成本总量的占比上，评估目前人力资源与企业战略匹配性，企业经营的合理性考量。   从【图1-1】各季度各业务条线的人工成本占比可以发现，终端业务在今年1、2季度有大幅上涨，截至2季度末，整体人工成本占比超过云计算业务，仅次于基础设施业务；结合【图1-2】各条线人员数量走势来看，终端业务的在职人员数量，从2022年12月开始上涨，2023年2季度进入快速增长期，5月超过基础设施业务，成为各业务条线人员数量最多的条线。 从【图1-3】各条线类别较企业总营收的占比上来看，各条线进入2023年后，占比都有所上涨，主要源于整体营收增长不及人工成本增长。   分析：整体的人力资源规划与企业战略相匹配，但需评估增长速度是否过快，增长幅度是否过大？尤其是从人工成本较企业营收占比上看，已处于高位。   (2)企业组织架构分析   从该模块开始，后续模块均为企业运营层面的研究分析，本章节主要从企业组织架构上探讨人力资源分配的合理性，因为人力资源总量上都是呈上涨趋势，因此具体从各职能条线、各部门环节在每个季度的占比变化上切入分析，评判人力资源的分配比例变化。   从【图2-1】每个季度各类条线人工成本占比走势来看，研发条线的人员占比最低，且呈明显下降趋势。说明在扩张过程中，研发条线的扩张不及业务与平台类。结合【图2-2】各职能条线平均薪资走势来看，整体波动平稳，可见人工成本总额占比的变化主要来源于人数变化；但业务和平台类的人均薪资水平明显高于研发条线。   【图2-3】从各季度各类部门的人工成本占比走势来看，发现业务拓展部门的人工成本投入下降最为明显，更多的投入到售后运营服务类部门上。结合【图2-4】各类部门平均薪资水平上看，整体波动平稳，可见人工成本总额占比的变化主要来源于人数变化；另外运营服务的人工成本总额占比不高，但工资水平却最高。   分析： 研发部门作为核心创造力部门，人员成本投入上占比最低且持续走低，同时研发人员的人均人工成本水平明显低于业务与管理条线，可见整体的人员能级水平更低。 业务拓展部门作为营收增长的直接关联部门，人工投入成本的占比不增反降，更多投入到了研发生产与运营服务部门，这样有利于提升老客户的满意度与续签率，但并不利于新业务的拓展。   （3）人员梯队建设分析   该模块主要探讨员工的稳定性与流动性问题，一只稳定高质的人才队伍是企业打胜仗的关键。   从人员基本结构上看，男性为主，年龄集中在25-35岁，本科学历以上。从人员分布上来看，主要集中在珠三角，其次是武汉和西安。从人员梯队上看，各层级人员的比例大约在1：2：5：10，分布较为合理。从人员在职时间看，企业中长期员工（2.5年以上）占比逐年降低，尤其是2023年员工大幅增长之下，占比越30%，员工整体稳定性下降。 从每月入职离职人员走势来看，企业一直呈人员净增长状态；从入职率离职率走势来看，整体离职率明显低于入职率，且离职率呈持续下降趋势， 导致企业人员增长速度进一步加快。截至2023年6月，当月离职率仅4.31%。 从各季度离职人数中各岗位的人数占比来看，关键岗位（岗位能级为A和B）的人数占比呈上升趋势，可间关键岗位的离职比例提升。 从各季度离职人数中各类绩效人员占比来看，低绩效员工（浮动薪酬比例≤0）的人数占比明显上升，可见浮动薪资管理有利于人员自然优化。   分析： 企业离职率并非越低越好，需要结合企业发展阶段，与入职率呈相对平衡的状态，来保障人员的更新迭代，而非无差别的全保留。尤其是当前受大环境影响之下，员工的流动意愿减弱，更追求稳定，企业此时需结合自身经营状况，主动进行人员优化管理。 相较于整体离职，更应关注关键岗位、高绩效人才的流动情况，企业整体离职率虽大辐下降，但从其中的人员结构可以发现，关键岗位人才流失反呈上升趋势。   （4）薪酬管理体系分析 本模块主要从浮动薪酬、中长期激励薪酬及两者的分布结构进行分析，掌握员工的日常工作效率及年度业绩贡献比例，结合条线属性、岗位属性，对不合理的条线与部门进行针对性调整。   浮动薪酬分析 【图4-1】【图4-2】因为绩效受月工资因素影响，通过时间线下绩效与总工资的比值或许能看出绩效与工资之间的关系；同时也能看到受绩效影响较大的业务类别 分析结论：绩效与工资呈正相关，当工资增加时，绩效也会增加；同时研发类部门绩效占比最大，说明在研发部门中，绩效是在当月薪资比重中占重要位置 【图4-3】【图4-4】绩效大小能反映出该业务线的效能高低，通过比较各业务线的大小，能判断出各业务线在日常工作的效率水平。通过图例可看出，仅有三个业务线在平均水平以上，其中区域组织平台最高；其中低于平均值的均属于业务范畴，由此可知，业务部门在所有业务类别中绩效最低。   分析： 绩效水平反应工作效率表现，绩效较固定薪资的比值则反应岗位性质，例如销售岗位的绩效比例更高，职能岗位的绩效比例更低。 从图中可发现，业务条线虽然整体绩效水平更高，但作为明显的绩效驱动型岗位，绩效比却低于平台与研发条线，可见整体的工作效率需要进一步提升，其中重点需要关注云计算业务、数字能源业务。   中长期激励分析 【图4-5】区域组织平台的年终奖占比最大，超过了入职薪资的三倍，同时区域组织工资加年终奖水平也是最高；智能汽车业务的年终奖比例最低。 【图4-6】区域组织平台年终奖最高，研发平台年终奖水平最低，其间相差近三倍，则说明区域组织在2022全年整体表现最好，研发部门相应较低。   分析： 年终奖作为员工收入的一部分，在一定程度上反应所在业务部门当年的业绩贡献水平，同时，年终奖与工资的比值反应各条线的工作效率表现。 区域组织平台无论是年终奖水平还是较薪资的基础薪资的比例都是最高的，反映出该条业务线全年的工作效能和业绩贡献水平均最佳。   激励薪酬解雇分析 【图4-7】从绩效分布结构上看，区域组织和研发部门的平均绩效水平最高，终端业务和集团职能平台最低；其中终端业务的绩效因大量新进员工的进入，分布比较集中；基础设施与区域组织平台分布更分散。 【图4-8】从年终奖分布结构上看，区域组织的平均年终奖最高，研发实验室最低，终端业务的年终奖表现比较集中；智能汽车业务中出存在特殊的极大值。   分析： 平均绩效水平反映了日常工作效率表现，平均年终奖水平反映了当年对业绩贡献度的表现，两者分布的结构则反应了激励薪资的管理策略，一般情况下分布越广，说明员工间差异性越大，越有利于员工工作效率的激发。 过去1年，区域组织平台无论是在工作表现与薪资管理策略上均表现较好，也获得了最高的业绩贡献度肯定。终端业务作为接下来的重点战略方向，面对大量员工流入，一方面要提高员工的日常工作表现，获取更高绩效水平；一方面，要合理制定激励薪酬的管理策略，拉开员工差距，进而激发员工工作效率。     （5）总结与建议 本次研究主要是希望企业通过对上述环节中过往数据的分析中，发现人力资源管理上的优化点，指导企业接下来的经营管理策略。本次选取2022年至2023上半年的数据，希望对企业2023年下半年形成针对性策略建议： 人力资源战略层面：下半年人力资源控量提质，提升人力效能水平 终端作为企业的重要战略方向，进行大规模人员扩张无可厚非，但需控制好扩张速度与幅度，与营收增长兼顾平衡。虽然企业营收较人员投入具有一定滞后性，但目前人工费用率已过高，2023年下半年，需控量提质，在已有员工中进行内部流动、淘汰优化、薪酬管理等，提高现有人员效能，在有营收突破后视情况进行人员增加。 企业组织架构层面：通过内部人员流动，集中火力实现创收，稳定研发条线投入比例，提升人员能级 企业接下来的工作重点是要抓紧实现创收，下半年需要提升业务拓展人员的比例，可考虑内部人员转岗，尤其是终端业务板块，让相关研发生产人员走到前台，进行市场营销拓展，集中火力实现营收增长。同时，研发作为企业创新突破的核心，较平台与业务条线上，不应持续走低，同时要提升研发团队的人员能级，充分发挥创新突破的根本价值。 人才梯队建设方面：加强员工文化建设，保障整体稳定性；主动进行人员优化，注意关注核心岗位人才 稳定性方面：面对大量新进员工涌入，企业人员稳定性大幅下降，需加强企业文化宣导，员工团队建设等，让员工更有归属感，进而更有企业责任感。 流动性方面：离职率大幅下降，企业要主动进行人员优化策略，来保障企业人员的持续迭代提升，同时要密切关注关键岗位与高绩效员工的工作意愿，避免该类人群的流失率上升。 薪酬管理体系方面：通过提升绩效差异化，激发提升全业务线工作效能，尤其是终端业务 加强对所有业务条线的绩效管理工作，充分发挥鲇鱼效应，避免出现平均集中的绩效分布。尤其是有大量新进人群的终端业务模块，一方面要提高员工的日常工作表现，获取更高绩效水平；一方面，要合理制定激励薪酬的管理策略，拉开员工差距，进而激发员工工作效率，同时也筛选出低效能的人员，进行淘汰优化。   （6）最终呈现效果 https://bisolutions.fanruan.com/webroot/decision/link/Wdyp     三、参赛总结 1、FineBI工具 FineBi软件图表齐全，操作简便，模版丰富，能够在仪表盘中实现各统计图表中的联动，为数据可视化分析提供更大的操作性； FineBI工具配备了免费的入门课程与详细的产品说明书，能大大加快初学者入门进度； 唯一不足的是不能直接生成分布直方图（本次时间紧凑，也可能是还要研究研究）。   2、参赛总结 克服的困难：从FineBI小白到现在对FineBI的操作有了初步的了解，这一切都发生在0到1的过程，并通过队友交流与问答专区求助，获得了技能上的提高，比赛之后也会继续学习研究finebi，包括finereport等； 遇到的人儿：遇到了一起为同一目标努力的队友，大家为了追求作品的更高质量一起努力着； 感恩的事儿：比赛过程中，因大家所处地方不同无法在线下进行讨论，但大家都会抽出时间尽可能参与线上讨论，为团队贡献一份力量； 认知新感悟：第一次参加比赛，又是大数据新人，过程中也遇到许多问题，例如没有仔细阅读比赛要求，造成方向上的错判；数据处理不到位，工作上有反复等等，总结得失，再接再励。