HR数据分析这是当前非常潮流的一个课程，也是人力资源职业的趋势，更是一个人力资源管理层必须具备的思维认知和职业技能。数据分析初听感觉假大空，但是细细品味确实能给人力资源从业者或者高层决策带来关键性的支撑。现用离职率举例说明：
人力资源数据分析的前提要素：纵向是人力资源的专业深度，横向是驱动业务。
如：离职率分析可以分析到五层（快来看看你分析到了哪一层级？）
第一层：计算公司的离职率。（离职率=离职人数/（期初人数 期末人数/2））
这一层是人力资源的计算离职率最基本的数据，但是这一层的数据给高层决策提供不了必要支撑，只是基础的数据统计。
第二层：分类分层计算离职率，如：职位层级划分、部门划分、司龄划分。
为什么要分类分层计算离职率？
高层的是关键岗位的离职率。我们人力资源工作的过程经常会出现以下问题：某一个月人力资源部计算的当月公司整体离职率是6%，但是老板一看，说：不对。我的业务经理10个走了3个，你这个离职率应该是30%，你的数据太好看了。
个体问题会被整体数据忽略。在工作中也会存在某一个10人的小部门，一个月换了7个人；但是公司整体离职率在3%。
综上：整体的数据说明不了个体的行为，离职率计算要分类分层。
在这一层级的时候有对标好坏高低，属于高级分析了。
第三层：关键人才的离职率。
如何定义关键人才？关键岗位的；高潜力或高绩效即为关键人才。
第四层：关键人才的留任率。（关键人才的留任率=1-离职率。）
留下来的人是因为什么留下来？我要完善哪些激励因素？我要做那些吸引因素。
第五层：离职的预测分析。
预测的方法有访谈法，日常员工的行为；如果这个人值得我们留下，就要提前干涉。
在第三层，第四层的时候开始分析行为，指标的合理性，从而推动第五层的模拟和预测。
HR成熟度模型
数据怎么来？
数据的来源有两个方面，一，HR功能状态：选育留用；二，员工的生命周期：升调离、培训、绩效、薪酬等。
数据用什么方法分析？
分析的方法有三种，基准分析，交叉分析，相关性分析，回归分析，回归预测等。