|
1、学习初衷
（1）个人介绍
大家好，我是来自无锡华润安盛科技有限公司的HR，我司主要为海内外集成电路公司提供封装测试代工服务。在我的日常工作中，经常需要用到人力资源相关的分析，比如人员概况、人员结构、招聘、入离职、薪资等相关数据的分析。
（2）学习初衷
随着数字化转型的深入，传统Excel已无法满足日益复杂的业务数据分析需求。学习FineBI首先源于工作需要——作为HR，我需要更高效地处理人员流动等海量数据，通过可视化仪表盘为管理层提供直观的决策支持。其次，掌握专业BI工具能显著提升个人竞争力，使数据分析从基础统计升级为智能洞察，这是职业发展的必经之路。更重要的是，我希望能够突破舒适区，挑战数据分析新方法、新领域。FineBI作为国产优秀工具，其便捷性和业务适配性正能帮助我将数据价值转化为业务成果，这种"工具+业务"的双重成长令人充满期待。
2、作品简介（作业10）
（1）业务背景/需求痛点
业务背景：通过对公司人力数据的全面分析，了解当前人力资源配置状况，识别人员结构特征与变化趋势，为人力资源规划、成本优化和人才发展战略提供数据支持。
需求痛点：每月需做人员结构分析报告向管理层汇报，并需要统计汇总事业群各地公司的数据，数据量庞大，计算重复性高。
（2）数据来源
企业数据：人员花名册、职位部门对照表
（3）分析思路
将人员概况数据拆分如下：主要包含整体数据总览和人员结构两大方面。
分析思路框架：分层递进式分析：从整体到局部，先把握公司人力全貌，再深入结构特征，最后追踪动态变化；业务导向分析：所有指标均围绕用工效率、人才结构健康度、人力资源风险预警等管理需求展开。
主要分析方法：描述性统计分析：（1）集中趋势分析：平均年龄、平均工龄等；（2）离散程度分析：年龄/工龄区间分布、职级分布等，并将职级类别与年龄分布、工龄分布分析联动，洞悉不同职级的人员稳定性的变化；（3）构成分析：用工性质/性别/学历等占比统计；2.时间序列分析（动态监测）
（4）数据处理
1.通过左右合并匹配职位对应的部门、工序等，便于计算各部门人数
2.通过新增赋值列判断年龄区间
3.通过获取时间差获取数据节点时间与入职日期的时间差，计算在职人员的工龄（月数）
4.通过新增赋值列判断在职人员的工龄分布
5.为便于分类统计，将表内原有的详细职级（如S1/S2/P1/P2/M1/M3等）通过LEFT公式获取职级大类，便于分类统计
（5）可视化报告
1.数据含义表达和图表排版布局：整体以绿色为主要配色，色调统一。将数据主要分为总览和人员结构变化两大类，每一类在组件上方添加结论行，便于关注重点。通过添加过滤组件，可自由选择查看任一月份的数据，可观察每月数据的变化。
- 人力情况总览：通过对6月底节点人数以及入离职过程数据的分析，获取到当前公司总人数为1807人，入职人数与离职人数基本相当，整体平均年龄为28岁，说明公司整体人员的年龄还是比较年轻的。
- 通过对公司各部门人员人数的监测，可以了解每个部门整体人数的概况以及变化
- 将公司的所有人员按照职级分为三大类：S（作业类）、P（专业技术服务类）、M（管理类），并通过联动，可分析不同职类的人员年龄与工龄分布的差异
- 通过观察职级分布组件，得出结论：由于公司属于制造业，大部分员工为一线作业岗（比如作业员、检验员、仓管员等），管理人员占比约11%，人员梯队分布合理；
- 通过联动职级分布和工龄分布可以发现，P、M类人员的工龄普遍较长，但S类人员工龄在一年以上的占比仅41%，且其中入职3个月内的新员工占比就达到了35%，需重点关注一线人员的保留率，采取措施提高员工的在职周期，有助于产线提质降本增效。
- 通过观察人员结构变化组件，得出结论：间接人员的人数基本保持平稳，人数的浮动主要在于产线的直接人员；
- 通过观察用工性质变化组件得出结论：从去年9月份以来，公司加大了内部推荐和自主招聘的激励力度，正式工的人数较年初增长明显，内部推荐和自主招聘的激励政策是有效的，可以持续推动，并定期回顾，对方案进行优化调整。
- 通过中介招聘的实习生比例较年初也有较大改善，预测未来能够保持达成中介实习生占比25%的目标。
3、学习总结
（1）学习经历
最初接触FINEBI时，面对陌生的界面和功能感到无从下手。幸运的是，部门的同事组成了学习小组，大家经常在下班后聚在一起研究操作技巧，互相解答"为什么我的图表显示异常"、"如何设置计算公式"等问题。为了完成每周的作业，几乎牺牲了每个周末，当看到仪表盘上出现了想要的数据、实现了联动钻取功能后，成就感妈那美女。随着学习的深入，我开始思考如何将FINEBI应用到日常人力资源分析中：比如用用漏斗图展示招聘过程数据、交叉分析部门、工序间离职数据的差异等等。每次将课堂所学转化为实际业务分析方案时，都能感受到数据可视化带来的思维革新。这段学习经历不仅让我掌握了新工具，更深刻体会到团队协作的力量和数据驱动的魅力。
（2）个人成长
学习FineBI的过程让我深刻体会到坚持的力量和终身学习的重要性。从最初的数据导入、基础图表制作，到逐步掌握左右合并、赋值列、计算同环比、设置仪表盘等进阶操作，每一步都需要反复练习与思考。DEF函数的灵活运用让我能更高效地处理复杂逻辑，而数据联动和钻取分析则让我的报表更具交互性和洞察力。
通过持续实践，我总结出高效的学习方法：案例驱动学习（通过实际业务场景练习）、拆解复杂问题（如分步实现计算字段）、复盘优化（对比不同方法的效率）。FineBI不仅提升了我的数据分析能力，更让我明白——工具只是手段，真正的成长在于持续探索与突破。 | 
