为业务分析确定数据项优先级：框架和

本案例研究中使用的人力资源分析集需要126个数据表1类别的人力资源数据项。缺勤申请信息员工合同信息能力员工纪律和申诉成本员工沟通健康与安全、良好雇佣和入职动机其他个人信息绩效和潜在角色信息终止培训图。5.按流程划分的人力资源分析数量。10个ta项目分为16类（见表1）。4.2决策模型为了得出该框架决策分析部分所需的参数，对来自15个组织的24名人力资源专业人员进行了概述，这些组织的规模、所有权和行业各不相同（见表2）。平均而言，志愿者需要10分钟来权衡价值流，25分钟来权衡流程，30分钟来权衡决策，40分钟来评估决策的数据支持。大多数参与者在采访后都提到，他们觉得在物理上“玩”纸牌和圆形贴纸（而不是在桌子上填充数字）很有趣，而且在偏好诱导阶段他们并不感到无聊。整个人力资源流程的权重  如图8所示。附录A中提供了决策权重和数据支持判断。总结了总体加权数据支持（即。，), 人们可能会得出结论，加强数据收集和数据使用可以贡献36%的努力，使一个普通人力资源部门在其所有活动中成为最佳绩效部门——研究参与者认为这个数字是合理的。根据建议的框架得出的前30个人力资源数据项如图6所示。

因为许多人力资源分析可以按地点、角色、职能/部门和表2按角色和调查活动分组的参与人力资源专业人员进行维度化。人力资源主管高级人力资源经理人力资源顾问加权价值流程加权决策数据支持图。6.按优先权指数排名前30位的人力资源数据项。图7。在20个被调查的人力资源部门中，按可用性百分比排列的前30个人力资源数据项。图8。改进25个人力资源流程中每个流程的相对重要性。11经理ID，这四项不可避免地获得了最高分数。特别是出现了较不常见的数据项，即充分发挥生产力的时间和用于入职/入职培训的时间，因为它们会影响组织的流动成本，而流动成本对于计算许多人力资源活动的投资回报非常重要。4.3与当前实践的比较为了将框架关于最有价值的人力资源数据项的建议与当前实践进行比较，来自16个不同国家的20个人力资源部门被要求分享他们收集的有关其员工的数据项。调查结果如图7所示。前30名中总共有23个项目，尽管顺序完全不同。然而，很明显，除了企业资源规划软件中可用的数据外，许多被调查公司几乎没有收集任何用于业务分析的人力资源数据，尽管在被调查的20个人力资源部门中，有18个表示他们已经执行了某种形式的人力资源分析。4.4结果解释如图6所示，前30个小时的数据项不会对传统BI系统的技术能力造成任何困难。更一般、移动缓慢、相互关联的“人员数据”是人力资源分析（Slinger&Morrison 2014）的核心，即。

员工与角色、经理、能力要求和招聘成本等直接或间接相关。因此，在大多数情况下，人力资源数据集在容量、速度和多样性方面没有特别高的要求，无法回忆大数据的原始定义（De Mauro et al.2015）。另一方面，许多人力资源部门仍会发现收集这些数据项具有挑战性，原因有三。首先，为了确保以有效、一致和合法的方式测量数据项，可能有必要投入资源，开发收集某些数据项的新方法和政策（例如，经验证的员工调查和估算充分生产时间的工具包）。第二，首次收集一个组织中所有员工/角色的一些数据项可能非常耗时（例如，能力评估和继任者信息），保持这些人力资源数据项最新的管理时间要求也不总是可以忽略的（Morrison 2015）。第三，集中收集一些数据项可能需要购买新的软件包/扩展并进行培训，以管理数据（例如，培训和缺勤管理），这可能是一项巨大的投资，需要有令人信服的商业案例。考虑到没有外部数据来源（如毕业生统计数据、就业委员会数据、薪酬基准数据、社交媒体存在）使其进入前30名，这反映了人力资源分析的现状：仍然是内向型的，并且刚刚开始探索分析的机会（德勤2014、格林2014、雅各布斯2014）。事实上，在从文献和人力资源专业人员收集的298项人力资源指标中，只有很少一项需要创建或获取员工手动输入的数据项。

几年后再次应用该框架可能会产生不同的前30名名单。当研究金融（如Bragg 2014、Lee et al.2009）、营销（如Grigsby 2015、Venkatesan et al.2014）和采购（如Feigin 2011、Pandit&Marmanis 2008）等其他业务功能的分析文献时，人们会认为，在数量和速度方面，数据项会稍微复杂一些，在前30名列表中也会有一定程度的多样性。构建一个现有的数据列表，而不是一个已经提到的潜在数据列表。链接模型还提供了一种系统化的方法，可以更好地了解不同人力资源活动领域可能进行的人力资源分析，以及组织可以收集的人力资源数据项。请注意，纯粹的管理数据项（如员工ID、税号或电子邮件地址）被排除在列表之外，因为它们通常与业务分析无关。12.4.5框架的定制图6中的30个数据项现在与一些管理数据项一起形成标准数据项，如商业人力资源软件包的税务ID。利用新的框架，当前研究的持续性也开始为客户提供更多定制的支持，帮助他们收集关于员工的人力资源数据项。客户通过对每个价值流、流程和决策的改进价值从“业务职能现在的位置”到“业务职能想要的位置”进行加权，来确定人力资源数据的优先级。5结论本研究提出了一个基于多标准决策分析的框架，以评估数据项的价值，从而进行商业分析，从而为文献做出贡献。

新框架可以为讨论提供信息，讨论业务职能部门应该定期收集的数据项，以分析其活动。作为一家咨询公司的“嵌入式研究人员”，我们确定了这种框架的实际需求，系统的文献检索表明，迄今为止，学术文献中尚未解决商业分析数据项优先级的问题。我们通过人力资源应用程序验证了该框架，并列出了人力资源分析的前30个数据项。进一步的研究可能集中在寻找克服我们提出的框架局限性的方法上。首先，构建链接模型的过程是不系统的，因为它没有规定应如何查阅文献或应如何征求专家意见。系统建模语言，如* 框架、软系统方法和用例之前已被用于提供管理者分析需求的更丰富视角。系统建模语言和决策分析的混合似乎是有效探索业务功能的数据需求并确定其优先级的一种很有前途的方法。其次，该框架没有考虑收集和维护不同数据项的成本。因此，扩展该框架，例如，使用投资组合决策分析（Phillips&Bana e Costa 2007，Salo et al.2011），将成本纳入优先排序工作，将是可取的。第三，该框架仅适用于使用常规BI系统的标准业务分析。大数据分析（Big data analytics，即机器在一大组潜在的弱相关数据项之间搜索相关性）需要一种根本不同的方法来优先获取数据集。第四，到目前为止，该框架仅适用于人力资源。

关于在财务、营销、采购和销售等其他业务职能中使用该框架的实际证据将是有价值的。未来几年，商业分析解决方案在行业和aca demia中的受欢迎程度预计将继续增长。更系统地理解为商业分析创建新数据项所带来的好处和成本可能会在这一发展中发挥作用。因此，我们认为，进一步探索应用和扩展本文所述方法的机会，以量化这些收益和成本，是有价值的。感谢：我感谢Marianna Favero（博科尼大学）领导人力资源流程图的研究，感谢Giles Slinger（康森特拉咨询有限公司）与人力资源专业人士接触，并以其他多种方式支持当前的研究。我还感谢本·马歇尔、罗伯特·戴森、鲁伯特·莫里森和三位匿名评论者就改进本文提出的建议。