人力资源管理数据SPSS处理

第一篇：人力资源管理数据SPSS处理

一、对某些变量进行频数分析，并对分析结果给出恰当的文字性描述，并输出恰当的图形。选取了恰当变量得2分，结果输出正确、文字性描述准确得6分，输出恰当图形得2分。

二、对某些变量进行描述性统计(峰度和偏度)，并对分析结果给出恰当的文字性描述。此项评分点满分为10分。选取了恰当变量得2分，结果输出正确、文字性描述准确得8分。

三、利用文件中的数据进行交叉分组下的频数分析，并对分析结果给出恰当的文字性描述。此项评分点满分为15分。选取了恰当变量得3分，结果输出正确、文字性描述准确得12分。

四、对某些变量进行多选项分析（二分法，分类法），并对分析结果给出恰当的文字性描述。此项评分点满分为15分。选取了恰当变量得3分，结果输出正确、文字性描述准确得12分。

五、根据文件中数据的特征，利用一种或多种参数检验方法，对文件中某些变量进行分析，并对分析结果给出恰当的文字性描述。此项评分点满分为20分。选取了恰当变量得3分，结果输出正确、文字性描述准确得15分，使用两种方法得2分。

六、对文件中某些变量进行相关分析（第八章。双变量相关），并对分析结果给出恰当的文字性描述。此项评分点满分为15分。选取了恰当变量得3分，结果输出正确、文字性描述准确得12分。

七、利用文件中的数据进行方差分析，选择恰当的分析方法(单因素方差分析，多因素方差分析)，并对分析结果给出恰当的文字性描述。此项评分点满分为15分。选取了恰当变量得3分，结果输出正确、文字性描述准确得12分。

第二篇：SAP 人力资源管理模块主数据

http://

(1)组织单位：由公司中的各个业务职能部门单元而定义，各个行政部门相对应。各个组织单位通过之间的关系形成了组织结构，是一个层次结构、多叉树结构。组织单位将和cO模块中的成本中心相匹配，从而建立HR和c0的直接联系。

(2)公司代码：表示一个独立的会计记账单元，如某个独立法人公司.法律上要求的资产负债表(Balance sheets)和损益表(Pront&Loss Statement)，都是建立在公司代码这一层。公司代码的定义之前在介绍财务管理模块的时候已经讲到，这里不再赘述。

t3)人事范围：人事范围是一个在人事行政管理中特定的实体，是一个法人公司按某种分类方式进行的子分类。直接和公司代码对应匹配用途：可以提供缺省的数据分类方式、一个很常用的人员分类关键字、最方便的权限限制对象。

人事范围主数据的具体配置步骤如下。

整山在命令栏输入SPRO命令，通过菜单选择“企业结构÷定叉÷人力资源管理÷人员范围”选项，在弹出的“选择活动”界面中选择“人员区”选项，如图6-4所示，弹出“修改视图人员范围：总览”界面，从中可以看到当前系统中所育的“人事范围”及描述，如图6.5所示、图6-4选择“人员区”选项 罔6—5当前系统巾的“人员范围”清单

单击“k~ea”按钮，可以新增人事范围，如

图6-6所示在此界面中，输入要创建的人事范围编码和描述，然后填写人事范围的相关地址信息，最后单击“日”按钮保存可。另外，也可以在图6·5中选择某条“人事范围”，然后进行修改、删除、复制等操作

(4)人事子范围：人事子范围是人事范围的再一次分类，具体分类方式可以依据公司本身的特点灵活定义一可直接在人事范围中分类生成，用途：定义国家分组(如果你的公司是跨国性公司，并且各国实施不同的人事制度)，为时间管理中的工作计划，为考勤类别提供分类，为薪酬提供基础分类，为同一个人事范围中不同的薪酬分类，其他自行定义的分类标准。

6-6新增“人事范围”界面

第三篇：人力资源管理的数据分析

人力资源管理的数据分析

http://.cn2010年12月07日 16:43《管理@人》

人才分析的竞争

《Harvard Business Review》2010年10月刊

Thomas H.Davenport, Jeanne Harris, and Jeremy Shapiro

一些行业领先的公司正越来越倾向于采用精密的分析方法对人力资源数据进行分析，从而保持自己的竞争优势。谷歌、百思买、思科和其它许多卓越的企业开始明白如何使组织保持高生产率和员工工作投入以及较低的人才流失率。如果你想从最优秀的员工身上获取最佳绩效，你就必须清楚知道谁是组织的财富而谁又是组织的负担。在这一方面，理性的分析显然比拍脑袋的方式更能给出可信的答案。

目前共有六种用于人力资源管理的数据分析方法，分别为：人力资本现状分析、人力资源数据挖掘、人力资本投资分析、员工队伍预测、人才价值模型和人才供应链分析，这六种方法依序由简及繁，构成了人才分析的方法体系。

人力资本现状分析是对公司员工个人绩效以及例如员工规模、临时雇工、员工流动及员工招聘等组织层面员工数据的权威统计。这些数据通常被用于反映组织人力资源运转健康与否。捷蓝航空(Jetblue)以员工是否会推荐其他人加入公司作为衡量员工满意度的一项指标。

人力资源数据挖掘是对人力资源数据进行整合或分解，从而深入了解不同部门和职能的人力资源管理现状。例如，公司经理人可以通过人力资源数据挖掘了解到公司在东海岸的销售团队需要对员工流失采取干预性措施，而西海岸的业务团队则一切正常。

第四篇：spss数据分析报告

关于某班级2012考试成绩、获奖情况统计分析

报告

一、数据介绍：

本次分析的数据为某班级学号排列最前的15个人在2012学习、获奖统计表，其中共包含七个变量，分别是：专业、学号、姓名、性别、第一学期的成绩、第二学期的成绩、考级考证数量，通过运用spss统计软件，对变量进行频数分析、描述分析、探索分析、交叉列联表分析，以了解该班级部分同学的综合状况，并分析各变量的分布特点及相互间的关系。

二、原始数据：

三、数据分析

1、频数分析

（1）第一学期考试成绩的频数分析

进行频数分析后将输出两个主要的表格，分别为样本的基本统计量与频数分析的结果

1）样本的基本统计量，如图1所示。样本中共有样本数15个，第一学期的考试成绩平均分为627.00，中位数为628.00，众数为630，标准差为32.859，最小值为568，最大值为675。“第一学期的考试成绩”的第一四分位数是602，第二四分位数为628，第三四分位数为657。

2）“第一学期考试成绩”频数统计表如图2所示。

3)“第一学期考试成绩”Histogram图统计如图3所示。

（2）、第二个学期考试成绩的频数分析

1）样本的基本统计量，如图4所示。第二学期的考试成绩平均分为463.47，中位数为452.00，众数为419，标准差为33.588，最小值为419，最大值为522。“第二学期的考试成绩”的第一四分位数是435，第二四分位数为452，第三四分位数为496。

3）“第二学期考试成绩”频数统计表如图5所示。3)“第二学期考试成绩”饼图统计如图6所

2、描述分析

描述分析与频数分析在相当一部分中是相重的，这里采用描述分析对15位同学的考级考证情况进行分析。

输出的统计结果如图7所示。从图中我们可以看到样本数15，最小值1，最大值4，标准差0.941等统计信息。

3.探索分析。

探索分析能够对变量进行更为深入、详尽的描述性统计分析。下面就利用探索式分析对不同性别的同学获奖情况进行探索分析。

1）在结果输出窗口中将看到如下统计数据。如图8所示，给出了输出的观察量。

2）图9所示给出了根据性别分组的各组描述统计量。根据表中的数据，2012，女生比男生获奖的次数多。

3）图10以茎叶图的形式也直观的呈现了女生获奖数量远远比男生多的现象。，4）图为稳健估计量表，给出了4种不同权重下因变量均值的稳健估计。

5）图11中给出了分组后的百分位数，分别输出男生和女生获奖数量的5%、10%、25%、75%、90%、及95%的百分位数。

4、交叉列联表分析

分析多个变量在不同取值情况下的数据分布情况，从而进一步的分析变量关系。下面就利用交叉列联表分析不同性别学生对目前所学专业的态度。在结果输出窗口中将显示如下统计数据。1）观察量处理摘要表，如图12所示，2）“性别”和“所学专业兴趣”的交叉列联表如图13所示，从图中我们可以看出，男生中对所学专业感兴趣的只有2个，（占22.2%），一般感兴趣的有4人，（占44.4%），不感兴趣的有3人，（占33.3%），理论值为3.6人感兴趣，3.0人一般感兴趣，2.4人不感兴趣，残差分别为-1.6，1.0，0.6。女生中对专业感兴趣的有4人，（占66.7%），一般感兴趣的有1人，（占16.7%），不感兴趣的也有1人，（占16.7%），理论值为2.44人感兴趣，2.0人一般感兴趣，1.6人不感兴趣，残差分别为1.6，-1.0，-0.6.可见，男生对目前所学专业的兴趣与女生有很大差别。

3）图14是交叉分组下的频数分布图，从该图中我们可以很直观的看到数据分布情况。

第五篇：大数据时代《人力资源管理》课程内容创新研究

大数据时代《人力资源管理》课程内容创新研究

2016-04-29 15:55:57 作者:7天论文网 【大 中 小】 浏览:5次 评论:0条

摘要：大数据时代，给人力资源管理职业的发展带来良机，同时也对《人力资源管理》课程教学提出了新的要求。本文分析了《人力资源管理》课程设置中存在的问题，结合大数据时代新的特点，指出了大数据时代的《人力资源管理》课程的建设内容。关键词：人力资源管理大数据课程建设

在大数据浪潮的洗礼下，与当前社会众多领域一样，人力资源管理领域也在经历着变革[1]。比如：商业智能工具使得人力资源管理改变了以往的单纯凭借经验的模式，更多的向数据模式转变；人力测评模块以前往往依靠单一的专家主观测评，现在也逐步改为构建相应的数学模型利用大数据进行测评，使得人才测评的结果变得更为科学准确；人才招聘模块变革日新月异，企业逐步依靠社交网络的大数据对人才个性特征分析进而看其是否与应聘岗位匹配，做出录用与否的决定，以达到有效人才招聘的目的。社会的变革必然促进专业课程内容的变化，本文以《人力资源管理》课程为例，通过对大数据时代的剖析，正确认识大数据浪潮，将大数据的内容和方法引入大学课堂教学；从大数据视角着手加强大学生人力资源管理方面的实践能力，实现人力资源管理理论和实践教育的内容创新，以期提高实效性，使学生培养更符合现代市场需求。《人力资源管理》课程设置中存在的问题第一，在大数据时代，社会对高职高专的人才培养目标、培养模式以及课程内容设置都提出了新的要求。高等职业教育的人才培养目标要培养第一线的应用技能型人才；课程的培养目标应该以就业为导向，适应现代市场发展的潮流，课程内涵应该基于工作过程导向，同时课程结构要具有定向性；课程内容的设置要根据职业技术岗位群的特点，进行工作岗位分析，提取典型工作任务，设置教学模块，注重实用性，以强化技能训练为特点。而目前高职《人力资源管理》课程教学模式并没有完全体现高职教育的特点，一直沿用传统的教学模式，即以理论性、课堂教学为主，以教师为主体和中心的单向沟通；教学内容完全由教师设计，教学效果主要取决于教师的组织能力与语言表达能力。由于教师单调的“满堂灌”，学生只有“上课时抄笔记、考试前背笔记”，考试后则几乎全部忘记。这样的教学模式不适合高职人才培养和教学要求[2]。

第二，《人力资源管理》是一门实践性很强的社会热门课程，但高职教学中目前仅限于从理论上探讨其实践中的案例和典型事件，没有真正做到知行合一[3]。原有《人力资源管理》课程教学应用性不强，学生无法有效地了解最新市场的需求，大数据、互联网+等概念目前在各行业已经非常流行，人力资源行业也较为普及，但课本内容上介绍却较为少见。《人力资源管理》课程课堂上教师的知识的讲解仍按照传统的框架模式，教学内容较为陈旧，目标是通过期中、期末考试，以及人力资源管理师的证书考试。当应试成为培养目的之后，其他的应用技能型能力的培养就成了附庸，导致学生整体素质较低，《人力资源管理》课程学了一学期却不能灵活应用，甚至学习的知识和将来工作岗位严重不符，学生的学习兴趣也受到很大的影响。学校的实习实训基地也没有足够的能力承担学生的实习或教学观摩，教学效果达不到预期目标，致使社会、学生、教师等对课堂教学的评价不高。

第三，高职《人力资源管理》课程教学有应试倾向，严重阻碍了高职高专学生综合素质的培养。课程考核模式主要以检测学生课程理论知识学习书面考试成绩为目的，存在不少问题。这种以评定成绩为主的考核模式，突出地表现为重课本，轻实践；重知识，轻能力；重结果，轻过程；重对学生的测试，轻课程自身的建设，既不利于学生分析，综合能力的培养和创新精神的形成，又不利于课程的建设和发展，并直接影响到人才培养的质量。因此，《人力资源管理》课程还需改革创新考试方式，以免出现学生高分低能的情况。在考试方式上可以采用过程性考核方式，以平时出勤、课堂表现、作业任务、小组讨论完成情况等活动作为考核内容，结合评分标准并给予分数，确定最终成绩。比如在《人力资源管理》课程绩效考核中，老师可以组织学生通过角色扮演的形式，将全班全年的班级活动的大数据纳入绩效软件当中，让学生分别作为人力资源管理者进行评判，同时将过程录制成视频节目，最后根据完成情况给予这部分内容的考核成绩，也突出了学生应用能力。《人力资源管理》课程在考试的难易程度和要求方面，既要继承发扬传统的经典理论，让学生奠定坚实的理论基础，也要分析国内外人力资源管理方面的热点，要将理论知识和社会热点完美地结合起来。2 人才测评相关课程内容的建设企业中人才的数量和质量逐渐成为当前企业生存和竞争的关键，人力资源管理中人才测评技术的发展在社会受到重视的程度也越来越高。在当前《人力资源管理》课程有关人才测评模块的课程内容教学中，需要补充强调大数据在人才测评中的作用，着重指出利用大数据可以在一些大型或者较大型人力资源数据库中发现隐藏在里面的关键信息，协助人力资源管理决策部门寻找数据与数据之间内在关联，进而提高人才测评的有效性。

目前的《人力资源管理》课程教材关于人才测评的方法较为陈旧，更多的还是停留在单一的专家评估上，带有明显的主观性。在教改过程中，我们要向学生全面介绍现代国际和国内知名企业人才测评的状况，介绍国内外各知名企业如何利用大数据技术对人才测评中的人才绩效考核、人才选拔以及分类等部分工作进行深入研究，更新改进之前运用的算法中的一些不完善的地方。比如北森公司就是我国国内最早做人才测评的公司，该公司一直专注做测评，是人才管理软件的开创者。在大数据时代，北森公司利用云计算平台和大数据技术，积累了200万测试者的数据，再根据行业专家的经验，构建测评模型，使得他们的测评工作更加的高效准确。再比如，国际上的合益集团Hay Group是一家全球性管理咨询公司，在测评方面更是资深行家，其核心产品海氏系统法，又叫指导图表-形状构成法(Guide Chart-profile)，从实质上讲就是一种利用大数据进行测评的方法。世界500强的企业中有将近一半左右的企业岗位测评时均使用了Guide Chart-profile 测评法。3 企业招聘相关课程内容的建设大数据时代也改变了企业招聘的工作模式。在大数据爆发的时代背景下，很多人力资源企业已经以全新的角度审视自己的行业定位。大部分企业都把数据资源和数据价值作为企业本身的核心战略之一，由此再衍生出多维度的新型服务和产品，并且这种衍生的趋势愈演愈烈[4]。当前各大招聘网站也结合大数据技术的特征，研发出一系列利用社交网络和大数据技术的为企业招聘服务的产品。在大数据时代，人力资源管理部门利用大数据信息，可以解决在招聘的过程中出现的信息不对称以及信息不透明等问题。大数据信息包含了企业大数据信息和待聘者个人的大数据信息。这些新的趋势，也势必要在《人力资源管理》课程中有关企业招聘这部分内容的教学中得以体现。

在课堂上，需要向学生说明的是，之所以传统招聘网站上的企业信息不透明，主要是由于这部分内容均由企业人力资源部门提供的，存在着不客观的情况。而当前我们在专业招聘网站上获得的更多的企业信息来自企业内部员工对企业的评价，较之以往更为真实可靠。因此，大数据时代为我们寻求信息对等以及为企业与雇员之间提供了信息沟通的渠道。在教学时案例分析上，可以选择Glassdoor、分智、Simply hired 和ResumUp 等代表企业。他们共同的特点是能展示雇员工龄、企业评价、薪水报告、面试问题等信息。

另一方面，需要进一步向学生对比分析的内容是传统的招聘网站上的个人信息之所以不透明，是因为其文字是候选人自己编辑上传的。而当前的大数据技术能够完成由社交网络上进行查询并深入获取待聘者的信息，使得相关企业能更清晰地掌握待聘者的情况。

大数据时代，有效的数据收集和分析工具在人们获取数据时是至关重要的[5][6]。在案例教学中，可以选择Talentbin 和Identified 两家公司作为代表。TalentBin公司将自己描述为“人才发现引擎”。

它提供职业搜索引擎服务。TalentBin公司积极收集应聘者在社交网络上的信息，进而梳理分析归类，研发出一个以待聘者信息为中心的数据库。任何企业想招聘特定的人才，都可以去TalentBin 搜索。Identified公司以网络社交为背景，提供基于Facebook的职业搜索引擎，为相关公司提供服务，可以对待聘者实施评分，Identified公司的核心功能为根据不同待聘者工作经历、教育背景和社交网络三项指标的不同情况，为待聘者实施评分，通过大数据分析从而为企业招聘提供参考。

《人力资源管理》课程关于人才招聘的内容中如何解决公司职位与待聘者之间匹配的问题是教学重点内容之一，这部分内容也是招聘过程的最根本诉求之一。而当今的大数据技术则刚好可以高效精准地达到最佳的匹配过程。在教学过程中可以以Bright和Path.to两家企业为例。Bright公司主要是对空缺职位和待聘者的匹配度进行打分。Bright 公司从用户上传的简历和社交网络上提取待聘者的总量数据，利用大数据发现隐匿的人才，通过对成千上万个数据点的对比分析，将待聘者和空缺职位的匹配度进行打分，分值与匹配度成线性关系。Bright 可以使公司和待聘者大大的减少招聘和应聘的时间，为公司和待聘者提供更好的服务。Path.to公司利用其官方网站为企业和用户提供平台。求职者首先要输入自己所擅长的工作，也可以从LinkedIn转入他们曾经的工作经历，另外，还将要回复一些关于他们如何看待企业和工作岗位的问题。最后，Path.to公司应用其独特算法来完美匹配待聘者与雇主公司。Path.to的核心竞争力就是他们的算法。求职者利用Path.to网站找工作不收任何费用，但是对在该网站发布招聘信息的公司来说，要缴纳一定的费用。人力资源商业智能相关课程内容的建设在课程内容上，要向学生补充介绍人力资源商业智能的相关内容。人力资源商业智能（Human Resource Business Intelligence，以下简称HR-BI）就是利用人力资源管理过程中呈现出的数据，对人力资源管理进行监控，并做出相应的分析，为最终决策提供参考的过程。人力资源商业智能体现了商业智能在人力资源管理决策分析过程中的应用。它通过建立一套分析模型，利用在人力资源管理过程中的大数据进行分析统计，以丰富的展现形式支持企业人力资源管理的决策分析。随着一些企业“软实力”的提升，他们对于人力资源管理理念与管理能力就会有着更高的要求，在决策上由“经验+感觉”模式逐步转向“事实+数据”模式，人力资源商业智能的作用就更加能够体现。人力资源商业智能与e-HR不同。e-HR即电子人力资源管理，它主要体现在需要处理面向业务过程的一般性报表，而人力资源商业智能利用其多维数据仓库功能，开展数据建模，使人力资源管理体系在不断的调整与优化时有确切的数据支持，在企业整体发展战略时，满足发展的需要。在大数据背景下，人力资源商业智能能极大地提高企业人力资源分析效率，更好地支持企业各项业务的发展。

在案例分析上，可以向学生介绍“佐佑人力资源管理咨询顾问公司”和“Aptean 公司”。佐佑人力资源管理咨询顾问公司成立于1998年，在国内人力资源管理公司中具有一定的知名度，而Aptean公司则是企业应用软件巨头。在大数据、信息以及预算管理和薪资等方面，两家公司都能提供了极其丰富的案例。总结总之，在大数据时代，《人力资源管理》课程教学要在传统技能培养的基础上，还要注意对学生信息搜集能力和大数据思维、应用能力等能力的培养，要强调理论内容与案例分析的关联。课程教学时，教师要把《人力资源管理》课程各模块内容与特定领域的大数据分析相结合，从简单到复杂，循序渐进展开教学。只有通过合理统筹传统人力资源管理理论与大数据技术应用，才能激发学生的学习兴趣和勇于创新的精神，促使学生的专业素质满足当今社会的需求。参考文献：

[1]孟小峰,慈祥.大数据管理:概念、技术与挑战[J].计算机研究与发展,2013,(1).[2]童举希,施杨.提高人力资源管理课程教学效果的思考[J].常熟理工学院学报(教育科学版),2007,(12):99-100.[3]李德勇,吴婷.对“人力资源管理”课程教学方法改革的探索[J].教育与科学究,2009,(3):102-103.[4]邬贺铨.大数据时代的机遇与挑战[J].求是,2013,(4).[5]朱东华,张嶷,汪雪锋等.大数据环境下技术创新管理方法研究[J].科学学与科学技术管理,2013,(4).[6]王前新,陈丽华.提升学校效能是高职院校发展的突破[J].教育与职业,2007,(15):8-10.