基本信息
编辑推荐
本书从人力资源管理人员的视角出发，以轻松诙谐的人物对话为载体，将概率统计、机器学习、文本挖掘等大数据时代流行的数据分析技术应用到人力资源管理实践中，通过案例形式展现数据分析的魅力，避开复杂的统计原理和编程技术，代入感强，浅显易懂。
内容简介
书籍
经济管理学书籍
本书采取人物对话的形式，用讲故事的方法，将人力资源管理中一些典型的问题用高级数据分析的方法去解决。 全书分为8章，第1～2章介绍人力资源管理数据分析的意义和数据分析前的准备工作；第3章讲述回归分析法在员工需求预测中的应用；第4章讲述培训师评估分数的标准化；第5章分析薪酬公平性；第6章介绍综合评价法在员工能力评估中的应用；第7章介绍如何使用Boosting、随机森林算法预测员工离职概率；第8章讲述如何通过文本分析中的情感分析法解读员工辞职报告。 本书能够帮助人力资源管理人员开阔眼界、打开思维，加深对数据分析的认识，促进数据分析技术在人力资源管理领域的应用。本书封面贴有清华大学出版社防伪标签，无标签者不得销售。
经济管理学书籍
本书采取人物对话的形式，用讲故事的方法，将人力资源管理中一些典型的问题用高级数据分析的方法去解决。 全书分为8章，第1～2章介绍人力资源管理数据分析的意义和数据分析前的准备工作；第3章讲述回归分析法在员工需求预测中的应用；第4章讲述培训师评估分数的标准化；第5章分析薪酬公平性；第6章介绍综合评价法在员工能力评估中的应用；第7章介绍如何使用Boosting、随机森林算法预测员工离职概率；第8章讲述如何通过文本分析中的情感分析法解读员工辞职报告。 本书能够帮助人力资源管理人员开阔眼界、打开思维，加深对数据分析的认识，促进数据分析技术在人力资源管理领域的应用。本书封面贴有清华大学出版社防伪标签，无标签者不得销售。
作译者
作者：蔡治
蔡治，西南师范大学心理学硕士，高级经济师，高级人力资源管理师，高级企业培训师，SPSS数据分析师，R语言爱好者，长期从事人力资源管理工作，致力推动数据分析技术在人力资源管理中的应用，并讲授相关课程，现任某国有通信企业人力资源部经理。作者心理学专业出身，熟悉统计分析技术和工具，擅长编程，拥有软件著作权，爱好R语言，并有十多年人力资源管理经验，知识结构恰能促成数据分析与人力资源管理的融合。
蔡治，西南师范大学心理学硕士，高级经济师，高级人力资源管理师，高级企业培训师，SPSS数据分析师，R语言爱好者，长期从事人力资源管理工作，致力推动数据分析技术在人力资源管理中的应用，并讲授相关课程，现任某国有通信企业人力资源部经理。作者心理学专业出身，熟悉统计分析技术和工具，擅长编程，拥有软件著作权，爱好R语言，并有十多年人力资源管理经验，知识结构恰能促成数据分析与人力资源管理的融合。
目录
前言Ⅰ
第1章人力资源数据分析的意义1
1.1人力资源管理为何需要数据分析2
1.1.1数据分析是人力资源管理发展的
趋势4
1.1.2数据分析体现人力资源从业人员
的技术刚性5
1.1.3数据分析能够为人力资源管理者
提供强有力的决策支持6
1.1.4数据分析是人力资源管理的刚性
需求7
1.2人力资源数据分析有什么特点8
1.2.1数据分散性8
1.2.2数据相关性9
1.2.3非标准化数据10
1.3大数据和人力资源管理的关系11
1.3.1人力资源数据是大数据吗11 大数据时代的人力资源管理目录1.3.2大数据技术可以用在人力资源
管理上吗11
1.4人力资源数据分析的难点14
1.4.1取数难14
第1章人力资源数据分析的意义1
1.1人力资源管理为何需要数据分析2
1.1.1数据分析是人力资源管理发展的
趋势4
1.1.2数据分析体现人力资源从业人员
的技术刚性5
1.1.3数据分析能够为人力资源管理者
提供强有力的决策支持6
1.1.4数据分析是人力资源管理的刚性
需求7
1.2人力资源数据分析有什么特点8
1.2.1数据分散性8
1.2.2数据相关性9
1.2.3非标准化数据10
1.3大数据和人力资源管理的关系11
1.3.1人力资源数据是大数据吗11 大数据时代的人力资源管理目录1.3.2大数据技术可以用在人力资源
管理上吗11
1.4人力资源数据分析的难点14
1.4.1取数难14
前言
笔者一直想将概率统计、数据挖掘等数据分析的高级方法应用到人力资源管理领域。在当前的信息化、数据化时代，人力资源管理对数据的依赖性相当强，从招聘中的能力和素质测评，到培训评估、绩效管理、岗位分析、劳动用工、效能分析、薪酬管理等各方面都需要进行数据分析。但人力资源的数据分析大多是描述性统计分析，较少用到高级数据分析技术，如回归分析、聚类分析、因子分析、判别分析、文本挖掘等，对数据的利用率不高，更缺乏对数据的有效和深入挖掘。
笔者一直苦于没有找到合适的工具，直到接触R语言。随着了解不断深入，笔者发现R语言有很多优点： 它摆脱了SPSS这类软件的禁锢，即摆脱那种严格的环境和刻板的分析；函数式的编程风格很接近Excel函数用法，复杂的模型通常一两个函数就能解决，容易学习和上手；拥有大量的统计算法，可以任意研究和使用；可以绘制出生动美观的数据图形。而且R语言完全免费，这对人力资源管理专业人员来说非常重要，因为企业几乎不太可能为人力资源部门专门配备商业统计软件。 大数据时代的人力资源管理前言于是本书做了一次大胆尝试，即以R语言为基础，将概率统计、机器学习、文本挖掘等大数据时代流行的数据分析技术，和人力资源管理实践结合在一起，看看有何化学反应。在此之前，鲜见人力资源管理专业人员涉足这个领域，在此之后，你会发现原来人力资源管理也可以运用大数据分析技术，也可以通过数据挖掘来发现数据价值，也能用机器学习的算法预测未来可能发生的事件，还能对文字内容进行数据分析，而这一切在R语言的驱动下变得容易实现。
本书的每个案例都以人力资源管理中的现实情景为基础，通过人物对话的方式来讲述。书中虚拟的谦多顺公司在人力资源管理方面出现了一些问题，比如员工需求数量不准确、员工薪酬满意度不高、学员对培训师的意见比较大、新员工离职率比较高、员工能力评价不够客观、离职沟通出现问题，等等。人力资源部经理Miss陈面对这些问题，采用数据分析的方法，帮助部门同事逐个解决问题。在这个过程中，你可以了解概率统计的基本知识、数据挖掘的经典算法，以及文本挖掘中的情感分析，并领略R语言的魅力。
本书由于涉及统计学领域的知识，还涉及R语言编程，对人力资源管理专业人员来说有一定难度。为此笔者对书中内容做了一些特别设计，比如必须讲的统计知识尽量详细并且图文并茂，所有案例都提供R源代码以方便练习，等等。如果潜心阅读，并辅以实践演练，相信会有莫大收获。
希望本书的出版，能够让越来越多的人力资源管理专业人士认识R语言，运用高级数据分析技术来有效解决企业中的管理问题，更好地发挥人力资源数据的价值。
为什么编写本书
人力资源管理源于数据分析。20世纪初古典管理学家弗雷德里克·温斯洛·泰勒通过实验研究如何提高工人的劳动生产率，并提出了迄今仍在使用的计件工资制、计时工资制，可算作人力资源数据分析的先驱。后来闵斯特伯格、梅奥两位学者将心理学方法引入工业领域，通过大量实验，研究如何提高工人效率，其核心依然是对数据的测量和分析。所以，人力资源管理从发展之初就与数据分析结下不解之缘。一百多年后的今天，世界进入了信息化、数据化时代，但我国人力资源管理却在数据分析领域原地踏步，在大数据门外驻足不前，仍然在汇总、平均、同比、环比，仍然在依赖Excel，几乎没有将数据挖掘等高级技术应用到管理实践中，去更充分地挖掘数据的价值。这不能不说是一种遗憾！
人力资源管理领域未及时享用数据分析技术发展带来的福利，像那些重要且经典的算法如判别分析、机器学习、聚类分析、因子分析、时间序列分析、文本挖掘等早已进入零售、金融、通信、电子商务以及社交媒体行业，并且表现出令人惊讶的作用，但始终把人力资源管理挡在门外。
然而，人力资源管理专业人员学习数据分析的意愿并不十分强烈。根据弗鲁姆的理论，人力资源管理专业人员研究数据分析的动机强弱，取决于数据分析能够为工作带来的价值大小、学习的难度大小，以及学习的工具和环境的适宜程度。可想而知，在看不到数据分析带来的价值，对数据分析知识心存畏难，且没有称手的分析工具时，人力资源管理专业人员又怎能迈入数据分析的世界呢？
所以，本书尝试将数据分析的高级技术引入人力资源管理领域，提升人力资源管理专业人员学习数据分析的动机水平。首先，用人力资源管理专业人员熟悉的情景编写案例，让大家了解数据分析技术在人力资源管理过程中的作用和价值；其次，穿插普及数据分析的基础知识和算法，重点介绍当前数据分析领域表现优异的统计工具——R语言，并附送源代码。希望能够唤起看到本书的人力资源管理同行对高级数据分析的兴趣。
当然，本书只是抛砖引玉。鉴于笔者视野狭窄，狭隘地认为我国人力资源管理领域并未真正涉足数据分析，并未有“大牛”出现，实际上这可能是错误的。不排除有“牛人”早已进行深入的研究，程度之深，应用范围之广，超出笔者的想象。若能发现同行在做同样的事情，希望能够交流、学习，共同促进和提升。
也希望通过本书能够进一步推广R语言。笔者用过不少统计软件，但从未有一款如R语言那样让笔者着迷，它几乎能满足笔者对数据分析的所有需求，分析过程简单快速，各种算法随手拈来，图形绘制变化万千。这么好的统计工具，还是免费的，实在没有理由拒绝，也希望更多的人能够知道这个工具，早早用上。
本书特点
(1) 创新性强，内容为人力资源管理、数据分析和R语言的交叉知识领域。国内首次以R语言为工具，将数据挖掘、文本挖掘等数据分析技术引入人力资源管理领域。
(2) 深入浅出、通俗易懂。全书以人力资源管理人员（简称HR）的视角为基础，采取人物对话方式，结合案例讲解数据分析技术在人力资源管理实践中的应用。
(3) 对HR来说熟悉度高，代入感强，认同感强。书中案例均以人力资源管理中的常见情景为基础，涉及招聘、培训、薪酬、员工关系管理等模块，对HR来说接受程度高。
(4) 阅读难度较低。全书避开讲解复杂的统计学概念、算法，避开讲解R语言的数据结构、语法等内容，重点介绍统计方法的应用案例及其效果，降低阅读难度。
(5) 提供完整源代码和数据。源代码重复使用性高，可直接运行并显示效果，易于操练，方便解读，源代码经小量修改后即可用于各类企业。
本书人物关系图和公司设定〖*2〗1. 人物关系图
2. 公司设定
笔者一直苦于没有找到合适的工具，直到接触R语言。随着了解不断深入，笔者发现R语言有很多优点： 它摆脱了SPSS这类软件的禁锢，即摆脱那种严格的环境和刻板的分析；函数式的编程风格很接近Excel函数用法，复杂的模型通常一两个函数就能解决，容易学习和上手；拥有大量的统计算法，可以任意研究和使用；可以绘制出生动美观的数据图形。而且R语言完全免费，这对人力资源管理专业人员来说非常重要，因为企业几乎不太可能为人力资源部门专门配备商业统计软件。 大数据时代的人力资源管理前言于是本书做了一次大胆尝试，即以R语言为基础，将概率统计、机器学习、文本挖掘等大数据时代流行的数据分析技术，和人力资源管理实践结合在一起，看看有何化学反应。在此之前，鲜见人力资源管理专业人员涉足这个领域，在此之后，你会发现原来人力资源管理也可以运用大数据分析技术，也可以通过数据挖掘来发现数据价值，也能用机器学习的算法预测未来可能发生的事件，还能对文字内容进行数据分析，而这一切在R语言的驱动下变得容易实现。
本书的每个案例都以人力资源管理中的现实情景为基础，通过人物对话的方式来讲述。书中虚拟的谦多顺公司在人力资源管理方面出现了一些问题，比如员工需求数量不准确、员工薪酬满意度不高、学员对培训师的意见比较大、新员工离职率比较高、员工能力评价不够客观、离职沟通出现问题，等等。人力资源部经理Miss陈面对这些问题，采用数据分析的方法，帮助部门同事逐个解决问题。在这个过程中，你可以了解概率统计的基本知识、数据挖掘的经典算法，以及文本挖掘中的情感分析，并领略R语言的魅力。
本书由于涉及统计学领域的知识，还涉及R语言编程，对人力资源管理专业人员来说有一定难度。为此笔者对书中内容做了一些特别设计，比如必须讲的统计知识尽量详细并且图文并茂，所有案例都提供R源代码以方便练习，等等。如果潜心阅读，并辅以实践演练，相信会有莫大收获。
希望本书的出版，能够让越来越多的人力资源管理专业人士认识R语言，运用高级数据分析技术来有效解决企业中的管理问题，更好地发挥人力资源数据的价值。
为什么编写本书
人力资源管理源于数据分析。20世纪初古典管理学家弗雷德里克·温斯洛·泰勒通过实验研究如何提高工人的劳动生产率，并提出了迄今仍在使用的计件工资制、计时工资制，可算作人力资源数据分析的先驱。后来闵斯特伯格、梅奥两位学者将心理学方法引入工业领域，通过大量实验，研究如何提高工人效率，其核心依然是对数据的测量和分析。所以，人力资源管理从发展之初就与数据分析结下不解之缘。一百多年后的今天，世界进入了信息化、数据化时代，但我国人力资源管理却在数据分析领域原地踏步，在大数据门外驻足不前，仍然在汇总、平均、同比、环比，仍然在依赖Excel，几乎没有将数据挖掘等高级技术应用到管理实践中，去更充分地挖掘数据的价值。这不能不说是一种遗憾！
人力资源管理领域未及时享用数据分析技术发展带来的福利，像那些重要且经典的算法如判别分析、机器学习、聚类分析、因子分析、时间序列分析、文本挖掘等早已进入零售、金融、通信、电子商务以及社交媒体行业，并且表现出令人惊讶的作用，但始终把人力资源管理挡在门外。
然而，人力资源管理专业人员学习数据分析的意愿并不十分强烈。根据弗鲁姆的理论，人力资源管理专业人员研究数据分析的动机强弱，取决于数据分析能够为工作带来的价值大小、学习的难度大小，以及学习的工具和环境的适宜程度。可想而知，在看不到数据分析带来的价值，对数据分析知识心存畏难，且没有称手的分析工具时，人力资源管理专业人员又怎能迈入数据分析的世界呢？
所以，本书尝试将数据分析的高级技术引入人力资源管理领域，提升人力资源管理专业人员学习数据分析的动机水平。首先，用人力资源管理专业人员熟悉的情景编写案例，让大家了解数据分析技术在人力资源管理过程中的作用和价值；其次，穿插普及数据分析的基础知识和算法，重点介绍当前数据分析领域表现优异的统计工具——R语言，并附送源代码。希望能够唤起看到本书的人力资源管理同行对高级数据分析的兴趣。
当然，本书只是抛砖引玉。鉴于笔者视野狭窄，狭隘地认为我国人力资源管理领域并未真正涉足数据分析，并未有“大牛”出现，实际上这可能是错误的。不排除有“牛人”早已进行深入的研究，程度之深，应用范围之广，超出笔者的想象。若能发现同行在做同样的事情，希望能够交流、学习，共同促进和提升。
也希望通过本书能够进一步推广R语言。笔者用过不少统计软件，但从未有一款如R语言那样让笔者着迷，它几乎能满足笔者对数据分析的所有需求，分析过程简单快速，各种算法随手拈来，图形绘制变化万千。这么好的统计工具，还是免费的，实在没有理由拒绝，也希望更多的人能够知道这个工具，早早用上。
本书特点
(1) 创新性强，内容为人力资源管理、数据分析和R语言的交叉知识领域。国内首次以R语言为工具，将数据挖掘、文本挖掘等数据分析技术引入人力资源管理领域。
(2) 深入浅出、通俗易懂。全书以人力资源管理人员（简称HR）的视角为基础，采取人物对话方式，结合案例讲解数据分析技术在人力资源管理实践中的应用。
(3) 对HR来说熟悉度高，代入感强，认同感强。书中案例均以人力资源管理中的常见情景为基础，涉及招聘、培训、薪酬、员工关系管理等模块，对HR来说接受程度高。
(4) 阅读难度较低。全书避开讲解复杂的统计学概念、算法，避开讲解R语言的数据结构、语法等内容，重点介绍统计方法的应用案例及其效果，降低阅读难度。
(5) 提供完整源代码和数据。源代码重复使用性高，可直接运行并显示效果，易于操练，方便解读，源代码经小量修改后即可用于各类企业。
本书人物关系图和公司设定〖*2〗1. 人物关系图
2. 公司设定
媒体评论
本书采取人物对话的形式，用讲故事的方法，将人力资源管理中一些典型的问题用高级数据分析的方法去解决。 全书分为8章，第1～2章介绍人力资源管理数据分析的意义和数据分析前的准备工作；第3章讲述回归分析法在员工需求预测中的应用；第4章讲述培训师评估分数的标准化；第5章分析薪酬公平性；第6章介绍综合评价法在员工能力评估中的应用；第7章介绍如何使用Boosting、随机森林算法预测员工离职概率；第8章讲述如何通过文本分析中的情感分析法解读员工辞职报告。 本书能够帮助人力资源管理人员开阔眼界、打开思维，加深对数据分析的认识，促进数据分析技术在人力资源管理领域的应用。本书封面贴有清华大学出版社防伪标签，无标签者不得销售。
书摘
插图：
小曾：是啊，有些培训师虽然知名度高，是大教授或者名企高管，但讲课不一定精彩，甚至可能很枯燥，不受学员喜欢；有些培训师口才好，但讲课内容漂浮，很难落地，听这类培训师的课就像是听演讲，精彩有余，实用不足。如何选好培训师一直是困扰我的问题。
Miss陈：那么你有什么想法呢？
小曾：我也没有什么好的想法，不过如果我们有一个培训师评分体系，能够对其授课水平进行量化的评估就好了。就像大众点评网对餐厅的评分，每个餐厅的口味、环境、服务都有一个评分，看到评分就能知道餐厅的基本情况，这对我们选择去什么餐厅就餐有很大帮助。类似的还有淘 宝卖家的评分，豆瓣电影的评分等，都能很好地帮助我们做出合理的、准确的选择。
Miss陈：你这个想法很好，实际上也是可以做到的。我们可以建立培训师评分体系，可以给他们打打分，对培训师进行量化评估，用标准化分数来帮助我们选择合适的培训师。
小曾：要怎么建立培训师的评分体系呢？
小曾：是啊，有些培训师虽然知名度高，是大教授或者名企高管，但讲课不一定精彩，甚至可能很枯燥，不受学员喜欢；有些培训师口才好，但讲课内容漂浮，很难落地，听这类培训师的课就像是听演讲，精彩有余，实用不足。如何选好培训师一直是困扰我的问题。
Miss陈：那么你有什么想法呢？
小曾：我也没有什么好的想法，不过如果我们有一个培训师评分体系，能够对其授课水平进行量化的评估就好了。就像大众点评网对餐厅的评分，每个餐厅的口味、环境、服务都有一个评分，看到评分就能知道餐厅的基本情况，这对我们选择去什么餐厅就餐有很大帮助。类似的还有淘 宝卖家的评分，豆瓣电影的评分等，都能很好地帮助我们做出合理的、准确的选择。
Miss陈：你这个想法很好，实际上也是可以做到的。我们可以建立培训师评分体系，可以给他们打打分，对培训师进行量化评估，用标准化分数来帮助我们选择合适的培训师。
小曾：要怎么建立培训师的评分体系呢？
