पावर बीआई में एचआर एनालिटिक्स डैशबोर्ड: वर्कफोर्स इनसाइट्स

पीपुल एनालिटिक्स उद्यम में बिजनेस इंटेलिजेंस का सबसे तेजी से बढ़ने वाला अनुप्रयोग है - और अच्छे कारण के लिए। परिपक्व एचआर एनालिटिक्स प्रोग्राम वाले संगठनों का तीन साल का औसत लाभ न्यूनतम लोगों की डेटा क्षमताओं वाली कंपनियों (डेलॉयट ह्यूमन कैपिटल ट्रेंड्स) की तुलना में 82% अधिक है। फिर भी अधिकांश एचआर टीमें अभी भी एक्सेल स्प्रेडशीट में कर्मचारियों की संख्या को ट्रैक करती हैं और Google शीट में मैन्युअल रूप से टर्नओवर की गणना करती हैं।

पावर बीआई एचआर नेताओं को वही विश्लेषणात्मक गहराई देता है जो वित्त और बिक्री टीमों के पास वर्षों से है - वास्तविक समय हेडकाउंट दृश्यता, स्वचालित टर्नओवर गणना, विविधता विश्लेषण, और कर्मचारी जीवन चक्र ट्रैकिंग, भर्ती से लेकर ऑफबोर्डिंग तक की पूरी कर्मचारी यात्रा।

यह गाइड पावर बीआई में एक संपूर्ण एचआर एनालिटिक्स प्लेटफॉर्म बनाता है, जिसमें डेटा मॉडल, प्रत्येक महत्वपूर्ण एचआर केपीआई को उसके डीएएक्स फॉर्मूला और डैशबोर्ड पेज शामिल होते हैं जो वास्तविक कार्यबल निर्णय लेते हैं।

मुख्य बातें

• एचआर एनालिटिक्स को ऐतिहासिक हेडकाउंट के लिए धीरे-धीरे बदलते आयाम (एससीडी) दृष्टिकोण की आवश्यकता होती है
• टर्नओवर दर गणना में स्वैच्छिक बनाम अनैच्छिक अलगावों के बीच अंतर होना चाहिए
• विविधता वाले डैशबोर्ड को सावधानीपूर्वक गोपनीयता डिज़ाइन की आवश्यकता होती है - समग्र, कभी भी व्यक्तिगत-स्तर पर नहीं जहां अनुचित हो
• कर्मचारी जीवनचक्र विश्लेषण नियुक्ति के समय, उत्पादकता के समय और प्रतिधारण वक्रों को ट्रैक करता है
• अनुपस्थिति विश्लेषण (ब्रैडफोर्ड फैक्टर, अनुपस्थिति आवृत्ति) पेरोल डेटा के साथ एकीकृत होता है
• हेडकाउंट के लिए DAX माप पॉइंट-इन-टाइम (संक्षेपित नहीं) हैं - विशेष गणना पैटर्न की आवश्यकता होती है
• एचआरआईएस सिस्टम (कार्यदिवस, एसएपी सक्सेसफैक्टर्स, बैम्बूएचआर) सभी में पावर बीआई कनेक्टर हैं
• पंक्ति-स्तरीय सुरक्षा को एचआर डेटा को अधिकृत एचआर व्यापार भागीदारों और प्रबंधकों तक सीमित करना चाहिए

---

एचआर एनालिटिक्स के लिए डेटा मॉडल

कोर एचआर टेबल्स

कर्मचारी_स्नैपशॉट (धीरे-धीरे बदल रहा है, प्रति कर्मचारी प्रति माह एक पंक्ति):

किराया_कार्यक्रम (प्रति किराया एक पंक्ति):

• HireID, EmployeeID, ApplicationDate, OfferDate, AcceptDate, StartDate, DepartmentID, SourceChannel, HiringManagerID, JobRequisitionID

अनुपस्थिति_रिकॉर्ड (प्रति अनुपस्थिति घटना में एक पंक्ति):

• AbsenceID, EmployeeID, StartDate, EndDate, DaysAbsent, AbsenceType, Reason, ApprovalStatus

प्रदर्शन_समीक्षा (प्रति समीक्षा एक पंक्ति):

• ReviewID, EmployeeID, ReviewDate, PerformanceRating, ManagerID

प्रशिक्षण_समाप्ति (प्रति प्रशिक्षण एक पंक्ति):

• TrainingID, EmployeeID, CompletionDate, ProgramName, HoursCompleted

---

हेडकाउंट एनालिटिक्स

हेडकाउंट पॉइंट-इन-टाइम गणना

हेडकाउंट एक स्नैपशॉट माप है (एक समय में कितने कर्मचारी मौजूद हैं), योग नहीं। इसके लिए विशेष DAX प्रबंधन की आवश्यकता है:

// Headcount at any selected date
Headcount =
CALCULATE(
    COUNTROWS(Employee_Snapshot),
    Employee_Snapshot[Status] = "Active",
    // Use the latest available snapshot for the selected period
    Employee_Snapshot[SnapshotDate] = MAX(Employee_Snapshot[SnapshotDate])
)

// FTE-adjusted Headcount
FTE Headcount =
CALCULATE(
    SUMX(
        FILTER(Employee_Snapshot, Employee_Snapshot[Status] = "Active"),
        Employee_Snapshot[FullTimeEquivalent]
    ),
    Employee_Snapshot[SnapshotDate] = MAX(Employee_Snapshot[SnapshotDate])
)

// Headcount by Department (for matrix/bar chart)
Dept Headcount =
CALCULATE(
    [Headcount],
    ALLEXCEPT(Employee_Snapshot, Employee_Snapshot[DepartmentID])
)

// Headcount growth (vs prior month)
Headcount MoM Change =
[Headcount] -
CALCULATE(
    [Headcount],
    DATEADD(Date[Date], -1, MONTH)
)

// Headcount trend (for sparkline or line chart)
Headcount Trend =
CALCULATE(
    [Headcount],
    REMOVEFILTERS(Date[Month])
)

---

टर्नओवर दर विश्लेषण

टर्नओवर सबसे अधिक ट्रैक की जाने वाली एचआर मीट्रिक है और सबसे अधिक गलत गणना की जाती है। सही सूत्र औसत कुलगणना को हर के रूप में उपयोग करता है (कुलगणना की शुरुआत या समाप्ति नहीं)।

टर्नओवर केपीआई

// Total Terminations in Period
Terminations =
CALCULATE(
    COUNTROWS(Employee_Snapshot),
    Employee_Snapshot[Status] = "Terminated",
    Employee_Snapshot[TerminationDate] >= MIN(Date[Date]),
    Employee_Snapshot[TerminationDate] <= MAX(Date[Date])
)

// Voluntary Terminations (resigned)
Voluntary Terminations =
CALCULATE(
    [Terminations],
    Employee_Snapshot[TerminationReason] = "Voluntary"
)

// Involuntary Terminations (laid off, fired)
Involuntary Terminations =
CALCULATE(
    [Terminations],
    Employee_Snapshot[TerminationReason] = "Involuntary"
)

// Average Headcount (for turnover denominator)
Avg Headcount =
AVERAGEX(
    VALUES(Date[Month]),
    [Headcount]
)

// Annualized Turnover Rate
Turnover Rate =
DIVIDE(
    [Terminations],
    [Avg Headcount],
    0
) * 12  -- Annualize if showing monthly data

// Voluntary Turnover Rate
Voluntary Turnover Rate =
DIVIDE([Voluntary Terminations], [Avg Headcount], 0) * 12

// Regrettable Turnover (voluntary + high performers)
Regrettable Turnover =
CALCULATE(
    [Voluntary Terminations],
    RELATED(Performance_Reviews[PerformanceRating]) >= 4  -- High performers
)

// Retention Rate
Retention Rate = 1 - [Turnover Rate]

// New Hire Survival Rate (% of new hires still employed after 90 days)
90 Day Survival Rate =
DIVIDE(
    CALCULATE(
        COUNTROWS(Hiring_Events),
        DATEDIFF(Hiring_Events[StartDate], TODAY(), DAY) >= 90,
        RELATED(Employee_Snapshot[Status]) = "Active"
    ),
    CALCULATE(
        COUNTROWS(Hiring_Events),
        DATEDIFF(Hiring_Events[StartDate], TODAY(), DAY) >= 90
    ),
    0
)

---

विविधता, समानता और समावेशन मेट्रिक्स

गोपनीयता-जागरूक DEI एनालिटिक्स

डीईआई एनालिटिक्स को गोपनीयता रेलिंग के साथ लागू किया जाना चाहिए - संवेदनशील विशेषताओं द्वारा व्यक्तिगत-स्तर के डेटा को कभी भी प्रदर्शित न करें, और कॉन्फ़िगर करने योग्य न्यूनतम (आमतौर पर 5-10 कर्मचारी) से छोटे समूहों के लिए डेटा को न दबाएं।

// Gender ratio (with suppression for small groups)
Gender Ratio Female =
VAR FemaleCount = CALCULATE([Headcount], Employee_Snapshot[Gender] = "Female")
VAR TotalCount = [Headcount]
RETURN
IF(TotalCount >= 10, DIVIDE(FemaleCount, TotalCount, 0), BLANK())

// Pay equity ratio (female to male)
Gender Pay Ratio =
VAR FemalePay = CALCULATE(
    AVERAGE(Employee_Snapshot[BaseSalary]),
    Employee_Snapshot[Gender] = "Female"
)
VAR MalePay = CALCULATE(
    AVERAGE(Employee_Snapshot[BaseSalary]),
    Employee_Snapshot[Gender] = "Male"
)
RETURN DIVIDE(FemalePay, MalePay, 0)

// Leadership diversity (% of senior roles filled by underrepresented groups)
Leadership Diversity % =
DIVIDE(
    CALCULATE(
        [Headcount],
        Employee_Snapshot[JobLevel] IN {"L6","L7","L8"},
        Employee_Snapshot[Gender] = "Female"
    ),
    CALCULATE(
        [Headcount],
        Employee_Snapshot[JobLevel] IN {"L6","L7","L8"}
    ),
    0
)

DEI डैशबोर्ड KPI

---

कर्मचारी जीवनचक्र विश्लेषण

नियुक्ति का समय

// Average days from job posting to offer acceptance
Avg Time to Hire =
AVERAGEX(
    Hiring_Events,
    DATEDIFF(
        Hiring_Events[ApplicationDate],
        Hiring_Events[AcceptDate],
        DAY
    )
)

// Offer Acceptance Rate
Offer Acceptance Rate =
DIVIDE(
    CALCULATE(COUNTROWS(Hiring_Events), Hiring_Events[AcceptDate] <> BLANK()),
    CALCULATE(COUNTROWS(Hiring_Events), Hiring_Events[OfferDate] <> BLANK()),
    0
)

// Source Channel Effectiveness (hired employees by source)
Source Hire Rate =
DIVIDE(
    COUNTROWS(Hiring_Events),
    CALCULATE(
        COUNTROWS(Hiring_Events),
        REMOVEFILTERS(Hiring_Events[SourceChannel])
    ),
    0
)

कार्यकाल वितरण

// Tenure bucket (for histogram)
Tenure Bucket =
SWITCH(TRUE(),
    Employee_Snapshot[TenureMonths] < 3, "0-3 months",
    Employee_Snapshot[TenureMonths] < 12, "3-12 months",
    Employee_Snapshot[TenureMonths] < 24, "1-2 years",
    Employee_Snapshot[TenureMonths] < 60, "2-5 years",
    Employee_Snapshot[TenureMonths] < 120, "5-10 years",
    "10+ years"
)

// Average Tenure at Separation
Avg Tenure at Separation =
AVERAGEX(
    FILTER(Employee_Snapshot, Employee_Snapshot[Status] = "Terminated"),
    Employee_Snapshot[TenureMonths]
)

---

अनुपस्थिति विश्लेषिकी

KPI की अनुपस्थिति

// Absence Rate (% of working days lost)
Absence Rate =
DIVIDE(
    SUM(Absence_Records[DaysAbsent]),
    [Headcount] * NETWORKDAYS(MIN(Date[Date]), MAX(Date[Date])),
    0
)

// Bradford Factor (frequency-weighted absence score)
// B = S² × D (S = absence episodes, D = total days)
Bradford Factor =
VAR Spells = COUNTROWS(Absence_Records)
VAR Days = SUM(Absence_Records[DaysAbsent])
RETURN Spells * Spells * Days

// Average Absence Days per Employee
Avg Absence Days =
DIVIDE(SUM(Absence_Records[DaysAbsent]), [Headcount], 0)

// Absence by Type (breakdown)
Medical Absence Days =
CALCULATE(
    SUM(Absence_Records[DaysAbsent]),
    Absence_Records[AbsenceType] = "Medical"
)

---

5-पेज एचआर डैशबोर्ड आर्किटेक्चर

पृष्ठ 1: कार्यबल अवलोकन

• हेडकाउंट KPI कार्ड (वर्तमान बनाम पूर्व वर्ष)
• एफटीई हेडकाउंट (वास्तविक बनाम लक्ष्य)
• विभाग द्वारा कर्मचारियों की संख्या (बार चार्ट)
• हेडकाउंट प्रवृत्ति 12 महीने (लाइन चार्ट)
• नई नियुक्तियां बनाम समाप्ति (तितली/तुलना बार चार्ट)
• भौगोलिक हेडकाउंट मानचित्र

पेज 2: टर्नओवर विश्लेषण

• वार्षिक कारोबार दर (गेज बनाम उद्योग बेंचमार्क)
• स्वैच्छिक बनाम अनैच्छिक (डोनट चार्ट)
• विभाग द्वारा कारोबार (क्रमबद्ध बार चार्ट, उच्चतम पहले)
• कार्यकाल बैंड द्वारा कारोबार (हिस्टोग्राम)
• टर्नओवर ट्रेंड 24 महीने (लाइन चार्ट)
• बाहर निकलने का कारण टूटना (ट्रीमैप)

पेज 3: प्रतिभा अधिग्रहण

• समय-समय पर किराया प्रवृत्ति (महीने के अनुसार लाइन चार्ट)
• प्रस्ताव स्वीकृति दर (KPI कार्ड)
• सोर्स चैनल द्वारा नियुक्तियां (बार चार्ट)
• विभाग द्वारा खुली मांगें (तालिका)
• हायरिंग फ़नल (एप्लिकेशन से प्रारंभ तक)
• विभाग द्वारा प्रति किराया लागत

पेज 4: विविधता और समावेशन

• स्तर के अनुसार लिंग संतुलन (स्टैक्ड बार चार्ट)
• विभाग द्वारा लिंग वेतन अंतर (बार चार्ट)
• विविधता किराया दर प्रवृत्ति (लाइन चार्ट)
• लिंग के आधार पर पदोन्नति दर (समूहीकृत बार)
• प्रबंधक द्वारा टीम विविधता सूचकांक

पेज 5: अनुपस्थिति और भलाई

• विभाग द्वारा अनुपस्थिति दर (हीट मैप)
• ब्रैडफोर्ड फैक्टर वितरण
• कारण से अनुपस्थिति (पाई चार्ट)
• अनुपस्थिति प्रवृत्ति (12-महीने का लाइन चार्ट)
• अनुपस्थिति बनाम प्रदर्शन सहसंबंध बिखराव की साजिश

---

अक्सर पूछे जाने वाले प्रश्न

मैं पावर बीआई को कार्यदिवस या एसएपी सक्सेसफैक्टर्स से कैसे जोड़ूं?

वर्कडे एक प्रिज्म एनालिटिक्स मॉड्यूल और REST API प्रदान करता है जिसे Power BI OAuth प्रमाणीकरण का उपयोग करके वेब कनेक्टर के माध्यम से कनेक्ट कर सकता है। SAP सक्सेसफैक्टर्स कर्मचारी डेटा के लिए OData API को उजागर करता है। दोनों प्रणालियों के लिए, बड़े उद्यमों के लिए अनुशंसित आर्किटेक्चर है: एचआरआईएस → फाइवट्रान या टैलेंड पाइपलाइन → स्नोफ्लेक/एज़्योर सिनैप्स → पावर बीआई। यह एचआरआईएस से विश्लेषणात्मक परत को अलग करता है और एपीआई दर सीमा के मुद्दों से बचाता है।

मैं Power BI में संवेदनशील कर्मचारी डेटा की सुरक्षा कैसे करूँ?

सुरक्षा की कई परतें लागू करें: पंक्ति-स्तरीय सुरक्षा यह प्रतिबंधित करती है कि प्रत्येक दर्शक किस कर्मचारी का डेटा देखता है (उदाहरण के लिए, प्रबंधक केवल उनकी प्रत्यक्ष रिपोर्ट देखते हैं, एचआरबीपी उनकी निर्दिष्ट व्यावसायिक इकाइयों को देखता है)। व्यक्तिगत डेटा वाले डेटासेट पर Microsoft सूचना सुरक्षा संवेदनशीलता लेबल लागू करें। साझा डैशबोर्ड में व्यक्तिगत कर्मचारी स्तर पर वेतन डेटा कभी भी प्रदर्शित न करें। विविधता विश्लेषण के लिए, 10 कर्मचारियों से छोटे समूहों के लिए मेट्रिक्स को दबाएँ। सुनिश्चित करें कि आपके संगठन की डेटा गोपनीयता नीति स्पष्ट रूप से पीपल एनालिटिक्स के उपयोग की अनुमति देती है।

हेडकाउंट और एफटीई के बीच क्या अंतर है?

हेडकाउंट कर्मचारियों को उनके काम के घंटों की परवाह किए बिना गिना जाता है (एक अंशकालिक कर्मचारी को 1 के रूप में गिना जाता है)। काम के घंटों के अनुसार एफटीई (पूर्णकालिक समतुल्य) भार - 50% अंशकालिक कर्मचारी की गणना 0.5 एफटीई के रूप में की जाती है। संपूर्ण कर्मचारी संख्या के लिए हेडकाउंट का उपयोग करें (उदाहरण के लिए, "हमारे पास 500 कर्मचारी हैं")। क्षमता नियोजन और लागत मॉडलिंग के लिए एफटीई का उपयोग करें (उदाहरण के लिए, "हमारे पास 430 एफटीई लायक क्षमता है")। दोनों उपाय महत्वपूर्ण हैं और अलग-अलग उद्देश्यों की पूर्ति करते हैं।

मैं टर्नओवर दर की सही गणना कैसे करूं?

टर्नओवर दर = (विभाजन की संख्या / औसत कुल संख्या) × 100। कुंजी भाजक है - अवधि के लिए शुरुआत और समाप्ति कुल संख्या के औसत का उपयोग करें, न कि केवल अंतिम कुल संख्या का। 12-महीने के कारोबार के लिए, पिछले 12 महीनों के अलगावों का योग करें और 12-महीने की औसत कुल संख्या से विभाजित करें। कई संगठन गलत तरीके से अंतिम संख्या का उपयोग करते हैं, जो बढ़ते संगठनों में टर्नओवर को बढ़ाता है।

क्या पावर बीआई व्यक्तिगत कर्मचारियों के लिए पूर्वानुमानित नौकरी छोड़ने का जोखिम दिखा सकता है?

Azure मशीन लर्निंग एकीकरण के साथ, हाँ। ऐतिहासिक विशेषताओं (कार्यकाल, प्रदर्शन रेटिंग, सगाई स्कोर, अंतिम पदोन्नति तिथि, वेतन बनाम बाजार, प्रबंधक रेटिंग) का उपयोग करके एज़्योर एमएल में एक एट्रिशन भविष्यवाणी मॉडल बनाएं और प्रत्येक वर्तमान कर्मचारी के लिए एक एट्रिशन संभावना स्कोर आउटपुट करें। इस स्कोर को पावर बीआई से कनेक्ट करें और इसे प्रबंधक डैशबोर्ड में प्रदर्शित करें जो उनकी टीम के उड़ान जोखिम को दर्शाता है - कर्मचारियों के इस्तीफा देने से पहले सक्रिय अवधारण वार्तालाप की अनुमति देता है।

---

अगले चरण

पावर बीआई में एचआर एनालिटिक्स लोगों के नेताओं को वही डेटा-संचालित निर्णय लेने की सुविधा देता है जो वित्त और बिक्री टीमों को वर्षों से मिलती आ रही है। यह समझना कि कौन, क्यों, किस टीम से और किस कार्यकाल में जा रहा है, एचआर को पहले हस्तक्षेप करने और सबसे महत्वपूर्ण प्रतिभा को बनाए रखने की अंतर्दृष्टि देता है।

ECOSIRE की पावर बीआई टीम संपूर्ण एचआर एनालिटिक्स प्लेटफॉर्म बनाती है - एचआरआईएस डेटा पाइपलाइन डिजाइन से लेकर उचित गोपनीयता नियंत्रण और भूमिका-आधारित पहुंच के साथ इंटरैक्टिव पीपुल एनालिटिक्स डैशबोर्ड तक।

हमारे एचआर एनालिटिक्स दृष्टिकोण को समझने के लिए हमारी [पावर बीआई डैशबोर्ड डेवलपमेंट सर्विसेज] (/services/powerbi/dashboard-development) का अन्वेषण करें, या अपने कार्यबल एनालिटिक्स आवश्यकताओं और डेटा स्रोतों पर चर्चा करने के लिए [हमारी टीम से संपर्क करें] (/contact) करें।