पावर बीआई एचआर एनालिटिक्स डैशबोर्ड: वर्कफोर्स इंटेलिजेंस गाइड

लोग किसी संगठन की सबसे बड़ी लागत और सबसे मूल्यवान संपत्ति हैं, फिर भी अधिकांश मानव संसाधन विभाग अंतर्ज्ञान, उपाख्यान और पिछड़ी स्प्रेडशीट रिपोर्ट का उपयोग करके महत्वपूर्ण निर्णय लेते हैं - नियुक्ति, मुआवजा, पुनर्गठन, लाभ -। पावर बीआई एक ही इंटरैक्टिव प्लेटफॉर्म में हेडकाउंट डायनेमिक्स, एट्रिशन पैटर्न, विविधता प्रगति, मुआवजा इक्विटी, भर्ती दक्षता और सगाई के रुझान को देखकर एचआर डेटा को कार्यबल इंटेलिजेंस में बदल देता है।

एचआर रिपोर्टिंग (क्या हुआ) से लोगों के विश्लेषण (ऐसा क्यों हुआ और इसके बारे में क्या करना है) की ओर बदलाव एक एचआर फ़ंक्शन के बीच का अंतर है जो समस्याओं पर प्रतिक्रिया करता है और जो उन्हें रोकता है। जब आप देख सकते हैं कि हर साल Q1 में इंजीनियरिंग कर्मचारियों की संख्या में वृद्धि होती है, कि एक विशिष्ट प्रबंधक की टीम में सहकर्मियों की टर्नओवर दर 3 गुना है, या कि महिला कर्मचारी 3 साल के कार्यकाल पर पुरुष कर्मचारियों की तुलना में उच्च दर पर छोड़ती हैं, तो आप अगले प्रस्थान से पहले हस्तक्षेप कर सकते हैं।

यह गाइड पावर बीआई में एचआर एनालिटिक्स डैशबोर्ड के संपूर्ण आर्किटेक्चर को कवर करता है, जिसमें डेटा मॉडल, आवश्यक DAX उपाय, प्रत्येक एनालिटिक्स डोमेन के लिए विज़ुअलाइज़ेशन डिज़ाइन और संवेदनशील कार्यबल डेटा के लिए कार्यान्वयन संबंधी विचार शामिल हैं।

---

एचआर एनालिटिक्स के लिए डेटा मॉडल

कोर टेबल्स

एचआर एनालिटिक्स डेटा मॉडल वित्तीय या बिक्री मॉडल से भिन्न होते हैं क्योंकि कार्यबल डेटा में स्टॉक (पॉइंट-इन-टाइम काउंट) और प्रवाह (इवेंट-आधारित परिवर्तन) दोनों विशेषताएं होती हैं।

कर्मचारी आयाम (DimEmployee). वर्तमान कर्मचारी विशेषताओं वाली केंद्रीय आयाम तालिका। मुख्य कॉलम में कर्मचारी आईडी, पूरा नाम, विभाग, टीम, नौकरी का शीर्षक, नौकरी का स्तर (व्यक्तिगत योगदानकर्ता, प्रबंधक, निदेशक, वीपी, सी-सूट), प्रबंधक (प्रत्यक्ष प्रबंधक की कर्मचारी आईडी), नियुक्ति तिथि, समाप्ति तिथि (सक्रिय कर्मचारियों के लिए शून्य), स्थान, देश, लिंग, जातीयता, आयु समूह, कार्यकाल बैंड (1 वर्ष से कम, 1--3 वर्ष, 3--5 वर्ष) शामिल हैं। 5--10 वर्ष, 10+ वर्ष), रोज़गार प्रकार (पूर्णकालिक, अंशकालिक, ठेकेदार), इज़एक्टिव (बूलियन), बेससैलरी, कुल मुआवज़ा, तुलनात्मक अनुपात (बाजार मध्य बिंदु द्वारा विभाजित वेतन), और प्रदर्शन रेटिंग (सबसे हालिया)।

** हेडकाउंट स्नैपशॉट तथ्य तालिका (FactHeadcountSnapshot)।** विभाग, स्थान और जनसांख्यिकीय विशेषताओं द्वारा हेडकाउंट के मासिक स्नैपशॉट। प्रत्येक पंक्ति एक माह के अंत में कर्मचारियों की संख्या को दर्शाती है। कॉलम में स्नैपशॉटडेट, विभाग, स्थान, लिंग, जातीयता, एक्टिवकाउंट और एफटीईकाउंट शामिल हैं। स्नैपशॉट सटीक ऐतिहासिक प्रवृत्ति विश्लेषण सक्षम करते हैं क्योंकि कर्मचारी आयाम केवल वर्तमान स्थिति को दर्शाता है।

घटना तथ्य तालिका (FactHREvent). प्रत्येक महत्वपूर्ण HR घटना को रिकॉर्ड करता है। कॉलम में इवेंट आईडी, कर्मचारी आईडी, इवेंट दिनांक, इवेंट प्रकार (नियुक्ति, समाप्ति, पदोन्नति, स्थानांतरण, वेतन परिवर्तन, अनुपस्थिति की छुट्टी), फ्रॉम वैल्यू (उदाहरण के लिए, पिछला विभाग, पिछला वेतन), टू वैल्यू (उदाहरण के लिए, नया विभाग, नया वेतन), और कारण (इस्तीफा कारण, पदोन्नति कारण, स्थानांतरण कारण) शामिल हैं।

भर्ती तथ्य तालिका (फैक्टरिक्रूटमेंट)। नौकरी पोस्टिंग से लेकर प्रस्ताव स्वीकृति तक नियुक्ति पाइपलाइन को ट्रैक करता है। कॉलम में अनुरोध आईडी, पोस्टिंग तिथि, विभाग, नौकरी शीर्षक, स्रोत (जॉब बोर्ड, रेफरल, एजेंसी, करियर पेज), आवेदन तिथि, उम्मीदवार का नाम, स्टेज आईडी (लागू, फोन स्क्रीन, साक्षात्कार, प्रस्ताव, स्वीकृत, अस्वीकृत, वापस लिया गया), स्टेज तिथि, किराया तिथि और लागत शामिल हैं।

**सर्वेक्षण तथ्य तालिका (FactSurvey)।**कर्मचारी सहभागिता और संतुष्टि सर्वेक्षण प्रतिक्रियाएँ। कॉलम में सर्वे आईडी, कर्मचारी आईडी, सर्वे दिनांक, प्रश्न श्रेणी (सगाई, संतुष्टि, प्रबंधक, विकास, संस्कृति), स्कोर (1--5 या 1--10), और इज़एनोनिमस शामिल हैं।

दिनांक आयाम (DimDate). वित्तीय कैलेंडर समर्थन के साथ सभी तथ्य तालिकाओं में मानक तिथि तालिका साझा की गई।

---

हेडकाउंट रुझान

सक्रिय कर्मचारियों की संख्या के उपाय

Active Headcount =
CALCULATE(
    COUNTROWS(DimEmployee),
    DimEmployee[IsActive] = TRUE()
)

Headcount End of Period =
CALCULATE(
    MAX(FactHeadcountSnapshot[ActiveCount]),
    FILTER(
        FactHeadcountSnapshot,
        FactHeadcountSnapshot[SnapshotDate] = MAX(DimDate[Date])
    )
)

FTE Count =
CALCULATE(
    SUM(FactHeadcountSnapshot[FTECount]),
    FILTER(
        FactHeadcountSnapshot,
        FactHeadcountSnapshot[SnapshotDate] = MAX(DimDate[Date])
    )
)

New Hires (Period) =
CALCULATE(
    COUNTROWS(FactHREvent),
    FactHREvent[EventType] = "Hire"
)

Terminations (Period) =
CALCULATE(
    COUNTROWS(FactHREvent),
    FactHREvent[EventType] = "Termination"
)

Net Headcount Change = [New Hires (Period)] - [Terminations (Period)]

हेडकाउंट विज़ुअलाइज़ेशन

क्षेत्र चार्ट 24 महीनों में मासिक कर्मचारियों की संख्या दिखा रहा है, जिसमें नियुक्तियाँ ऊपर रखी गई हैं और समाप्ति शून्य रेखा से नीचे रखी गई है। यह झरना-शैली दृश्य विकास प्रक्षेपवक्र और भर्ती बनाम प्रतिधारण के सापेक्ष योगदान को प्रकट करता है।

विभागीय विश्लेषण एक स्टैक्ड बार चार्ट का उपयोग करके समय के साथ विभाग द्वारा कर्मचारियों की संख्या दर्शाना। इससे पता चलता है कि कौन से विभाग बढ़ रहे हैं, सिकुड़ रहे हैं या स्थिर हैं।

स्थान के अनुसार कर्मचारियों की संख्या भौगोलिक कार्यबल वितरण दर्शाने वाले मानचित्र दृश्य पर। बुलबुले का आकार कुल संख्या को दर्शाता है। रंग विकास दर का प्रतिनिधित्व कर सकता है (बढ़ने के लिए हरा, सिकुड़ते स्थानों के लिए लाल)।

---

क्षय विश्लेषण

क्षय दर गणना

घर्षण दर फॉर्मूला भ्रामक रूप से सरल है, लेकिन गलत गणना सबसे आम एचआर एनालिटिक्स त्रुटियों में से एक है।

Average Headcount =
(
    CALCULATE(MAX(FactHeadcountSnapshot[ActiveCount]),
        FILTER(FactHeadcountSnapshot,
            FactHeadcountSnapshot[SnapshotDate] = MIN(DimDate[Date])
        )
    ) +
    CALCULATE(MAX(FactHeadcountSnapshot[ActiveCount]),
        FILTER(FactHeadcountSnapshot,
            FactHeadcountSnapshot[SnapshotDate] = MAX(DimDate[Date])
        )
    )
) / 2

Attrition Rate =
DIVIDE([Terminations (Period)], [Average Headcount], 0)

Annualized Attrition Rate =
VAR MonthsInPeriod =
    DATEDIFF(MIN(DimDate[Date]), MAX(DimDate[Date]), MONTH) + 1
RETURN
    (1 - POWER(1 - [Attrition Rate], 12 / MonthsInPeriod))

Voluntary Attrition Rate =
DIVIDE(
    CALCULATE(
        COUNTROWS(FactHREvent),
        FactHREvent[EventType] = "Termination",
        FactHREvent[Reason] IN {"Resignation", "Retirement", "Personal Reasons"}
    ),
    [Average Headcount],
    0
)

Involuntary Attrition Rate =
DIVIDE(
    CALCULATE(
        COUNTROWS(FactHREvent),
        FactHREvent[EventType] = "Termination",
        FactHREvent[Reason] IN {"Performance", "Restructuring", "Misconduct"}
    ),
    [Average Headcount],
    0
)

एट्रिशन डीप-डाइव विज़ुअलाइज़ेशन

विभाग द्वारा क्षरण दर (उच्चतम से निम्नतम) के आधार पर क्रमबद्ध बार चार्ट का उपयोग करना। संगठनात्मक औसत से अधिक दरों वाले विभागों को हाइलाइट करें। इससे परेशानी वाले स्थानों की तुरंत पहचान हो जाती है।

कार्यकाल बैंड द्वारा क्षरण एक कॉलम चार्ट का उपयोग करके। सामान्य पैटर्न में पहले वर्ष में उच्च टर्नओवर (ऑनबोर्डिंग विफलता), 2-3 वर्षों में वृद्धि (करियर विकास निराशा), या 5+ वर्षों में टर्नओवर में वृद्धि (बर्नआउट या ठहराव) शामिल हैं।

प्रबंधक द्वारा उत्पीड़न सबसे संवेदनशील लेकिन अक्सर सबसे अधिक कार्रवाई योग्य दृश्य है। प्रत्येक प्रबंधक की टीम के आकार, समाप्ति और नौकरी छोड़ने की दर को दर्शाने वाली तालिका से पता चलता है कि कुछ प्रबंधक लगातार प्रतिभा को बनाए रखते हैं जबकि अन्य लगातार इसे खो देते हैं। इस विश्लेषण को सोच-समझकर लागू करें, इसका उपयोग दंडात्मक कार्रवाई के बजाय कोचिंग और समर्थन के लिए करें।

एट्रिशन हीटमैप रंग की तीव्रता के रूप में एट्रिशन दर के साथ अक्षों पर विभाग और महीने का संयोजन। इससे मौसमी पैटर्न का पता चलता है (बोनस भुगतान के बाद जनवरी में और सितंबर में जब बच्चे स्कूल लौटते हैं तो अक्सर इस्तीफे बढ़ जाते हैं)।

कारण विश्लेषण डोनट या ट्रीमैप चार्ट का उपयोग करके समाप्ति कारणों का वितरण दर्शाता है। स्वैच्छिक प्रस्थान के कारणों में बेहतर अवसर, मुआवजा, कार्य-जीवन संतुलन, प्रबंधक संबंध, कैरियर विकास, स्थानांतरण और सेवानिवृत्ति शामिल हो सकते हैं।

उत्तरजीविता विश्लेषण

उत्तरजीविता वक्र इस संभावना को दर्शाते हैं कि एक कर्मचारी प्रत्येक कार्यकाल के मील के पत्थर पर संगठन के साथ बना रहता है। 6 महीने, 1 साल, 2 साल, 3 साल और 5 साल पर प्रतिधारण दरों की गणना करके इसे बनाएं।

Retention Rate at 1 Year =
DIVIDE(
    CALCULATE(
        COUNTROWS(DimEmployee),
        DATEDIFF(DimEmployee[HireDate], TODAY(), MONTH) >= 12,
        OR(DimEmployee[IsActive] = TRUE(),
           DATEDIFF(DimEmployee[HireDate], DimEmployee[TerminationDate], MONTH) >= 12)
    ),
    CALCULATE(
        COUNTROWS(DimEmployee),
        DATEDIFF(DimEmployee[HireDate], TODAY(), MONTH) >= 12
    ),
    0
)

यह पहचानने के लिए कि कौन सी आबादी सबसे अधिक और सबसे कम स्थिर है, विभाग, नौकरी के स्तर या किराये के स्रोत के आधार पर उत्तरजीविता वक्रों को विभाजित करें।

---

विविधता और समावेशन मेट्रिक्स

प्रतिनिधित्व डैशबोर्ड

विविधता मेट्रिक्स को सूचनात्मक और सम्मानजनक दोनों होने के लिए सावधानीपूर्वक डिजाइन की आवश्यकता होती है। समग्र डेटा प्रदर्शित करें, व्यक्तिगत-स्तरीय जनसांख्यिकीय विवरण कभी नहीं।

लिंग प्रतिनिधित्व एक स्टैक्ड बार चार्ट का उपयोग करके विभाग और नौकरी स्तर द्वारा लिंग वितरण दिखाता है। महत्वपूर्ण अंतर्दृष्टि समग्र लिंग संतुलन नहीं है, बल्कि क्या वरिष्ठ स्तरों पर प्रतिनिधित्व बदलता है ("टूटी हुई पायदान" या "कांच की छत" विश्लेषण)।

जातीय प्रतिनिधित्व समान स्टैक्ड बार का उपयोग करके। अपने संगठन की जनसांख्यिकी की तुलना अपने स्थानों और उद्योगों के लिए प्रासंगिक श्रम बाजार बेंचमार्क से करें।

Gender Ratio (Female) =
DIVIDE(
    CALCULATE(COUNTROWS(DimEmployee), DimEmployee[Gender] = "Female", DimEmployee[IsActive] = TRUE()),
    CALCULATE(COUNTROWS(DimEmployee), DimEmployee[IsActive] = TRUE()),
    0
)

Diversity Index =
-- Simpson's Diversity Index: probability that two randomly selected employees are from different groups
1 - SUMX(
    VALUES(DimEmployee[Ethnicity]),
    VAR GroupCount = CALCULATE(COUNTROWS(DimEmployee), DimEmployee[IsActive] = TRUE())
    VAR TotalCount = CALCULATE(COUNTROWS(DimEmployee), DimEmployee[IsActive] = TRUE(), ALL(DimEmployee[Ethnicity]))
    RETURN POWER(DIVIDE(GroupCount, TotalCount, 0), 2)
)

अंतर्विभागीय विश्लेषण

समग्र लिंग या जातीयता विश्लेषण अकेले ही असमानताओं को छिपा सकता है। अंतर्विभागीय विश्लेषण संयोजनों की जांच करता है --- उदाहरण के लिए, इंजीनियरिंग में पुरुषों बनाम इंजीनियरिंग में महिलाओं की नौकरी छोड़ने की दर, या प्रबंधक स्तर पर गैर-अल्पसंख्यकों बनाम कम प्रतिनिधित्व वाले अल्पसंख्यकों की पदोन्नति दर।

पंक्तियों पर जनसांख्यिकीय विशेषताओं और स्तंभों पर मेट्रिक्स (एट्रिशन दर, पदोन्नति दर, औसत कार्यकाल, औसत मुआवजा) के साथ एक मैट्रिक्स विज़ुअल बनाएं। सशर्त स्वरूपण सांख्यिकीय रूप से महत्वपूर्ण अंतरों को उजागर करता है।

विविधता पाइपलाइन

कर्मचारी जीवनचक्र के प्रत्येक चरण में विविधता पर नज़र रखें। आवेदकों, साक्षात्कारकर्ताओं, प्रस्तावों, नियुक्तियों, पदोन्नति और बर्खास्तगी का कितना प्रतिशत प्रत्येक जनसांख्यिकीय समूह से संबंधित है? इन प्रतिशतों को दर्शाने वाला फ़नल बताता है कि विविधता कहाँ खो गई है। यदि आपके आवेदक समूह में 45% महिलाएं हैं, लेकिन आपकी नियुक्ति दर 30% महिला है, तो स्क्रीनिंग या साक्षात्कार प्रक्रिया में जांच के लायक पूर्वाग्रह हो सकता है।

---

मुआवज़ा विश्लेषण

वेतन इक्विटी अवलोकन

Average Salary =
CALCULATE(
    AVERAGE(DimEmployee[BaseSalary]),
    DimEmployee[IsActive] = TRUE()
)

Average Total Comp =
CALCULATE(
    AVERAGE(DimEmployee[TotalCompensation]),
    DimEmployee[IsActive] = TRUE()
)

Compa-Ratio Average =
CALCULATE(
    AVERAGE(DimEmployee[CompaRatio]),
    DimEmployee[IsActive] = TRUE()
)

Salary Range Penetration =
-- How far through the salary range the employee has progressed
DIVIDE(
    AVERAGE(DimEmployee[BaseSalary]) - MIN(DimPayBand[RangeMinimum]),
    MAX(DimPayBand[RangeMaximum]) - MIN(DimPayBand[RangeMinimum]),
    0
)

वेतन अंतर विश्लेषण

वेतन अंतर विश्लेषण जनसांख्यिकीय समूहों में मुआवजे की तुलना करता है। कच्चा (असमायोजित) वेतन अंतर औसत वेतन की तुलना करता है। समायोजित वेतन अंतर वैध कारकों (नौकरी स्तर, कार्यकाल, प्रदर्शन, स्थान) को नियंत्रित करता है और संभावित पूर्वाग्रह के कारण शेष अंतर को प्रकट करता है।

पावर बीआई प्रतिगमन-आधारित वेतन इक्विटी विश्लेषण के आउटपुट की कल्पना कर सकता है। प्रतिगमन मॉडल स्वयं आमतौर पर पायथन, आर, या एक समर्पित मुआवजा विश्लेषण उपकरण में बनाया गया है। मॉडल परिणाम (अनुमानित वेतन, वास्तविक वेतन, अवशिष्ट) को Power BI में आयात करें।

विज़ुअलाइज़ेशन: जनसांख्यिकीय समूह द्वारा रंगे गए एक्स-अक्ष पर अनुमानित वेतन और वाई-अक्ष पर वास्तविक वेतन के साथ एक बिखरा हुआ प्लॉट। विकर्ण रेखा के ऊपर के बिंदुओं का भुगतान मॉडल की भविष्यवाणी से ऊपर किया जाता है; नीचे दिए गए बिंदुओं का भुगतान कम किया जाता है। रेखा के नीचे एक विशेष जनसांख्यिकीय समूह के समूह संभावित वेतन असमानता का संकेत देते हैं।

मुआवजा वितरण

बॉक्स प्लॉट या वायलिन प्लॉट विभाग और नौकरी स्तर द्वारा वेतन वितरण दिखा रहा है। इनसे पता चलता है कि क्या मुआवजा कसकर क्लस्टर किया गया है (निरंतर भुगतान प्रथाएं) या व्यापक रूप से फैला हुआ है (संभावित असंगतता)। आउटलेर्स प्रतिधारण जोखिम (अंडरपेड) या अधिक भुगतान वाली स्थितियों का संकेत दे सकते हैं।

---

भर्ती फ़नल एनालिटिक्स

फ़नल मेट्रिक्स

Applications =
CALCULATE(
    COUNTROWS(FactRecruitment),
    FactRecruitment[StageID] = "Applied"
)

Screen Rate =
DIVIDE(
    CALCULATE(COUNTROWS(FactRecruitment), FactRecruitment[StageID] = "Phone Screen"),
    [Applications],
    0
)

Interview Rate =
DIVIDE(
    CALCULATE(COUNTROWS(FactRecruitment), FactRecruitment[StageID] = "Interview"),
    CALCULATE(COUNTROWS(FactRecruitment), FactRecruitment[StageID] = "Phone Screen"),
    0
)

Offer Rate =
DIVIDE(
    CALCULATE(COUNTROWS(FactRecruitment), FactRecruitment[StageID] = "Offer"),
    CALCULATE(COUNTROWS(FactRecruitment), FactRecruitment[StageID] = "Interview"),
    0
)

Offer Acceptance Rate =
DIVIDE(
    CALCULATE(COUNTROWS(FactRecruitment), FactRecruitment[StageID] = "Accepted"),
    CALCULATE(COUNTROWS(FactRecruitment), FactRecruitment[StageID] = "Offer"),
    0
)

Time to Fill =
AVERAGEX(
    FILTER(FactRecruitment, FactRecruitment[StageID] = "Accepted"),
    DATEDIFF(FactRecruitment[PostingDate], FactRecruitment[HireDate], DAY)
)

Cost per Hire =
DIVIDE(
    SUM(FactRecruitment[CostIncurred]),
    CALCULATE(COUNTROWS(FactRecruitment), FactRecruitment[StageID] = "Accepted"),
    0
)

स्रोत प्रभावशीलता

प्रत्येक भर्ती स्रोत (लिंक्डइन, वास्तव में, रेफरल, एजेंसी, करियर पेज, विश्वविद्यालय) को दर्शाने वाला एक मैट्रिक्स विज़ुअल जिसमें आवेदन, नियुक्तियां, प्रति किराया लागत, भरने का समय और 1-वर्ष की अवधारण दर के कॉलम से पता चलता है कि कौन से स्रोत सर्वोत्तम प्रतिभा को सबसे कुशलता से प्रदान करते हैं।

किराये की गुणवत्ता अंतिम भर्ती मीट्रिक है। प्रत्येक स्रोत से प्रदर्शन रेटिंग, पदोन्नति दर और नियुक्तियों की अवधारण दर को ट्रैक करके इसे मापें। एक स्रोत जो सस्ते, तेजी से नियुक्तियां देता है और एक वर्ष के भीतर नौकरी छोड़ देता है, वह उस महंगे स्रोत की तुलना में कम मूल्यवान है जो लंबे समय तक उच्च प्रदर्शन करने वाले लोगों को तैयार करता है।

भर्ती डैशबोर्ड लेआउट

भर्ती पृष्ठ में एक फ़नल विज़ुअलाइज़ेशन होना चाहिए जो चरणों के बीच रूपांतरण दर, खुली मांगों के लिए केपीआई कार्ड, भरने का औसत समय, प्रति किराया लागत, और स्वीकृति दर की पेशकश, एक स्रोत प्रभावशीलता तालिका, और खुली मांगों और ऐतिहासिक भरण दरों के आधार पर पूर्वानुमान के साथ समय के साथ भर्ती की मात्रा दिखाने वाली एक प्रवृत्ति रेखा होनी चाहिए।

---

सगाई और संतुष्टि

सर्वेक्षण विश्लेषण

Average Engagement Score =
CALCULATE(
    AVERAGE(FactSurvey[Score]),
    FactSurvey[QuestionCategory] = "Engagement"
)

eNPS =
-- Employee Net Promoter Score
VAR Promoters =
    CALCULATE(COUNTROWS(FactSurvey), FactSurvey[Score] >= 9, FactSurvey[QuestionCategory] = "Engagement")
VAR Detractors =
    CALCULATE(COUNTROWS(FactSurvey), FactSurvey[Score] <= 6, FactSurvey[QuestionCategory] = "Engagement")
VAR Total =
    CALCULATE(COUNTROWS(FactSurvey), FactSurvey[QuestionCategory] = "Engagement")
RETURN
    DIVIDE(Promoters - Detractors, Total, 0) * 100

सगाई-दुर्घटना सहसंबंध

लोगों के विश्लेषण में सबसे शक्तिशाली विश्लेषण जुड़ाव स्कोर और उसके बाद की समाप्ति के बीच का संबंध है। एक विज़ुअलाइज़ेशन बनाएं जिसमें विभागों या टीमों को एक अक्ष पर सगाई स्कोर और दूसरे पर बाद की तिमाही की समाप्ति दर के साथ प्लॉट किया गया हो। एक मजबूत नकारात्मक सहसंबंध पुष्टि करता है कि सगाई सर्वेक्षण टर्नओवर की भविष्यवाणी करता है, जिससे सगाई एक प्रमुख संकेतक बन जाती है जिस पर एचआर नौकरी छोड़ने से पहले कार्रवाई कर सकता है।

सर्वेक्षण रुझान विश्लेषण

एकाधिक सर्वेक्षण प्रशासनों (त्रैमासिक या वार्षिक) पर सहभागिता स्कोर ट्रैक करें। श्रेणी-स्तरीय रुझान (सगाई, प्रबंधक संबंध, विकास के अवसर, मुआवजा संतुष्टि, संस्कृति) दिखाने वाला एक लाइन चार्ट बताता है कि कर्मचारी अनुभव के किन पहलुओं में सुधार या गिरावट हो रही है।

---

डेटा गोपनीयता और सुरक्षा

संवेदनशील डेटा प्रबंधन

किसी भी संगठन में एचआर डेटा सबसे संवेदनशील होता है। मजबूत सुरक्षा उपाय लागू करें.

पंक्ति-स्तरीय सुरक्षा संगठनात्मक इकाई द्वारा डेटा पहुंच को प्रतिबंधित करती है। मानव संसाधन व्यवसाय भागीदार केवल अपने निर्दिष्ट विभाग ही देखते हैं। अधिकारी अपनी रिपोर्टिंग पदानुक्रम देखते हैं। सीएचआरओ और एचआर एनालिटिक्स टीम सब कुछ देखती है। उपयोगकर्ता की पहचान को संगठनात्मक इकाइयों से जोड़ने वाली सुरक्षा मैपिंग तालिका के साथ, वित्तीय डैशबोर्ड गाइड में वर्णित समान पैटर्न का उपयोग करके आरएलएस लागू करें।

एकत्रीकरण सीमाएँ। 5 कर्मचारियों से छोटे समूहों के लिए कभी भी जनसांख्यिकीय डेटा प्रदर्शित न करें। "वित्त विभाग में एशियाई श्रेणी में 1 कर्मचारी" दिखाने वाला विविधता विश्लेषण प्रभावी रूप से एक व्यक्ति की पहचान करता है। छोटे समूहों को दबाने वाले DAX उपाय बनाएं।

Suppressed Count =
VAR RawCount = COUNTROWS(DimEmployee)
RETURN IF(RawCount < 5, BLANK(), RawCount)

डेटा वर्गीकरण। पावर बीआई सेवा में डैशबोर्ड को गोपनीय के रूप में लेबल करें। निर्यात और डाउनलोड अनुमतियाँ प्रतिबंधित करें। एक्सेस लॉग का नियमित रूप से ऑडिट करें।

---

अक्सर पूछे जाने वाले प्रश्न

कौन से HRIS सिस्टम Power BI के साथ अच्छी तरह से एकीकृत होते हैं?

वर्कडे, एसएपी सक्सेसफैक्टर्स, बैम्बूएचआर, एडीपी, यूकेजी (अल्टीमेट क्रोनोस ग्रुप), और ओरेकल एचसीएम क्लाउड सभी में एपीआई, डेटा एक्सपोर्ट या समर्पित कनेक्टर के माध्यम से पावर बीआई एकीकरण विकल्प हैं। स्प्रेडशीट-आधारित एचआर रिकॉर्ड का उपयोग करने वाले छोटे संगठनों के लिए, पावर बीआई सीधे एक्सेल फाइलों या Google शीट्स से जुड़ता है। सबसे मजबूत दृष्टिकोण एचआरआईएस डेटा को दैनिक शेड्यूल पर डेटा वेयरहाउस (एज़्योर एसक्यूएल, स्नोफ्लेक) में निकालना है, फिर पावर बीआई को वेयरहाउस से कनेक्ट करना है।

विभागों के बीच स्थानांतरण करने वाले कर्मचारियों को मैं कैसे संभालूं?

अंतरणों को अलग-अलग घटनाओं के रूप में ट्रैक करने के लिए घटना तथ्य तालिका का उपयोग करें। हेडकाउंट स्नैपशॉट तालिका प्रत्येक समय बिंदु पर सही विभाग असाइनमेंट को कैप्चर करती है। विभाग द्वारा त्यागने की गणना करते समय, यह तय करें कि क्या त्यागने का श्रेय उस विभाग को दिया जाए जहां से कर्मचारी ने छोड़ा था या उस विभाग को जिसमें वे बर्खास्तगी के समय थे। उद्योग मानक समाप्ति के समय का विभाग है।

स्वस्थ कर्मचारी की नौकरी छोड़ने की दर क्या है?

उद्योग का औसत काफी भिन्न होता है। प्रौद्योगिकी कंपनियाँ आम तौर पर 15-20% वार्षिक स्वैच्छिक नौकरी छोड़ती हैं। हेल्थकेयर और रिटेल में 20-30% देखें। सरकार और शिक्षा 5-10% देखते हैं। एक उपयोगी बेंचमार्क आपकी दर की तुलना आपके विशिष्ट उद्योग और भूगोल से कर रहा है। पूर्ण दर से अधिक महत्वपूर्ण प्रवृत्ति की दिशा है और क्या नौकरी छोड़ना उच्च प्रदर्शन करने वाले कर्मचारियों में केंद्रित है या समान रूप से वितरित है।

क्या पावर बीआई कर्मचारी के नौकरी छोड़ने की भविष्यवाणी कर सकता है?

पावर बीआई पूर्वानुमानित मॉडल द्वारा उत्पन्न एट्रिशन जोखिम स्कोर की कल्पना कर सकता है, लेकिन भविष्यवाणी स्वयं पायथन (स्किकिट-लर्न), आर, या एज़्योर मशीन लर्निंग में सबसे अच्छी तरह से बनाई गई है। विशिष्ट पूर्वानुमानित विशेषताओं में कार्यकाल, हालिया प्रदर्शन रेटिंग परिवर्तन, बाजार के सापेक्ष मुआवजा, प्रबंधक कार्यकाल, यात्रा दूरी और सगाई सर्वेक्षण स्कोर शामिल हैं। मॉडल प्रत्येक कर्मचारी के लिए एक जोखिम स्कोर आउटपुट करता है, जिसे पावर बीआई जोखिम हीटमैप या एचआर द्वारा कार्य करने के लिए क्रमबद्ध सूची के रूप में प्रदर्शित करता है।

एचआर डैशबोर्ड को कितनी बार रीफ्रेश करना चाहिए?

अधिकांश एचआर मेट्रिक्स के लिए साप्ताहिक रिफ्रेश पर्याप्त है। हेडकाउंट, एट्रिशन और विविधता डेटा मिनट-दर-मिनट नहीं बदलते हैं। सक्रिय नियुक्ति अवधि के दौरान भर्ती डैशबोर्ड को दैनिक ताज़ा करने से लाभ होता है। प्रत्येक सर्वेक्षण प्रशासन के बाद सहभागिता डैशबोर्ड ताज़ा हो जाते हैं। अपवाद पुनर्गठन या एम एंड ए कार्यक्रमों के दौरान कार्यबल योजना है, जहां दैनिक या यहां तक ​​​​कि वास्तविक समय में हेडकाउंट दृश्यता की आवश्यकता हो सकती है।

मैं डेटा गोपनीयता नियमों (जीडीपीआर, सीसीपीए) का अनुपालन कैसे सुनिश्चित करूं?

डेटा न्यूनतमकरण लागू करें --- केवल विश्लेषण के लिए आवश्यक डेटा फ़ील्ड शामिल करें। आरएलएस को सख्ती से लागू करें ताकि केवल अधिकृत कर्मचारी ही संवेदनशील डेटा तक पहुंच सकें। व्यक्तिगत पहचान को रोकने के लिए छोटे समूहों को एकत्रित करें। अपने डेटा प्रोसेसिंग उद्देश्यों और कानूनी आधार का दस्तावेज़ीकरण करें। डैशबोर्ड तक कौन और कब पहुंचता है, यह ट्रैक करने के लिए Power BI सेवा में ऑडिट लॉगिंग सक्षम करें। जीडीपीआर के अधीन संगठनों के लिए, सुनिश्चित करें कि कर्मचारी की सहमति में विश्लेषणात्मक उपयोग शामिल है या प्रसंस्करण उचित सुरक्षा उपायों के साथ वैध हित के अंतर्गत आता है।

---

व्यावसायिक मानव संसाधन विश्लेषिकी विकास

कार्यबल विश्लेषण एचआर को एक लागत केंद्र से एक रणनीतिक कार्य में बदल देता है। लेकिन एक ऐसा डैशबोर्ड बनाने के लिए जिस पर संवेदनशील कार्यबल निर्णयों में एचआर नेताओं को भरोसा हो, इसके लिए पावर बीआई और मानव पूंजी मेट्रिक्स दोनों में विशेषज्ञता की आवश्यकता होती है।

ECOSIRE की पावर बीआई सेवाओं में HR और लोगों के विश्लेषण के लिए डैशबोर्ड विकास, जटिल HRIS एकीकरण के लिए डेटा मॉडलिंग, और अपनी पहली लोगों के विश्लेषण क्षमता का निर्माण करने वाले संगठनों के लिए कार्यान्वयन सेवाएं शामिल हैं।

---

पीपल एनालिटिक्स मानवीय निर्णय को एल्गोरिदम से बदलने के बारे में नहीं है। यह एचआर नेताओं को तेजी से बेहतर निर्णय लेने के लिए साक्ष्य आधार देने के बारे में है। जब त्याग पत्र आने से पहले नौकरी छोड़ने का जोखिम दिखाई देता है, जब वेतन इक्विटी अंतराल को मुकदमा बनने से पहले निर्धारित किया जाता है, और जब सगाई के रुझान को सांस्कृतिक संकट बनने से पहले ट्रैक किया जाता है, तो एचआर फ़ंक्शन प्रतिक्रियाशील से रणनीतिक की ओर बढ़ जाता है। वह बदलाव सही डैशबोर्ड से शुरू होता है।