在谈零售必谈人效的时代，数据决策成为数字化招聘管理的刚需，对于一家持续发展的公司，数据支撑成为未来企业决策不可或缺的部分。
1、首先要有数据不幸的是，数据断层问题在连锁企业中非常普遍。很多总部HR完全不知道门店现有多少岗位空缺、有多少候选人投递、正在面试多少人……连基础数据都没有，谈何分析？2、数据之间的关联性
HR对招聘渠道的效果都非常关注，如果渠道能带来很多候选人，但是最后入职的候选人并不多，未来该如何制定渠道投放策略？人力资源部门对员工的满意度和离职率这些数字非常敏感，但是满意度高的员工业绩很低怎么办？所以，关注个别、独立的数据都是远远不够的。
3、数据要全面
很多HR都是用excle手动统计数据，甚至公司会做统一表头的表格，但是一旦表头中没有的字段，事后要进行分析，就无从获取数据。HR只知道门店一周面试20个候选人，最后入职一个人，被淘汰的人是因为没参加面试，还是面试体验不好拒绝入职，还是其他的原因，如果缺少淘汰原因统计，就无法有针对性的提出解决方案。
因此，数据的收集必须全面。
4、数据要准确
准确性是数据分析的基础，它的重要性不言而喻。错误的数据不可能指导得出正确的业务决策，如果能那一定是运气。
数据的准确性也体现在对数据指标的认知统一，假如有些HR认为人效=销售额/全员数量，而其他HR认为人效=销售额/销售人员数量，这两个数据得出结论可能完全不同。
可以说数据的关联性、全面性和准确性是实现闭环式数据分析的基础，然而在大数据时代，想要通过人工实现数据分析的基础几乎没有可能。好在大家可以站在数字化系统这个巨人的肩膀上，用更便捷的方式实现对业务更科学的分析。这里以Moka招聘管理系统举例，解释数字化系统对人力资源数据分析的益处。Moka可为连锁零售企业聚合全量招聘数据，并提供实时的数据统计，得出辅助业务决策的数据洞见。
通过“制度流程化、流程表单化、表单信息化”的方式，Moka打通全链路招聘流程数据，从源头帮助企业收集全量的招聘数据。职位数据、简历数据、招聘过程数据、评价结果、操作数据等等，都可以通过数字化系统集中收集，并且做到数据留痕可追溯。系统统一收集数据也打破了不同人对指标定义不一致的问题，数据更准确。
为了提升数据统计的便捷性，Moka默认配置了一些不同职级的HR们常用的数据报表模版，可以满足HR日常的数据统计需求。招聘运营：过程管理数据（招聘漏斗、渠道、猎头、内推、人才库等渠道质量）；用人经理效率（筛选时间、反馈时间）；响应率（职位的发布时间、周期、完成时间）招聘负责人：完成率（HC完成率、offer数据、入职数据），招聘质量（招聘漏斗、候选人满意度、用人经理效率）
HRD：招聘质量、HC完成率、360度人才分析
数据的直观呈现有助于HR和管理者进行对比分析，了解招聘现状。实时数据，一次配置，无需手动，长期可看。Moka还能将多维度的数据分析形成可视化面板，HR和管理者都可非常直观地预览个人或者团队的工作进展。除此以外，数字化系统还能提供更加实时的数据，甚至是过往未曾想到的数据，在需要的时候也能够提取的到，这是人力无论如何都做不到的。
数据的统计分析最终都是为了业务提升。细节方面，通过招聘渠道质量分析，HR可以关闭转化率差的渠道，加大对高质量渠道的投入，以提升招聘渠道的ROI。人才储备上，当连锁门店处于快速扩张期，根据现有的招聘完成度、周期等数据，及时地补充人才。战略上，连锁企业可根据不同门店的人效表现，反观人才库中的人才画像，不断优化用人模型。科学的数据分析和决策还应具备前瞻性。Moka帮助HR通过数据监控，预防风险，制定更有前瞻性的人才管理策略。
如果基础的数据统计和可视化分析已经由数字化系统完成了，那么HR还需要懂数据分析吗？需要具备的数字分析能力到底指什么呢？数据分析中最重要的是“获得商业见解”，在数据分析的闭环中，提出假设是最需要人发挥创意的地方，也是HR最彰显HR数据分析价值的地方。见解可以分为两种。信息类见解——让你更好地理解候选人；行动类见解——帮助你作出明智的决策，指导企业采取实际行动。数字化工具本身并不能提供什么见解，要获得见解，HR们必须了解公司的业务、产品、候选人、人才策略、渠道特点等等。见解的产生终究要靠人，而非机器。
如何提出假设，不妨试试多问几个“所以呢”。
“从招聘微信公众号申请的候选人，入职转化率比渠道都高了。”
“所以呢？”
“未来可以增加对微信公众号的曝光，获取更多的候选人。”
“所以呢？”
“可以尝试一段时间，如果运营招聘公众号的成本比渠道低，就可以持续进行。”
“所以呢？”
“或许可以用更低的成本达成招聘目标。”
……
其实，数据就只是数据而已，把公司业务和利润推向新高的是那背后的人力，是人力从数据中获取独到见解，为商业行动提供建议，并进行评估。
