大数据的风吹了有一段时间了。他最大的贡献就是让所有人意识到沉默的数据会说话。用大数据来分析职场跳槽规律，为求职决策提供必要的支持。数据分析作用的重要性不言而喻，在此不做赘述。

笔者想表达的是以下几点：

1、数据分析不是单独的数据罗列，而是有针对性的联系、分析

数据分析肯定离不开数据的罗列 ，但绝不是把数据罗列出来就完事了。他需要进行相应的数据分析。

如：A公司2015年6月离职人数：19人。

从这个数字中看不出来什么，数据不应该是静态的。要让数据动起来，只要数据动起来，数据就会说话了。

例：

加入柱状图，对数量的对比会更为直观。

也可以以饼状图的形式体现比例关系。

从汇总分析的数据中我们就已经能够看出，1月2月离职率占到上半年度离职的53%，结合经验，年终奖发放完，跳槽季又到了。

5月的离职率为7%较3月4月有上涨，原因是新入职员工磨合不适应离职，从而拉高了离职率。当然，我们还缺一个本地区本行业的离职率，离职率的高低和地区、行业、职业有着莫大的关系。

有数据我们就可以做很多的分析，关于离职有一项分析很重要。离职原因的分析。聪明的员工是不会告诉企业自己的真正离职原因。所以离职面谈得出的数据在存在一定的误差。

只要有离职数据我们就能够得出较为准确的离职原因。

如：从以上图表中可以看出试用期员工的离职数量占离职员工总数的50%左右。显然是A公司的招聘和培训环节出了问题。

所以，我们说。单独罗列数据其实是对数据的一种浪费，我们只要再做一点点，就那么一点点就能得到平时我们看不到的真相。

2、数据分析千变万化，并不是对数据进行各种各样的分析

以招聘为例，不同网站的同一个职位、同一时间内的简历浏览数、投递数、合格简历数、初试通过人数、录用人数……，人均招聘成本、招聘效果分析……。

甚至是同一网站，对几个岗位每周在简历浏览数、投递数方面进行跟踪，就可以得出周几是投递简历的高峰期。

同样，对网站在24小时内的简历浏览数、投递数进行数据分析，就可以得出每天的简历投递高峰期，在高峰期维护自己的招聘网站，招聘效果一定可以得到较大的提升。

以上这些都可以进行分析，单简历就能做出来十几项数据分析。

笔者有一个观点，把有限的资源用在最需要用的地方。东西好归东西好，用不上就是无用之物，就不值得投资一分一毫。一架F22与一辆电动车，笔者肯定选电动车，跑道都没有，我要战斗机干嘛。

针对以上种种，企业在刚开始做的时候，需要明确自己想要得到什么？有针对性的去做数据分析。渐行渐远，也要不忘初心，不忘初衷。

因为，相比无穷尽的问题，企业的资源相当微乎其微。

有太多的人，走着走着就忘了为什么要出发了……

3、“十月怀胎、一朝分娩” 数据分析要有足够的数据储备，要长期坚持

单个时间点或者一小段的数据是静止的，他反映出来的东西极其有限。多个数据分析就要有足够的数据储备，所以数据分析的功夫必须下在平时。

当然，这是一项枯燥的工作，需要的也不仅仅是耐心。当一个个柱状图、饼状图、折线图跃然纸上时，一切的努力都是值得的。

4、常规是用来学习的，也是用来打破的

常规是遵守还是打破，看企业的需要、自己的需要。学习常规是为了会走，打破常规是为了跳。

我们所做的一切都是为了目标的达成。

你听到了吗？沉默的数据会说话。

注：数量的比较一般使用柱状图；比例的比较一般使用饼状图；走势分析一般使用折线图。选择自己需要的，而不是看起来好看的。