让我们面对它;人力资源分析有时看起来像是一门黑暗科学，需要大量的数据知识和大量(很多)算法。
但我所见过的一个显著的分析成功案例是在一家中型公司进行的多元化调查——除了在信封背面处理一些简单的数字外，它几乎没有涉及任何东西。
该研究试图理解的问题是:“根据目前的做法，五年后会有多少女性领导者?””
这种预测建模的基础相当容易掌握。这个(或任何)组织都需要查看各级别的女性雇员比例;它需要每个层次的女性流失数据;最后，还需要深入研究妇女的晋升率，这最后一个因素受到高级人员更替和组织成长的影响。
到目前为止，一切顺利。但是，对所有这些问题的分析实际上应该如何处理呢?如果你是一个分析专家，你可能会想象在电子表格中建立一个模型。如果你是一名数据科学家，你可能倾向于蒙特卡罗模拟(这是一种风险管理技术，通常用于进行风险的定量分析)。
然而，如果你是一个人力资源业务合作伙伴，只有有限的分析技能，但对你试图解决的业务问题有敏锐的理解，那么你可能会在信封的背面做这件事。
信封分析的后面
那么如何在信封背面进行这种建模呢?嗯，你只需用你所拥有的招聘、自然减员和晋升的最佳估计，大致计算出明年每个级别的女性人数。再迭代四次，就有了五年的预测。
当然，由于我们是手工计算，它们不会像任何数学模型那样精确。分析许多不同的场景也不实用。
然而，在组织中，我认为人力资源业务伙伴试图解决一些非常具体的问题。我们的商业问题是这样的:“鉴于我们已经成功地将初级职位的女性招聘比例提高到了50%，我们是否正在朝着让更多女性进入高级领导层的目标迈进?””
继续下面的条
答案是否定的。
答案是否定的原因很简单，因为最高级别的人员流动率较低，员工在组织中升迁需要很长时间。这两件事加在一起，意味着在未来5年里，高层领导中的女性不会增加很多。当然，30年后会有很大的变化。但这还有很长的路要走。
因此，该公司只有一个明确的行动:不要再承诺很快会看到更多女性进入高级领导层。其次，如果它想在未来5年看到任何重大的变化，目前的人力资源实践是不够的。简而言之，企业将需要更积极的平权行动。
从中我们可以学到两个教训。一个是，不会做复杂预测分析的人力资源专家不应该回避数字。即使是手工计算出的估值，并在信封背面计算出来，也可能会给企业带来它所需要的东西。
另一个教训是，如果你确实有能力进行蒙特卡洛分析，你仍然需要问这是否是对你时间的最佳利用——尤其是当企业只需要一个大致的答案时。
我真正想说的是:分析应该由业务问题驱动，而不是由数学工具驱动。对问题的清晰理解是真正的分析成功的驱动力。
