在人员流动数据分析的模块中，我们会对公司内部的人员流动这个指标做数据分析和数据监控。首先我们要明确人员流动率的定义和计算公式。
月度人员流动率 = 月度（入职人数+离职人数）/ 在编人数
很多同学可能会问，那企业内部的 人员调动，晋升，退休等算不算人员流动呢？这些数据不算流动数据，这个属于人员的异动数据，流动一般是指人员内外的数据。
那在人员流动的数据分析上，人员流动率既不是越高越好，也不是越低越好，人员流动率高的话，意味着公司不稳定，低的话意味着太稳定，人员流动比较少，所以现在很多公司都开始做 末位淘汰制，强制进行人员流动。
在人员流动的数据分析上，我们用POWER BI 做人员流动的数据分析，在这个流动的模块上，分析 离职率，流动率，新进率等几个指标，在用切片器在各个部门之间进行交互，但是在用切片器的时候，我们只能看到一个部门的人员流动指标，那能不能在一个界面里考到所有部门的流动率这个指标，然后就可以全局的对标和监测流动率的指标。
在新一版的POWER BI 里出了一个“小型序列图”的功能，这个功能可以选择你要分析的维度，然后全局的来展示这个维度的各个指标数据，比如在“小型序列图”里，我们选择部门，就可以看到各个部门的人员流动率指标数据，如图：
因为以部门为维度，所以各个格子代表各个部门，折线代表每月的流动率数据，这样相对用切片器，我们就能全局的看到公司各个部门的数据，再结合切片器的时间分析维度，能看到每年的各部门的每月的流动数据。
流动的全局分析只是一个案例，“小型序列图”可以应用到人力资源各个模块，各个模块的指标都可以通过序列图来展示，序列图的维度也可以是 时间，层级，岗位等各个维度。
POWER BI的人力资源数据化建模，能快速的提高我们的工作效率，构建更为数字化的人力资源数据体系，帮助HR部门进行快速的数字化转型。
在人员流动数据分析的模块中，我们会对公司内部的人员流动这个指标做数据分析和数据监控。首先我们要明确人员流动率的定义和计算公式。
月度人员流动率 = 月度（入职人数+离职人数）/ 在编人数
很多同学可能会问，那企业内部的 人员调动，晋升，退休等算不算人员流动呢？这些数据不算流动数据，这个属于人员的异动数据，流动一般是指人员内外的数据。
那在人员流动的数据分析上，人员流动率既不是越高越好，也不是越低越好，人员流动率高的话，意味着公司不稳定，低的话意味着太稳定，人员流动比较少，所以现在很多公司都开始做 末位淘汰制，强制进行人员流动。
在人员流动的数据分析上，我们用POWER BI 做人员流动的数据分析，在这个流动的模块上，分析 离职率，流动率，新进率等几个指标，在用切片器在各个部门之间进行交互，但是在用切片器的时候，我们只能看到一个部门的人员流动指标，那能不能在一个界面里考到所有部门的流动率这个指标，然后就可以全局的对标和监测流动率的指标。
在新一版的POWER BI 里出了一个“小型序列图”的功能，这个功能可以选择你要分析的维度，然后全局的来展示这个维度的各个指标数据，比如在“小型序列图”里，我们选择部门，就可以看到各个部门的人员流动率指标数据，如图：
因为以部门为维度，所以各个格子代表各个部门，折线代表每月的流动率数据，这样相对用切片器，我们就能全局的看到公司各个部门的数据，再结合切片器的时间分析维度，能看到每年的各部门的每月的流动数据。
流动的全局分析只是一个案例，“小型序列图”可以应用到人力资源各个模块，各个模块的指标都可以通过序列图来展示，序列图的维度也可以是 时间，层级，岗位等各个维度。
POWER BI的人力资源数据化建模，能快速的提高我们的工作效率，构建更为数字化的人力资源数据体系，帮助HR部门进行快速的数字化转型。
--------------------------------------------------------------------
人力资源AI 线上公开课，期待您的加入！
人力资源数据分析