آموزش تجزیه و تحلیل منابع انسانی با استفاده از MS Excel برای مدیریت منابع انسانی

HR Analytics using MS Excel for Human Resource Management

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: استفاده از اکسل برای تجزیه و تحلیل منابع انسانی، محاسبه معیارهای منابع انسانی، ساخت داشبورد منابع انسانی و مدل‌های ML برای تجزیه و تحلیل منابع انسانی و افراد از MS Excel برای ایجاد و خودکارسازی محاسبه معیارهای منابع انسانی استفاده کنید داشبوردهای منابع انسانی را بسازید و تمام نمودارهایی را که می‌توانید در اکسل ترسیم کنید را درک کنید. در ابزارهای داده اکسل مانند مرتب‌سازی، فیلتر کردن، اعتبارسنجی داده‌ها و وارد کردن داده‌ها از گزینه‌های فیلتر کردن و مرتب‌سازی جداول محوری در Excel برای خلاصه کردن و استخراج اطلاعات از داده‌های منابع انسانی استفاده کنید. مشکلات منابع انسانی آگاهی از تمام فرمول های ضروری اکسل مورد نیاز برای HR Analytics محبوب ترین توابع جستجوی Master Excel مانند Vlookup، Hlookup، Index و Match پیش نیازها: شما به یک کامپیوتر با هر نسخه ای از Excel نصب شده در آن نیاز دارید.

[به‌روزرسانی نوامبر 2022]

  • یک مطالعه موردی جدید مرتبط با شاخص های کلیدی عملکرد منابع انسانی

    اضافه شد
  • ویدیوی جدیدی در مورد نحوه وارد کردن داده‌های مرتبط با منابع انسانی از گزارش‌های قالب PDF به Excel برای تجزیه و تحلیل اضافه شد

  • ویدیوی جدیدی درباره نحوه دریافت جداول داده از وب‌سایت‌ها به اکسل اضافه شد

شما به دنبال یک دوره آموزشی کامل برای درک تجزیه و تحلیل منابع انسانی با استفاده از Excel برای هدایت تصمیمات تجاری هستید، درست است؟

شما تجزیه و تحلیل منابع انسانی مناسب را با استفاده از دوره MS Excel پیدا کرده اید! تجزیه و تحلیل منابع انسانی برای تصمیم گیری در مورد منابع انسانی یک شرکت پشتیبانی علمی می کند. این دوره در مورد تجزیه و تحلیل منابع انسانی به موضوع تجزیه و تحلیل منابع انسانی با تمرکز عملی می پردازد، به ویژه بر روی ابهام زدایی از تجزیه و تحلیل برای مدیران منابع انسانی، از نظر آماری و محاسباتی.

پس از تکمیل این دوره، شما قادر خواهید بود:

  • از MS Excel برای ایجاد و خودکارسازی محاسبه معیارهای منابع انسانی و ابداع تکنیک های تجزیه و تحلیل منابع انسانی در محل کار خود استفاده کنید

  • داشبوردهای منابع انسانی را مطابق با استانداردهای تجزیه و تحلیل منابع انسانی بسازید و تمام نمودارهایی را که می توانید در اکسل ترسیم کنید درک کنید

  • اجرای مدل‌های پیش‌بینی‌کننده ML مانند رگرسیون خطی ساده و چندگانه برای پیش‌بینی نتایج مشکلات منابع انسانی در دنیای واقعی با استفاده از تکنیک‌های تحلیل منابع انسانی

  • از ابزارهای تجزیه و تحلیل منابع انسانی مانند فیلتر کردن و مرتب‌سازی گزینه‌های جداول محوری در اکسل برای خلاصه کردن و استخراج اطلاعات از داده‌های منابع انسانی موجود استفاده کنید

  • خلاصه داده ها و داشبوردهای جذاب ایجاد کنید تا داستان منابع انسانی را به موثرترین روش ارائه دهید

این دوره چگونه به شما کمک خواهد کرد؟

گواهی تکمیل قابل تأیید به همه دانش‌آموزانی ارائه می‌شود که این دوره تحلیل منابع انسانی: مدل‌های استراتژی در اکسل را انجام می‌دهند.

اگر مدیر منابع انسانی یا مدیر اجرایی هستید، یا دانشجویی هستید که می‌خواهید تکنیک‌های تجزیه و تحلیل منابع انسانی را یاد بگیرید و در مسائل واقعی کارکرد کسب‌وکار منابع انسانی به کار ببرید، این دوره با آموزش به شما پایه محکمی برای این کار در اختیار شما قرار می‌دهد. محبوب ترین مدل های تجزیه و تحلیل منابع انسانی و نحوه پیاده سازی تجزیه و تحلیل منابع انسانی در MS Excel.

چرا باید این دوره را انتخاب کنید؟

ما به آموزش با مثال اعتقاد داریم. این دوره نیز از این قاعده مستثنی نیست. تمرکز اصلی هر بخش این است که مفاهیم را از طریق مثال هایی به شما آموزش دهد. هر بخش دارای اجزای زیر است:

  • مفاهیم نظری و موارد استفاده از مدل‌های مختلف تحلیل منابع انسانی

  • دستورالعمل های گام به گام در مورد پیاده سازی مدل های تجزیه و تحلیل منابع انسانی در اکسل

  • فایل های اکسل قابل دانلود حاوی داده ها و راه حل های مورد استفاده در هر سخنرانی در مورد تجزیه و تحلیل منابع انسانی و مدیریت منابع انسانی

  • یادداشت ها و تکالیف کلاس برای تجدید نظر و تمرین مفاهیم مربوط به تجزیه و تحلیل منابع انسانی و مدیریت منابع انسانی

کلاس‌های عملی که در آن مدل هر یک از این استراتژی‌ها را ایجاد می‌کنیم، چیزی است که این دوره را از هر دوره دیگری که به صورت آنلاین موجود است متمایز می‌کند.

چه چیزی ما را واجد شرایط آموزش به شما می کند؟

این دوره توسط Abhishek (MBA - FMS Delhi, B. Tech - IIT Roorkee) و Pukhraj (MBA - IIM Ahmedabad, B. Tech - IIT Roorkee) تدریس می شود. ما به عنوان مدیران در شرکت مشاوره آنالیتیکس جهانی، به کسب‌وکارها کمک کرده‌ایم تا مشکل تجاری خود را با استفاده از Analytics حل کنند و از تجربیات خود برای گنجاندن جنبه‌های عملی تجزیه و تحلیل منابع انسانی در این دوره استفاده کرده‌ایم.

ما همچنین خالق برخی از محبوب ترین دوره های آنلاین هستیم - با بیش از 600000 ثبت نام و هزاران بررسی 5 ستاره مانند این:

این خیلی خوب است، من عاشق این واقعیت هستم که تمام توضیحات ارائه شده توسط یک فرد غیر روحانی قابل درک است - جاشوا

با تشکر از نویسنده برای این دوره فوق العاده. شما بهترین هستید و این دوره به هر قیمتی ارزش دارد. - دیزی

قول ما

آموزش دانش آموزان وظیفه ماست و به آن متعهد هستیم. اگر در مورد محتوای دوره، ابزارهای تجزیه و تحلیل منابع انسانی، مدیریت منابع انسانی، برگه تمرین یا هر موضوعی مرتبط با هر موضوعی سؤالی دارید، همیشه می توانید سؤالی را در دوره ارسال کنید یا برای ما پیام مستقیم ارسال کنید.

فایل‌های تمرین را دانلود کنید، آزمون‌ها را امتحان کنید و تکالیف را تکمیل کنید

با هر سخنرانی، یادداشت‌های کلاسی ضمیمه شده است که می‌توانید آنها را دنبال کنید. همچنین می توانید برای بررسی درک خود از مفاهیم مربوط به تجزیه و تحلیل منابع انسانی و مدیریت منابع انسانی در آزمون ها شرکت کنید. هر بخش شامل یک تکلیف تمرینی برای شما است تا به طور عملی یادگیری خود را در تجزیه و تحلیل منابع انسانی و مدیریت منابع انسانی پیاده سازی کنید.

چه مواردی در این دوره پوشش داده می شود؟

تحلیل داده ها محور اصلی تجزیه و تحلیل نیست. این تفسیر است که به ارائه بینش پس از استفاده از تکنیک های تحلیلی کمک می کند که تجزیه و تحلیل را به چنین رشته مهمی تبدیل می کند. ما از محبوب ترین ابزار نرم افزار تجزیه و تحلیل که MS Excel است استفاده کرده ایم. این به دانش‌آموزانی که هیچ پیش‌زمینه کدنویسی قبلی ندارند، کمک می‌کند تا مفاهیم تحلیل منابع انسانی را یاد بگیرند و پیاده‌سازی کنند تا در واقع مشکلات منابع انسانی را در دنیای واقعی حل کنند.

اجازه دهید یک مرور مختصر از دوره به شما ارائه دهم

  • قسمت 1 - مقدمه

    در این بخش، با ساختار دوره و معنای برخی از اصطلاحات کلیدی مرتبط با HR Analytics آشنا خواهیم شد.

  • قسمت 2 - فرمول های ضروری MS Excel و استفاده از آنها برای محاسبه معیارهای HR

    در این قسمت با آموزش تمامی فرمول های محبوب MS Excel شروع می کنیم. سپس شاهد اجرای این موارد برای محاسبه و خودکارسازی معیارهای HR خواهیم بود. این بخش مهمی از تجزیه و تحلیل منابع انسانی مجموعه داده منابع انسانی است. ما همچنین یک مطالعه موردی جداگانه را مورد بحث قرار می دهیم که در آن از Excel برای محاسبه میانگین هزینه استخدام خارجی و داخلی استفاده می کنیم.

  • قسمت 3 - تجسم در Excel و داشبورد منابع انسانی

    در این قسمت، با آموزش تمام نمودارها و نمودارهای محبوب قابل ترسیم در MS Excel شروع می کنیم. سپس شاهد اجرای این موارد برای ایجاد تجزیه و تحلیل منابع انسانی از داده های منابع انسانی موجود خواهیم بود. ما همچنین یک مطالعه موردی جداگانه را مورد بحث قرار می‌دهیم که در آن از Excel برای ایجاد توزیع جمعیت‌شناختی منابع انسانی در بخش استفاده می‌کنیم.

  • قسمت 4 - خلاصه سازی داده ها با استفاده از جداول محوری

    در این قسمت با چندین موضوع پیشرفته در MS Excel مانند جداول Pivot، توابع غیر مستقیم و همچنین قالب بندی داده ها آشنا می شویم. سپس شاهد اجرای این موارد برای ایجاد خلاصه های زیبا از تجزیه و تحلیل منابع انسانی از داده های منابع انسانی موجود خواهیم بود. ما همچنین یک مطالعه موردی جداگانه را مورد بحث قرار می‌دهیم که در آن از اکسل برای ایجاد داشبورد جمعیتی پویا و قالب‌بندی آن برای ارائه آن استفاده می‌کنیم.

  • قسمت 5 - مبانی یادگیری ماشین و آمار

    در این قسمت دانش آموزان را با مبانی آمار و ML آشنا می کنیم. این بخش برای دانش‌آموزانی است که درک پیش‌زمینه‌ای از مفاهیم ML و آمار ندارند.

  • قسمت 6 - پیش پردازش داده ها برای مدل های ML

    در این بخش، خواهید آموخت که چه اقداماتی را باید گام به گام انجام دهید تا داده ها را بدست آورید و سپس آن را برای تجزیه و تحلیل آماده کنید، این مراحل بسیار مهم هستند. ما با درک اهمیت دانش تجاری شروع می کنیم سپس خواهیم دید که چگونه کاوش داده ها را انجام دهیم. ما یاد می گیریم که چگونه تجزیه و تحلیل تک متغیره و تجزیه و تحلیل دو متغیره انجام دهیم، سپس موضوعاتی مانند درمان پرت، انتساب مقدار گمشده، تبدیل متغیر و همبستگی را پوشش می دهیم.

  • قسمت 7 - مدل رگرسیون خطی برای پیش‌بینی معیارها

    این بخش با یک رگرسیون خطی ساده شروع می شود و سپس رگرسیون خطی چندگانه را پوشش می دهد.

ما تئوری پایه هر مفهوم را بدون اینکه بیش از حد ریاضی در مورد آن انجام دهیم پوشش داده ایم تا متوجه شوید که این مفهوم از کجا می آید و چقدر اهمیت دارد. اما حتی اگر آن را درک نکنید، تا زمانی که یاد بگیرید چگونه اجرا کنید و نتیجه را همانطور که در سخنرانی های عملی آموزش داده شده است، تفسیر کنید، مشکلی نیست.

ما همچنین در مورد یک مطالعه موردی HR بحث می‌کنیم که در آن سعی می‌کنیم CTC را برای ارائه به استخدام‌کنندگان جدید بر اساس تجربه قبلی، CTC گذشته، موقعیت شغلی و صلاحیت‌شان پیش‌بینی کنیم.

من کاملاً مطمئن هستم که این دوره به شما دانش و مهارت های لازم مربوط به تجزیه و تحلیل منابع انسانی و مدیریت منابع انسانی را می دهد تا فوراً مزایای عملی را در محل کار خود مشاهده کنید.

ادامه دهید و روی دکمه ثبت نام کلیک کنید، و من شما را در درس 1 این دوره تجزیه و تحلیل منابع انسانی می بینم!

به سلامتی

Start-Tech Academy


سرفصل ها و درس ها

تجزیه و تحلیل منابع انسانی - مقدمه HR Analytics -Introduction

  • معرفی Introduction

  • تجزیه و تحلیل داده ها Data Analytics

  • منابع دوره Course Resources

  • این یک نقطه عطف است! This is a milestone!

  • تجزیه و تحلیل منابع انسانی چیست؟ What is HR analytics

  • 4 مرحله تجزیه و تحلیل منابع انسانی 4 steps of HR analytics

  • معیارهای منابع انسانی - مقدمه HR metrics - Introduction

فرمول های ضروری Essential Formulas

  • عملیات فرمول پایه Basic Formula Operations

  • توابع ریاضی - قسمت 1 Mathematical Functions - part 1

  • توابع ریاضی - قسمت 2 Mathematical Functions - part 2

  • تفاوت بین RANK، RANK.AVG و RANK.EQ Difference between RANK, RANK.AVG and RANK.EQ

  • توابع متنی Textual Functions

  • توابع منطقی Logical Functions

  • توابع تاریخ و زمان Date-Time Functions

  • توابع جستجو (V Lookup، Hlookup، Index-Match) Lookup Functions ( V Lookup, Hlookup, Index-Match )

  • ابزارهای داده Data Tools

انواع معیارهای HR Types of HR Metrics

  • معیارهای پرسنل Staffing Metrics

  • معیارهای آموزش و توسعه Training and Development Metrics

  • معیارهای عملکرد Performance Metrics

  • سایر معیارها Other Metrics

معیارهای منابع انسانی - مطالعه موردی HR Metrics - Case Study

  • بیانیه داده و مشکل Data and Problem statement

  • راه حل Solution

نمودارها و داشبوردهای منابع انسانی - مقدمه HR Charts and Dashboards - Introduction

  • نمودار منابع انسانی - مقدمه HR Charts - Introduction

نمودارهای اکسل Excel Charts

  • نمودارهای اکسل - دسته بندی پیام هایی که می توانند منتقل شوند Excel Charts - Categories of messages that can be conveyed

  • عناصر نمودار Elements of charts

  • راه آسان برای ایجاد نمودار The Easy way of creating charts

  • نمودارهای میله ای و ستونی Bar and column charts

  • قالب بندی نمودارها Formating charts

  • نمودارهای خطی Line Charts

  • نمودارهای منطقه Area Charts

  • نمودار پای و دونات Pie and Doughnut Charts

  • چرا باید از نمودارهای دایره ای اجتناب کنیم؟ Why we should avoid Pie charts

  • نمودار پراکندگی یا XY Scatter plot or XY chart

  • توزیع فرکانس و هیستوگرام Frequency Distribution and Histograms

  • خطوط جرقه Sparklines

  • امتحان Quiz

جدید! نمودار نقشه - فقط برای Excel 2019 و بالاتر NEW! Maps Chart - only for Excel 2019 and above

  • نمودار نقشه ها Maps chart

مطالعه موردی 2 - داشبورد منابع انسانی Case Study 2 - HR Dashboard

  • داشبورد Hr - مقدمه Hr Dashboard - Introduction

  • داشبورد Hr - توزیع سنی Hr Dashboard - Age Distribution

  • داشبورد Hr - منبع استخدام Hr Dashboard - Hiring source

  • داشبورد Hr - توزیع جنسیتی Hr Dashboard - Gender distribution

  • داشبورد Hr - توزیع بخش Hr Dashboard - Department distribution

جداول محوری، قالب بندی داده ها و جداول Pivot Tables, Formatting data and tables

  • جداول محوری Pivot Tables

  • نمودارهای محوری Pivot Charts

  • قالب بندی داده ها و جداول Formatting data and tables

  • محدوده های نامگذاری شده Named Ranges

  • تابع غیر مستقیم Indirect Function

  • میانبرها Shortcuts

مطالعه موردی 3 - داشبورد منابع انسانی Case Study 3 - HR Dashboard

  • داشبورد منابع انسانی - نمودار محوری HR Dashboard - Pivot chart

  • داشبورد منابع انسانی - قالب بندی HR Dashboard - Formatting

مطالعه موردی 4 - استفاده از KPIهای مناسب Case Study 4 - Using the right KPI's

  • بیان مسأله Problem Statement

  • راه حل Solution

  • راه حل Solution

  • تحلیل و بررسی Analysis

تجزیه و تحلیل پیش بینی کننده - مقدمه Predictive Analytics - Introduction

  • رگرسیون خطی - مقدمه Linear Regression - Introduction

مبانی آمار Basics of Statistics

  • انواع داده ها Types of Data

  • انواع آمار Types of Statistics

  • توصیف گرافیکی داده ها Describing data Graphically

  • اقدامات مراکز Measures of Centers

  • اقدامات پراکندگی Measures of Dispersion

یادگیری ماشینی - مقدمه Machine Learning -Introduction

  • مقدمه ای بر یادگیری ماشینی Introduction to Machine Learning

  • ساخت یک مدل یادگیری ماشینی Building a Machine Learning Model

آماده سازی داده ها برای مدل رگرسیون Getting Data Ready for Regression Model

  • جمع آوری دانش کسب و کار Gathering Business Knowledge

  • کاوش داده ها Data Exploration

  • داده ها و دیکشنری داده ها The Data and the Data Dictionary

  • تجزیه و تحلیل تک متغیره و EDD Univariate analysis and EDD

  • تجزیه و تحلیل داده های توصیفی در اکسل Descriptive Data Analytics in Excel

  • درمان پرت Outlier Treatment

  • شناسایی و درمان نقاط پرت در اکسل Identifying and Treating Outliers in Excel

  • مقدار گمشده Missing Value Imputation

  • شناسایی و درمان مقادیر از دست رفته در اکسل Identifying and Treating missing values in Excel

  • تبدیل متغیر در اکسل Variable Transformation in Excel

  • ایجاد متغیر ساختگی: مدیریت داده های کیفی Dummy variable creation: Handling qualitative data

  • ایجاد متغیر ساختگی در اکسل Dummy Variable Creation in Excel

  • تجزیه و تحلیل همبستگی Correlation Analysis

  • ایجاد ماتریس همبستگی در اکسل Creating Correlation Matrix in Excel

ایجاد مدل رگرسیون Creating Regression Model

  • بیانیه مشکل The Problem Statement

  • روش معادلات پایه و حداقل مربعات معمولی (OLS). Basic Equations and Ordinary Least Squares (OLS) method

  • ارزیابی دقت ضرایب پیش بینی شده Assessing accuracy of predicted coefficients

  • ارزیابی دقت مدل: RSE و R مجذور Assessing Model Accuracy: RSE and R squared

  • ایجاد مدل رگرسیون خطی ساده Creating Simple Linear Regression model

  • رگرسیون خطی چندگانه Multiple Linear Regression

  • F - آمار The F - statistic

  • تفسیر نتایج متغیرهای طبقه بندی Interpreting results of Categorical variables

  • ایجاد مدل رگرسیون خطی چندگانه Creating Multiple Linear Regression model

مطالعه موردی 5 - رگرسیون خطی Case Study 5 - Linear Regression

  • مطالعه موردی رگرسیون خطی - مقدمه Case Study Linear Regression - Introduction

  • مطالعه موردی رگرسیون خطی - داده ها Case study Linear Regression - Data

  • مطالعه موردی رگرسیون خطی - پیش پردازش Case study Linear Regression - Preprocessing

  • مطالعه موردی رگرسیون خطی - نتایج Case study Linear Regression - Results

  • مطالعه موردی رگرسیون خطی - پیش بینی Case study Linear Regression - Prediction

جدید! وارد کردن داده ها از منابع خارجی NEW! Importing data from external sources

  • وارد کردن جداول از PDF - Excel 2021 و office 365 Importing tables from PDF - Excel 2021 and office 365

  • وارد کردن داده ها از وب سایت ها - Excel 2019 و office 365 Importing data from websites - Excel 2019 and office 365

بخش پاداش Bonus Section

  • محاسبه مالیات بر درآمد - مالیات بر پایه اسلب Income Tax calculation - Slabs based tax

  • نقطه عطف نهایی! The final milestone!

  • سخنرانی پاداش Bonus Lecture

نمایش نظرات

آموزش تجزیه و تحلیل منابع انسانی با استفاده از MS Excel برای مدیریت منابع انسانی
جزییات دوره
11 hours
93
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
104,120
- از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Start-Tech Academy Start-Tech Academy

بیش از 1،700،000+ ثبت نام | 4+ رتبه بندی شده | 160+ CountriesStart-Tech Academy یک شرکت آموزش تجزیه و تحلیل مبتنی بر فناوری است و هدف آن گردآوری شرکتهای تحلیلی و فراگیران علاقه مند است. محتوای آموزشی با کیفیت بالا به همراه کارآموزی و فرصت های پروژه به دانشجویان در شروع سفر Analytics خود کمک می کند. بنیانگذار Abhishek Bansal و Pukhraj Parikh است. Pukhraj که به عنوان مدیر پروژه در یک شرکت مشاوره آنالیز کار می کند ، چندین سال تجربه کار بر روی ابزارها و نرم افزارهای تجزیه و تحلیل را دارد. او در مجموعه های اداری MS ، رایانش ابری ، SQL ، Tableau ، SAS ، Google analytics و Python مهارت دارد. Abhishek قبل از اینکه به فن آوری های یادگیری و آموزش مانند یادگیری ماشین و هوش مصنوعی بپردازد ، به عنوان یک مالک فرآیند اکتساب در یک شرکت مخابراتی پیشرو کار می کرد.