上周，人事小姑娘丢了一个超级宽的全公司人员信息登记表（如下图展示的一部分），请我帮她分析普通员工和经理级员工各自的性别、年龄段、学历工作年限等信息，尤其要看离职人员和在职人员在各个维度的对比情况。她还提了一个要求：万一提交给老板时，老板提出了新的需求，她要能即时按照老板要求绘制出新的图表来。
虽然我憎恨这类超级宽的表格，但她提的需求实在太简单，直接用PowerBI在半小时内就搞定了。
首先分析原始数据表和最终想要的结果之间的匹配度
性别和部门字段是现成的。
年龄可以用出生日期获取。获取了年龄后，可以划分年龄段。就按照最常规的25岁以下，25-30岁，30-40岁（不含30岁），40岁以上（不含40岁）。
在职离职状态可以通过判断“离职时间”是否为空来判定。
工作年限的计算，依据某员工是属于离职人员还是在职人员，有不同的计算方式：对于在职人员，用当前日期减去入职日期可获得；离职人员的工作年限，用其离职时间减去入职时间可得。
在PowerBI中建立数据模型
由于不同的人员字段会导致最终的数据模型有差异，且这个人员数据模型相对简单，因此我不给出具体过程。如果您在使用PowerBI的过程中，有任何疑问，请私信或在评论中留言。
最终结果截图
从这两张图，人事小姑娘就可以得出一些关于公司人力资源状况的结论：
公司在2017年和2018年人员规模急剧扩张，招聘的人员翻了几倍。然而，招聘规模扩大的同时，离职人数也创了新高，离职人员和留下来的人员比例越来越高。这需要分析，是什么原因导致了高离职率。
从学历来看，学历越高，离职比例越高。这意味着公司对高学历人才的吸引力不足，需要改进。
从工作年限来看，入职一个月就离职的人数最多，这意味着公司在招聘录用的时候比较草率，导致录用进来的员工大多工作不到一个月就离职了。但也应看到，老员工对公司的忠诚度很高，其表现就是工作满一年的员工离职率较低。
从年龄来看，25岁以下刚毕业的年轻人离职率最高，30-40岁的员工离职率较低，这是因为这部分员工占据了公司中高层职位，收入和职业发展都较好，因此忠诚度高。对新入职的年轻人，公司应协助其建立明确的职业生涯规划，使其能在公司看到自己的发展前途，从而选择留下来。
从性别来看，女员工对公司的忠诚度比男员工稍高。整体而言，公司是狼多肉少，男员工与女员工人数比接近2：1。
从经理人员情况来看，最近两年入职的员工，没有被提拔成经理的。所有经理人员都是工作至少12个月。学历越高，经理人员数越多，而且25-30岁的经理人数最多。从性别来看，女性经理和男性经理数量几乎持平，这表明女性员工成为经理的可能性更高。在这一点上，表明公司的用人政策未出现歧视女性的情况出现，点赞。
灵活性
当然，这只是一个基础得不能再基础的人力资源盘点模板，人事小姑娘完全可以在现有数据模型上进行更复杂更专业的人力资源分析，即使老板提出了别的需求，她也可以立即进行响应，比如计算整体的离职率、各年龄段的离职率、各部门的离职率等，都是非常简单的事情：创建一个离职率字段，将其拖到对应的数据图中即可。
甚至可以统计2018年各月的入职、离职情况，要做的也不过是拖拉几个现有字段到新的图表中而已。
结语
PowerBI强在对各种数据源进行连接、清洗和规范数据、建立数据模型后，多维度地对数据进行分析和展示。
如果结合PowerBI的在线服务，即使最终用户没有安装PowerBI，他们也可以在PC端和手机端轻松地浏览数据。
而且，更妙的是，通过简单的点选，最终用户就能即时地对数据进行筛选。结合切片筛选器，就更强大——使用者完全可以根据自己感兴趣的角度对数据进行多维度的筛选和展示。最终，我们将PowerBI变成了一个强大的自助式商业BI工具。
从现在开始，如果一个Excel高手，不能熟练使用PowerBI，那就意味着你已经跟不上时代发展了。当你还在用刀耕火种的方式来处理数据时，掌握PowerBI的人已经可以轻松用《三体》中的二向簿对你实行降维打击。
你害怕了吗？