在PowerBI中进行员工司龄分析

员工司龄分析是企业人力资源管理中的重要环节,它不仅能帮助企业了解员工队伍的稳定性,还能为人才保留、薪酬福利设计等决策提供数据支持。本篇文章将介绍如何在PowerBI中实现员工司龄分析。

问题描述

为更好了解企业人员流动情况,现在需要进行员工司龄分析,请自行建模计算各年底时对应的司龄人数。

统计范围:年底时仍在职的员工,以及在本年离职的员工。

注意事项:

1、离职年份在以前的不用统计。

2、本年离职的员工中,统计时使用离职日期代替年底日期。

3、要到次年同一天才算满一年,比如2016/3/14入职,那么在2017/3/14时,司龄才为1。

具体问题如下图所示:

本案例的初始数据如下:

人员表:

ID姓名入职部门入职日期离职日期
1003姓名3部门32015年2月10日2018年3月1日
1004姓名4部门42015年12月11日2018年12月10日
1005姓名5部门12016年10月12日
1006姓名6部门22016年12月13日
1007姓名7部门32016年1月1日
1008姓名8部门42016年2月15日2017年1月18日
1009姓名9部门12017年3月16日2018年9月18日
1010姓名10部门22017年5月31日2018年10月1日
1011姓名11部门32017年7月18日
1012姓名12部门42017年8月19日2017年9月18日
1013姓名13部门12018年2月20日
1014姓名14部门22018年3月21日

司龄划分表:

序号司龄起始结束
11年以下00.99999999
21年 ~ 3年12.99999999
33年以上3999999999

若需其它辅助表等,可自行创建并建模。

解题要点

1、员工的统计范围的查找逻辑为:对于当前统计的年份而言,其入职日期应在年底或之前,且离职日期为空或离职日期大于等于年初。

2、在统计各司龄区间人数前,需要计算出统计范围内的员工的司龄,而司龄的常见计算方法有以下三种:

  • 数值格式日期的数学相减取整运算法。将起始与结束日期都转换成样式为yyyymmdd的数值,然后进行相减运算,最后除以10000并取整。
  • 司龄关键日期节点列表法。先获取司龄为整数时的关键日期节点列表,然后从中找出最接近的一个关键日期所代表的司龄。
  • 常规判断法。先将结束日期的年份减去起始日期的年份,得到粗略的司龄,然后如果结束月份小于起始月份,或者结束月份等于起始月份但是结束日期小于起始日期,则粗略的司龄需减一。

解决方案

首先创建一个日期表,并与人员表创建一对多关系,数据模型如下图所示:

然后下面是几种不同的实现方法,他们之间的差异主要是司龄的计算方法不同,具体的度量值表达式如下:

1、数值格式日期的数学相减取整运算法:

司龄划分-1 = 
SUMX(
    '司龄划分表',
    VAR Start_ = '司龄划分表'[起始]
    VAR End_ = '司龄划分表'[结束]
    VAR Employee_ = 
        CALCULATETABLE(
            '人员表',
            '日期表'[Date]<=MAX('日期表'[Date]),
            '人员表'[离职日期]=BLANK() || '人员表'[离职日期] >= MIN('日期表'[Date])
        )
    VAR AddCompanyYear = 
        ADDCOLUMNS(
            Employee_,
            "司龄",
                VAR OnCompany_Start = FORMAT('人员表'[入职日期],"yyyymmdd")*1
                VAR OnCompany_End = 
                    FORMAT(
                        MIN(
                            COALESCE('人员表'[离职日期],MAX('日期表'[Date])),
                            MAX('日期表'[Date])
                        ),
                        "yyyymmdd"
                    )*1
                RETURN
                QUOTIENT(OnCompany_End-OnCompany_Start,10000)
        )
    RETURN
    COUNTROWS(FILTER(AddCompanyYear,Start_<=[司龄] && [司龄]<=End_))
)

2、司龄关键日期节点列表法:

司龄划分-2 = 
SUMX(
    '司龄划分表',
    VAR Start_ = '司龄划分表'[起始]
    VAR End_ = '司龄划分表'[结束]
    VAR Employee_ = 
        CALCULATETABLE(
            '人员表',
            '日期表'[Date]<=MAX('日期表'[Date]),
            '人员表'[离职日期]=BLANK() || '人员表'[离职日期] >= MIN('日期表'[Date])
        )
    VAR AddCompanyYear = 
        ADDCOLUMNS(
            Employee_,
            "司龄",
                VAR OnCompany_Start = '人员表'[入职日期]
                VAR OnCompany_End = MIN(COALESCE('人员表'[离职日期],MAX('日期表'[Date])),MAX('日期表'[Date]))
                VAR NodeDateList = ADDCOLUMNS(GENERATESERIES(0,200),"NodeDate",EDATE(OnCompany_Start,12*[Value]))
                RETURN
                MAXX(FILTER(NodeDateList,[NodeDate]<=OnCompany_End),[Value])
        )
    RETURN
    COUNTROWS(FILTER(AddCompanyYear,Start_<=[司龄] && [司龄]<=End_))
)

3、常规判断法:

司龄划分-3 = 
SUMX(
    '司龄划分表',
    VAR Start_ = '司龄划分表'[起始]
    VAR End_ = '司龄划分表'[结束]
    VAR Employee_ = 
        CALCULATETABLE(
            '人员表',
            '日期表'[Date]<=MAX('日期表'[Date]),
            '人员表'[离职日期]=BLANK() || '人员表'[离职日期] >= MIN('日期表'[Date])
        )
    VAR AddCompanyYear = 
        ADDCOLUMNS(
            Employee_,
            "司龄",
                VAR OnCompany_Start = '人员表'[入职日期]
                VAR OnCompany_End = MIN(COALESCE('人员表'[离职日期],MAX('日期表'[Date])),MAX('日期表'[Date]))
                VAR CompanyYear = YEAR(OnCompany_End)-YEAR(OnCompany_Start)
                RETURN
                IF(
                    OR(
                        MONTH(OnCompany_Start)>MONTH(OnCompany_End),
                        AND(
                            MONTH(OnCompany_Start)=MONTH(OnCompany_End),
                            DAY(OnCompany_Start)>DAY(OnCompany_End)
                        )
                    ),
                    CompanyYear-1,
                    CompanyYear
                )
        )
    RETURN
    COUNTROWS(FILTER(AddCompanyYear,Start_<=[司龄] && [司龄]<=End_))
)

最后创建一个矩阵,并将司龄作为行标签,年份作为列标签,再将上面的度量值放入矩阵的值字段即可,结果如下图所示:

总结

以上方法仅供参考,若有更优雅的解决方案,欢迎留言讨论,或者加入我们的技术交流群,一起享受这种思维碰撞的快乐吧!

PBI/DAX技术交流群(QQ):344353627

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

PowerBI | 夕枫

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值