富士康为什么样不容易招人？数据分析有哪些书籍和工具可以推荐

富士康招工难已经不是什么新鲜事了，我近日在富士康东莞专场的招聘上发现，现场应聘者还不足百人。据了解，应聘者并不需要筛选就可以进入招聘现场，直接找到对应岗位的面试官进行面试即可。

“有没有应聘IE的”、“有没有应聘电子电源的”……在①个容纳不到百人的面试室内，面试工作人员寻找应聘者的呼喊声此起彼伏。

“这次应聘的人太少了，过关也很容易。”①个朋友说，她几乎毫不费力就通过了初试和面试。 据深圳人力资源和社会保障局新近统计的数据显示，深圳人力资源市场求人倍率已从②⓪⓪⑨年①月的最低点⓪.⑦⑨回升到了①①月的①.⑦⑥ · 创下②⓪⓪⑨年以来单月求人倍率新高，平均①个求职者可选择近两个岗位。

那么， 人们为什么不愿意到富士康应聘？

答案也很简单，因为富士康劳动强度高，公司效益差，员工待遇低。” 另外，自从富士康员工马向前非正常死亡事件发生以来，这①事件对富士康的公司信誉、产品形象乃至市场接受度、未来发展都产生不良影响，这也是很多人都不愿意到富士康工作的重要原因。

有人说，在深圳有过①段工作经验的人都不会选择去富士康，因为深圳人都知道，宁可在关内当①条狗，也不在关外当①条龙，而富士康那么大的①个工业园，仆在关外就像①个笼子，把①群人关在里面当成机器使用。所以在深圳最大的人才现场招聘市场，富士康天天都有④⑤个以上的招聘摊位，安排⑩几个人资部人员去招人，而去应聘的，也只有应届毕业生，招到的，就是对深圳①无所知的外地人。

还有老板说，不招从富士康出来的员工，因为富士康本身就把人当成机器，所以它也不讲究企业文化，在里浸了②③年的人，①没有带上大企业的文化传统和职业素质，②是对外界①无所知，①踏出富士康工业园，就像①个新生儿①样无知，只知道几项本能。招富士康员工，还不如招①个有优秀成绩的应届毕业生。

富士康是典型的劳动密集型的剥削企业，在它里面工作过的员工，如果是管理人员，就会染上剥削、轻视基层员工的习气，把压制、气指颐指当做是家常便饭，如果是基层员工，虽然在作业标准化上有过规范的培训，作业动作规范，但却是按部就班，只知其①不知其②，如果懂得焊接，就不知道胶接，而且入职要价还特高，以为是大企业来的，有多么了不起。

另外还有①个原因，金融危机后回流珠③角的普工少，特别是女普工更难招。还有内陆地区也在发展，工人在江西也能拿⑨⓪⓪元/月，就

没必要到珠③角。

入门篇

①.入门技术篇：

对于初入门的你，首先需要掌握数据分析的思路、方法和流程，思路是灵魂。然后根据业务疏通这些知识，做出严谨商务的分析报告。

书籍推荐：

a.《谁说菜鸟不会数据分析》

l谁都需要看的经典入门书，涵盖了①到两年的数据分析人员的大部分工作，包括excel技巧、可视化入门、数据分析方法、数据分析方法论、数据处理入门等。

l隔段时间翻①翻，温故而知新，理解会更深刻。

b.《左手数据，右手图表》

这本书主要是excel的进阶技巧，主要围绕业务，学习制作动态图表，对excel技能提升有很大帮助。

书中大篇幅都是案例，会设计可视化的知识，如何选用图表，模仿着做①遍会有很大提升。

工具推荐：Excel/WPS

此阶段主要熟悉常用工具的技能，不只是简单的做表做图，还要会用excel的VLOOKUP函数，IF语句等等

②.入门业务篇：

a.各数据产品论坛&案例（强烈推荐）

个人认为学习和成长最快的方式之①，是去看各个数据软件的帮助文档和产品论坛，因为这些都是写给他们的客户的，所以通俗易懂，又有案例，又有分析思路，从效果来看，实战经验要比书籍好①些。

b.知乎

互联网方面，当初看了知乎专栏《撩撩数据吧》的电商数据分析系列文章，不光涵盖简单的业务，还涉及实体线下的业务管理，收益匪浅。

还有很多数据分析大拿的专栏、回答，还有①些工具的案例。比如互联网行业的神策、growingio，官网的文章写得很系统，很不错。

书籍推荐：

a.《数据分析，企业的贤内助》

类似洗脑式的书籍（无贬义），以场景和案例入手，站在企业角度、业务角度来叙述数据分析的重要性，挺有道理的，能让你更加坚定数据分析这条路。

详细描述了数据分析的整个流程，从方案确定、数据采集、处理、分析、呈现有全面展示。

b.《精益数据分析》

主要讲了不同的公司怎么样用数据搭建分析框架，能够将不同的指标运用到现实，对于道德问题提供解决方案。

工具推荐：数据库（SQL、My sql等等），报表工具、①些OA、CRM业务系统

数据库的知识必不可少，Select相关的语句以及where，group by等函数都要会。每个公司的数据库都不同，可做调整。

数据分析为业务服务，日常工作都会接触各类系统，这些系统会自带数据分析呈现功能，不难学，比如常用的报表FineReport，了解即可，深入学习也可挖到精髓。

高级篇：

当进入高级的时候，这个时候看书已经很之前有了很大的变化：

并不是看单本书，而是学会快速的看书，因为每本书中可能只有几个模型或者几个点对你有借鉴，那么只精读那几处，速读其他部分。

要有自己的理论框架，也就是学会业务建模。

要看业务书，并且能够把业务书的知识，固化成可以量化、可以监控的数据模型，和流程模型；这个是高级别很重要的①点，因为要能够快速的切入①个领域，并且能够用数据找到可以优化的办法。

① · 用户和整体框架

《增长黑客》:创业公司的用户与收入增长秘籍。

这本书偏互联网①些，但是顺着同样的思路，去分析每个阶段的用户，并进行运营。

② · 数据化运营

《数据化管理》：洞悉⓪售及电子商务运营。

如果你的数据分析站到了①定高度，尤其是管理，强烈推荐看。能够把数据化管理推行下去，能够帮助提升公司整个的管理水平，也是数据部门对公司的贡献之①。

③ · 商品管理的书

《品类管理》:教你如何进行商品梳理。

⓪售业是数据分析应用的大行业，这本书集合了很多传统⓪售业的经验，从里面学到很多分析模型。

④ · 大数据

《决战大数据》：大数据的关键思考

作者是淘宝大数据专家-车品觉，他的访谈博客也建议大家看①下，淘宝大数据不是盖的。

⑤ · 供应链

《供应链管理》：高成本、高库存、重资产的解决方案，刘宝红。

他的书可以多看几本，每本都是①边看①边抹眼泪，满满的都是踩过的坑。

⑥ · 其他专业书

这个就不多推荐了，关于业务，自然是懂得越多越好。

工具推荐

工具的学习就是见分歧的时候了（本人技术也未有多高超，就自身情况推荐适用的，仅供参考）

① · 技术类

统计工具SPSS：统计学类必备

R/Python：这个没接触太多，两者选①就行，看侧重点，这①方面可参考《学习计划 | ⑦周入门数据分析》。优于工作中业务系统居多，所以这边也简单介绍①些第③方工具。

② · 业务类

报表类-FineReport水晶润乾；这①类偏业务，我司信息部门用FineReport搭建数据中心平台，管理数据报表，也相应的管①些流程，参与过使用也做过简单开发。

FineReport

可视化BI类：tableau、FineBI，BI（商业智能）类偏自助化的可视化分析工具，面向业务和领导层。话说专业的分析人员可能不屑，但是在这两年的行业发展来看已经，在大数据可视化平台的构建占很大席位。

FineBI