R语言：使用flexdashboard制作公司人力资源 dashboard

最新推荐文章于 2024-04-12 09:45:10 发布
最新推荐文章于 2024-04-12 09:45:10 发布
阅读量2.1k 收藏 14
点赞数 1
分类专栏： 笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_47758643/article/details/119040474
版权

效果展示

效果如下图所示：

image-20210723170115096

image-20210723171105904

image-20210723171154979

RMD代码

---
title: "人力资源变动dashboard"
output: 
  flexdashboard::flex_dashboard:
    # storyboard: true
    # social: menu
    orientation: rows
    vertical_layout: scroll
    source: embed
    theme: journal
---
<style>                     
.navbar {
  background-color:#D87A80;
  border-color:white;
}
.navbar-brand {
color:white!important;
}
</style>

​```{r setup, include=FALSE}
library(flexdashboard)
library(readxl)
library(dplyr)
library(tidyr)
library(tidyverse)
library(leaflet)
library(echarts4r)
library(recharts)
require(knitr)
#读入数据
USA_data3<-read_excel("C:/Users/asus/Desktop/R语言期末/Regional files/HR Dashboard_v1 - Americas.xlsx","data")
APAC_data3<-read_excel("C:/Users/asus/Desktop/R语言期末/Regional files/HR Dashboard_v1 - APAC.xlsx","data")
EU_data3<-read_excel("C:/Users/asus/Desktop/R语言期末/Regional files/HR Dashboard_v1 - Europe.xlsx","data")
country_coor3<-read_excel("C:/Users/asus/Desktop/R语言期末//country coord.xlsx")

#数据预处理
##清除无用数据
America3<-USA_data3[,c(-1,-4,-5,-6,-7,-14,-16)]
APAC3<-APAC_data3[,c(-1,-4,-5,-6,-7,-14,-16)]
EU3<-EU_data3[,c(-1,-4,-5,-6,-7,-14,-16)]
##绘制新表：总表、离职表、入职表
global3<-rbind(America3,APAC3,EU3)  #总表
colnames(global3)[10]<-'movement_type'
dplyr::filter(global3,movement_type=="Entry")->entry3 #入职表
dplyr::filter(global3,movement_type=="Exit")->exit3   #离职表
##新表处理
global_1=global3 %>% group_by(Country) %>% summarise(count=n())
global_1=left_join(global_1,country_coor3[,2:4],by=c("Country"="name"))
exit_1=exit3 %>% group_by(Country) %>% summarise(count=n())
exit_1=left_join(exit_1,country_coor3[,2:4],by=c("Country"="name"))
entry_1=entry3 %>% group_by(Country) %>% summarise(count=n())
entry_1=left_join(entry_1,country_coor3[,2:4],by=c("Country"="name"))
colnames(America3)[10]<-'movement_type'
number1=America3 %>% group_by(movement_type) %>% 
  summarise(count=n())
number1$location<-c("America","America")
colnames(APAC3)[10]<-'movement_type'
number2=APAC3 %>% group_by(movement_type) %>% 
  summarise(count=n())
number2$location<-c("APAC","APAC")
colnames(EU3)[10]<-'movement_type'
number3=EU3 %>% group_by(movement_type) %>% 
  summarise(count=n())
number3$location<-c("EU","EU")


#读取数据
USA_data1<-read_excel("C:/Users/asus/Desktop/R语言期末/Regional files/HR Dashboard_v1 - Americas.xlsx","data")
APAC_data1<-read_excel("C:/Users/asus/Desktop/R语言期末/Regional files/HR Dashboard_v1 - APAC.xlsx","data")
EU_data1<-read_excel("C:/Users/asus/Desktop/R语言期末/Regional files/HR Dashboard_v1 - Europe.xlsx","data")
#数据预处理
##清除无用数据
America1<-USA_data1[,c(-1,-2,-4,-5,-6,-7,-14,-16)]
APAC1<-APAC_data1[,c(-1,-2,-4,-5,-6,-7,-14,-16)]
EU1<-EU_data1[,c(-1,-2,-4,-5,-6,-7,-14,-16)]
##绘制新表：总表、离职表、入职表
global1<-rbind(America1,APAC1,EU1)  #总表

colnames(global1)[9]<-'movement_type'
dplyr::filter(global1,movement_type=="Entry")->entry1 #入职表
#导入数据集
Americadata2 <- read_xlsx("C:/Users/asus/Desktop/R语言期末/Regional files/HR Dashboard_v1 - Americas.xlsx")
Apacdata2 <- read_xlsx("C:/Users/asus/Desktop/R语言期末/Regional files/HR Dashboard_v1 - APAC.xlsx")
Europedata2<- read_xlsx("C:/Users/asus/Desktop/R语言期末/Regional files/HR Dashboard_v1 - Europe.xlsx")

##清除无用数据
America2<-Americadata2[,c(-1,-4,-5,-6,-7,-14)]
APAC2<-Apacdata2[,c(-1,-4,-5,-6,-7,-14)]
EU2<-Europedata2[,c(-1,-4,-5,-6,-7,-14)]

##绘制新表：总表、离职表、入职表
global2<-rbind(America2,APAC2,EU2)  #总表
colnames(global2)[11]<-'movement_type'
colnames(global2)[10]<-'manager_name'

dplyr::filter(global2,movement_type=="Entry")->entry2 #入职表
dplyr::filter(global2,movement_type=="Exit")->exit2   #离职表
colnames(exit2)[13]<-'leaving_reason'
colnames(exit2)[14]<-'attri_type'
​```
<!-- # page1 {.storyboard,data-icon="fa-user-alt"} -->
# 总览 {data-icon="fa-user-alt"}
Row {data-width=150}
--------------------------------------
### 新进总人数
​```{r}
newhires=entry3 %>%  nrow()
valueBox(value = newhires,icon = "fa-user-plus",caption = "新进人员",color = "#FFB980")
​```

### 离职总人数
​```{r}
exits=exit3 %>% nrow()
valueBox(value = exits,icon = "fa-user-minus",caption = "离职人员", color = "#5AB1EF")
​```

### 净变动
​```{r}
netchange=(newhires-exits)
#If loop to have either up-arrow or down-arrow icon on valuebox based on the value of netchange
if(netchange>0){
  valueBox(value = netchange,icon = "fa-arrow-up",caption = "净变动", color = "#2EC7C9")
} else{
valueBox(value = netchange,icon = "fa-arrow-down",caption = "净变动", color = "lightblue")}
​```

Row {data-height=300}
----------------------------------
### 各国变动情况展示 
​```{r}
#地图可视化
global_1$entrycount<-c(7,10,1,4,20,35,16)
global_1$exitcount<-c(0,5,0,0,15,15,12)
globallabels<-sprintf(
  "%s<br/>新进 %d<br/>离职%d",global_1$Country,global_1$entrycount,global_1$exitcount
)%>%
  lapply(htmltools::HTML)
entrylabels<-sprintf(
  "%s<br/>新进 %d",entry_1$Country,entry_1$count
)%>%
  lapply(htmltools::HTML)
exitlabels<-sprintf(
  "%s<br/>离职%d",exit_1$Country,exit_1$count
)%>%
  lapply(htmltools::HTML)
map<-leaflet(data=global_1) %>% addTiles() %>%
  addMarkers(~longitude,~latitude,
             label=globallabels,
             labelOptions(style=list("font-weight"="normal",padding="3px 8px"),
                          textsize = "15px",direction = "auto"),
             group = "global_1")%>%
  addCircles(data=global_1,~longitude,~latitude,color="yellow",weight=global_1$count/1,group="global_1")%>%
  addMarkers(data=entry_1,~longitude,~latitude,
             label=entrylabels,
             labelOptions(style=list("font-weight"="normal",padding="3px 8px"),
                          textsize = "15px",direction = "auto"),
             group = "entry_1")%>%
  addCircles(~longitude,~latitude,color="red",weight=global_1$entrycount/1,group="entry_1")%>%
  addMarkers(data = exit_1,~longitude,~latitude,
             label=exitlabels,
             labelOptions(style=list("font-weight"="normal",padding="3px 8px"),
                          textsize = "15px",direction = "auto"),
             group = "exit_1")%>%
  addCircles(~longitude,~latitude,color="blue",weight=global_1$exitcount/1,group="exit_1")%>%
  addLayersControl(overlayGroup=c("global_1","entry_1","exit_1"),options = layersControlOptions(collapsed = FALSE))
map

​```

Row {data-height=150}
----------------------------------
### America离职变动情况 
​```{r}
t1<-echartr(number1, movement_type,count, type='ring') %>%
  setTheme(palette=c(
     '#D87A80','#5AB1EF' ))%>%setToolbox(show=FALSE)
t1
​```
### APAC离职变动情况
​```{r}
t2<-echartr(number2, movement_type,count, type='ring') %>%
  setTheme(palette=c(
     '#D87A80','#5AB1EF' ))%>%setToolbox(show=FALSE)
t2
​```
### EU离职变动情况
​```{r}
t3<-echartr(number3, movement_type,count, type='ring') %>%
  setTheme(palette=c(
     '#D87A80','#5AB1EF' ))%>%setToolbox(show=FALSE)
t3
​```

Row {data-height=400}
----------------------------------

### 月变动情况
​```{r}
month=global3 %>% group_by(Month,movement_type) %>% 
  summarise(count=n())
month$Month<-as.character(month$Month)
####创建净流入表并合并
month1<-data.frame(Month=c("2019-01-01","2019-02-01","2019-03-01","2019-04-01","2019-05-01","2019-06-01","2019-07-01","2019-08-01","2019-09-01"),
                   movement_type=c("netinflow"),
                   count=c("1","-4","5","2","4","11","5","14","8"))
month1$count<-as.integer(month1$count)
month<-rbind(month,month1)
t4<-echartr(month, Month, count,movement_type, type='line') %>%
  setTitle('月变动情况')%>%
  setSymbols('emptycircle')%>%
   setTheme("macarons")%>%
  setToolbox(show=FALSE)
t4
​```

### 整体新进离职比例
​```{r}
number<-rbind(number1,number2,number3)
t5<-echartr(number,location,count,movement_type,type='hbar',subtype='stack')%>%
  setTitle("整体新进离职比例情况")%>%
  setTheme("macarons")%>%
  setToolbox(show=FALSE)
t5
​```






# 新入职员工分析 {data-icon="fa-user-plus"}
Row{data-height=350}
--------------
### 新入职员工国家、月份分布

​```{r}
##绘制new hired by country堆积图
#分离年月和日
entrybycountry<-entry1%>%select(c(3,4))
entrybycountry<-entrybycountry%>%separate(col=c(2),into =c('year','month','day'),sep ='-')%>%
  unite("yearmonth",year,month,sep='-')
##数据汇总
p1=entrybycountry%>% 
  group_by(yearmonth,Country) %>% 
  summarise(count=n())

echartr(p1, yearmonth, count, Country,type='hbar', subtype='stack') %>%
  setTitle('新入职员工国家、月份分布')%>%setTheme('macarons')%>%setToolbox(show=FALSE)
​```

### 新入职员工隶属单位分布
​```{r}
# 绘制new hired by org图
#分离年月和日
entrybyorg<-entry1%>%select(c(6,4))
entrybyorg<-entrybyorg%>%separate(col=c(2),into =c('year','month','day'),sep ='-')%>%
  unite("yearmonth",year,month,sep='-')
##数据汇总
p2=entrybyorg%>% 
  group_by(yearmonth,Org) %>% 
  summarise(count=n())
#绘制new hired by country堆积图
echartr(p2, yearmonth, count, Org,type='hbar', subtype='stack') %>%
  setTitle('新入职员工隶属单位分布')%>%setTheme('macarons')%>%setToolbox(show=FALSE)
​```



Row{data-height=400}
-------------
### 各经理员工流动人员分布 {data-width=1600}

​```{r}
global4<-rbind(USA_data1,APAC_data1,EU_data1)
exitbymanager <- global4%>%select(c(16,17))
names(exitbymanager)<-c("manager_name","movement_type")

p5=exitbymanager%>%
  group_by(manager_name,movement_type)%>%
  summarise(count=n())

p5$count[p5$movement_type=='Entry'] <- -p5$count[p5$movement_type=='Entry']
g <- echartr(p5, manager_name, count, movement_type, type='hbar', subtype='stack') %>%
  setTitle("各经理员工流动人员分布")%>%
  setTheme('macarons')%>%setToolbox(show=FALSE)


g %>% setYAxis(axisLine=list(onZero=TRUE)) %>% 
  setXAxis(axisLabel=list(
    formatter=JS('function (value) {return Math.abs(value);}')
  ))
​```

### 新入职员工工作许可分布

​```{r warning=FALSE}
#绘制new hired split by work authorization信息图样环图
entrybyworkauthorization<-entry1%>%select(c(14))
names(entrybyworkauthorization)<-c("workauthorization")
p3=entrybyworkauthorization%>% 
  group_by(workauthorization) %>% 
  summarise(count=n())

p3<-p3[order(p3$count, decreasing= T), ]
h1<-echartr(p3,workauthorization,count, type='ring', subtype='info') %>%
  setTheme(palette=c(
     '#D87A80','#5AB1EF', '#B6A2DE' ),width=800, height=500) %>%
  setTitle('', pos=c('center','center', 'horizontal'))%>%setToolbox(show=FALSE)
h1
​```

### 新入职员工岗位性质分布 
​```{r warning=FALSE}
#绘制new hired split by employment信息图样环图
entrybyemployment<-entry1%>%select(c(13))
names(entrybyemployment)<-c("employment_type")
p4=entrybyemployment%>% 
  group_by(employment_type) %>% 
  summarise(count=n())
p4<-p4[order(p4$count, decreasing= T), ]

h2<-echartr(p4,employment_type,count, type='ring', subtype='info') %>% 
  setTheme(palette=c(
     '#FFB980','#5AB1EF',  '#FFB980', 'limegreen', 'cyan', 'violet'),width=800, height=500)%>%
  setTitle('', pos=c('center','center', 'horizontal'))%>%setToolbox(show=FALSE)
h2
​```
# 离职员工分析 {data-icon="fa-user-minus"}
Row {data-height=300}
-----------------------------------------------------------------------

### 离职员工国家、月份分布

​```{r}
#分离年月和日
exitbycountry<-exit2%>%select(c(4,1))
exitbycountry<-exitbycountry%>%separate(col=c(2),into =c('year','month','day'),sep ='-')%>%
  unite("yearmonth",year,month,sep='-')


##数据汇总
a1=exitbycountry%>% 
  group_by(yearmonth,Country) %>% 
  summarise(count=n())
##绘制条形图
echartr(a1, yearmonth, count, Country,type='hbar', subtype='stack') %>%
  setTitle('离职员工国家、月份分布')%>% 
  setTheme('macarons')%>% 
  setToolbox(show=FALSE)
​```

### 离职员工隶属单位分布
​```{r}
#分离年月和日
exitbyorg<-exit2%>%select(c(7,1))
exitbyorg<-exitbyorg%>%separate(col=c(2),into =c('year','month','day'),sep ='-')%>%
  unite("yearmonth",year,month,sep='-')


##数据汇总
a2=exitbyorg%>% 
  group_by(yearmonth,Org) %>% 
  summarise(count=n())
##绘制条形图
echartr(a2, yearmonth, count, Org,type='hbar', subtype='stack') %>%
  setTitle('离职员工隶属单位分布')%>% 
  setTheme('macarons')%>% 
  setToolbox(show=FALSE)
​```

### 离职原因与类型分布
​```{r}
exitbyreasontype<-exit2%>%select(c(13,14))
a3=exitbyreasontype%>%
  group_by(leaving_reason,attri_type)%>%
  summarise(count=n())
  
echartr(a3,leaving_reason, count,facet=attri_type,type='ring') %>%
  setTitle('离职原因与类型分布')%>%
  setTheme('macarons')%>% 
  setToolbox(show=FALSE)

​```

Column {data-width=350}
-----------------------------------------------------------------------

### 离职员工在职工作时间分布 {data-width=1600}

​```{r}
file1<-exit2
colnames(file1)[5]<-'hiremonth'
Dates.exit <- cut(file1$Month, breaks = "month") 
Dates.entry <- cut(file1$hiremonth, breaks = "month") 
file1 <- data.frame(file1, Dates.entry)
file1 <- data.frame(file1, Dates.exit)

time<-c(as.Date(file1$Dates.exit)-as.Date(file1$Dates.entry))
time<-data.frame(time)
time<-data.frame(c(1:47),time)
names(time)=c('staff','days')

time$days=as.numeric(time$days)
time$staff=as.character(time$staff)


echartr(time, staff, days, type='column') %>%
  setTitle('离职员工工作时间分布')%>%
  setTheme('macarons') #%>% 
  #setToolbox(show=FALSE)
​```



### 离职员工工作许可分布

​```{r}
#信息图样环图
exitbyworkauthorization<-exit2%>%select(c(16))
names(exitbyworkauthorization)<-c("workauthorization")
a5=exitbyworkauthorization%>% 
  group_by(workauthorization) %>% 
  summarise(count=n())


a5<-a5[order(a5$count, decreasing= T), ]
a5[is.na(a5)] <-  'unknown'


a6<-echartr(a5,workauthorization,count, type='ring', subtype='info') %>% 
   setTheme(palette=c(
    '#B6A2DE', '#5AB1EF', '#FFB980', 'limegreen', 'cyan', 'violet'))%>%
  setToolbox(show=FALSE)

a6
​```


### 离职员工岗位性质分布

​```{r}
#信息图样环图
exitbyemtype<-exit2%>%select(c(15))
names(exitbyemtype)<-c("em_type")
a7=exitbyemtype%>% 
  group_by(em_type) %>% 
  summarise(count=n())


a7<-a7[order(a7$count, decreasing= T), ]



a8<-echartr(a7,em_type,count, type='ring', subtype='info') %>% 
   setTheme(palette=c(
     '#D87A80','#B6A2DE',  '#FFB980', 'limegreen', 'cyan', 'violet'))%>%
  setToolbox(show=FALSE)
a8
​```











# 整体分析{data-navmenu="分析"}

## Row{data-height=80}
### 公司整体的人员流动（新进/离职）情况怎样？哪些区域表现较好，哪些区域存在问题？

- 公司整体上人员流动呈现净流入趋势，且净流入人员呈现波动增长趋势，原因为人员新进数量波动较大，而离职数量呈现递减趋势。
- 三个地区均有人员流入流出现象，其中欧盟地区（EU）表现较好，美洲地区（America）表现次之，两者均呈现净流入趋势，APAC地区表现较差，呈现净流出趋势。

Row {data-height=400}
----------------------------------

### 月变动情况
​```{r}
t4
​```

### 整体新进离职比例
​```{r}
t5
​```


# 人员流动具体分析{data-navmenu="分析"}
## Row{data-height=120}
### 公司的新进人员情况怎样？呈现怎样的特点？

- 公司新进人员时间集中在2019年6月份和8月份.
- 新进人员最多的单位为Delivery单位，尤其以Delivery单位中由Kelly Paul负责的CelA,由Gibson Max负责的DelB,由Burgess Deirdre负责的DelC中新入职人员最多；其次是隶属于Support单位的Jackson Megan负责的Shared Se。
- 新入职人员中81.72%的员工为全职员工，78.49%的员工为当地公民，3.23%为永久居民；另外18.28%的新入职员是签了劳务合同获得工作许可证进入公司。

## Row{data-height=120}
### 公司的人员离职情况怎样？呈现怎样的特点？

- 公司人员离职员工均为全职员工（full time employee），离职员工数量呈现逐年递减趋势。
离职人员最多的单位与新进人员最多的单位相同，均为Delivery和Support单位，但与新进情况不同的是，在Delivery单位中，离职人数最多的为Gibson Max负责的DelB以及Burgess Deirdre负责的DelC，由Kelly Paul负责的CelA项目，人员稳定性较好。
- 离职员工中自愿离职与非自愿离职的比例为40:7，其中自愿离职的员工多是由于工作机会与补偿原因不满意，非自愿离职员工中，超半数的人是因为工作项目结束而离职。
- 通过离职员工的在职时间分布可看出：大多数员工的在职时间为1500天左右。

Row {data-height=235}
----------------------------------

### India员工流动工作室分布
​```{r}
dplyr::filter(APAC2,Country=="India")->APAC2India

Indiastudio <- APAC2India%>%select(c(3,11))
colnames(Indiastudio)[2]<-'Movement_Type'

a11=Indiastudio %>%
  group_by(Studio,Movement_Type)%>%
  summarise(count=n())

a11$count[a11$Movement_Type=='Exit'] <- -a11$count[a11$Movement_Type=='Exit']
a12 <- echartr(a11, Studio, count,Movement_Type, type='hbar', subtype='stack') %>%
  setTitle("India员工流动工作室分布")%>%
  setTheme('macarons')


a12 %>% setYAxis(axisLine=list(onZero=TRUE)) %>% 
  setXAxis(axisLabel=list(
    formatter=JS('function (value) {return Math.abs(value);}')
  ))
​```

### Europe人员流动工作室分布
​```{r}
EUstudio <- EU2%>%select(c(3,11))
colnames(EUstudio)[2]<-'Movement_Type'

a13=EUstudio %>%
  group_by(Studio,Movement_Type)%>%
  summarise(count=n())

a13$count[a13$Movement_Type=='Exit'] <- -a13$count[a11$Movement_Type=='Exit']
a14 <- echartr(a13, Studio, count,Movement_Type, type='hbar', subtype='stack') %>%
  setTitle("Europe员工流动工作室分布")%>%
  setTheme('macarons')


a14 %>% setYAxis(axisLine=list(onZero=TRUE)) %>% 
  setXAxis(axisLabel=list(
    formatter=JS('function (value) {return Math.abs(value);}')
  ))
​```




# 问题、趋势发现以及建议{data-navmenu="分析"}
Row {data-height=120}
---------
### 人员数据反映出公司的人员新进和离职流动有无需要改进之处？
- 公司应加强员工福利待遇，并改善工作体系，为优秀员工预留晋升空间，以减少优秀人员流出。
- 公司可开展优秀工作室表彰、优秀经理表彰工作以及通告批评会，对表现突出的工作室及经理，如Baia Mare工作室，负责CelA项目的Kelly Paul经理，通过工作绩效表彰来增强员工的归属感、认同感，鼓励优秀员工，激发员工干劲及潜力；但对于工作懈怠者、纪律违反者也应加强通报警告，让全体员工引以为戒，整顿公司风气。
- 开展经验交流会，公司各子公司之间交流管理经验以及项目攻克经验，促进子公司之间的交流，带动公司整体向上发展。

Row {data-height=270}
---------
### 现有数据集还能揭示公司人员流动的哪些新问题、新趋势，值得公司领导重视？
- America地区：进一步观察发现，America区域的canada,Brazil,Argentina这三个国家没有人员流出，但相应的，其新进人数也是最少，可推测当地公司人员数量较为精简，公司待遇较好，整体凝聚力强，公司领导可关注公司在该地区的发展状况，合理改进公司资源倾斜情况。
- EU地区：Romania的新进以及离职人数均为最多，人员流动性强，稳定性较弱，但整体呈现净流入趋势。从员工的离职原因中可看出Romania地区人员为追求更好地晋升机会以及补偿待遇而自愿离职。
在EU地区所有的工作室（Studio）中，Baia Mare,Bucuresti，Iasi,Remote,Timisoara仅有新进人员，推测原因可能是工作室待遇较好或者工作室因人员稀缺而扩招；其余工作室中仅有Cluj-Napoca工作室没有新进职员，推测可能是由于员工已饱和，或者工作室待遇未能达到寻职者的要求；公司领导可在进一步考察原因后做出在当地区域的战略调整。
- APAC地区：Australia的新进职员均为contractor（合同）类型，该类型可保证人员流动在一定时间段的稳定性；India的离职员工全部隶属Mysore工作室，当地领导可靠查当地区其他类似公司职员的福利待遇，根据自身工作室的情况合理进行福利改善。
- 公司整体：从员工的新进以及离职情况可看出，全职员工（full time employee）是造成公司人员变动的主力，这类员工由于有足够的工作变动自由，会为了自身发展以及待遇而选择辞职，但这类员工也是公司的主体员工，公司领导应注意倾听他们的工作体验，降低这类员工的离职率，从而改进公司的人员流动情况。

生成的dashboard（html文件）下载

链接如下：

html下载链接

一些说明

  • 在数据可视化中我们使用了百度的Echart进行绘图。

  • 我们的dashboard由三人完成，所以在代码上存在冗余，请见谅。

  • 大家如有问题和建议可以在评论区指出。

weixin_47758643
关注
  • 1
    点赞
  • 踩
  • 14
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
R项目：使用R分析人力资源数据
weixin_44976611的博客
03-18 3456
一：分析背景 在年底的时候，埃克森公司盘点了过去一年工作时发现，公司在人力方面的工作并不尽人意。具体表现是：在一年中多次出现重要与员工离职情况：部分员工的工作积极性不高：员工的培训不够及时，导致业务进展缓慢；人力部分对员工整体情况了解不到位等等。 二、数据导入和预览 ## 加载包 library(dplyr) library(ggplot2) library(Rmisc) # mu...
HR人力资源平台后台dashboard .sketch素材下载
04-20
HR人力资源平台后台dashboard .sketch素材下载
探索Flexdashboard：一款R语言强大的交互式仪表板工具
最新发布
gitblog_00020的博客
04-12 401
探索Flexdashboard：一款R语言强大的交互式仪表板工具 项目地址:https://gitcode.com/rstudio/flexdashboard 项目简介 在数据可视化和报告制作的世界中，Flexdashboard 是一个备受瞩目的R包。它由RStudio开发，旨在帮助用户创建引人入胜且高度交互式的仪表板，将复杂的数据转化为直观、易于理解的视觉展示。 技术解析 Flexdashboa...
flexdashboard
02-28
flexdashboard
R文档沟通｜Dashboards入门（1）
qq_37379316的博客
04-21 534
简介 在本章中，我们将介绍基于 flexdashboard 包的仪表盘。 仪表盘在业务风格的报告中特别常见。它们可以用来突出报告的概要和关键内容。仪表盘的布局通常是基于网格搭建的，各个组件排列在各种大小的“盒子”中。 使用 flexdashboard 包，你可以 使用 R Markdown 将一组相关数据可视化作为指示盘进行发布。 嵌入各种各样的组件，包括 HTML 小部件、R 图形、表格数据和文本注释等内容。 可以指定按行或列进行布局(各组件会自动调整大小以填满浏览器，并且在移动设备上也十分适
数据可视化—如何利用R，制作DashBoard
R语言中文社区
05-09 3182
作者：小橙子来源：小橙子学数据分析之前扬言要用R，制作一个DashBoard。结果给自己挖了个坑，看了好久的外文网站，依靠谷歌翻译和仅留的英语基础，总算完...
Flex Dashboard
wonder的地下室
03-22 2426
今天用了一个下午的时间，终于将flex3版本的dashboard成功升级到了flex4，深感欣慰。
人力资源数据看板:人员结构、招聘、离职、考勤、薪酬看板
帆软商业智能技术
11-12 4687
一般来说，人力资源数据看板会包括人事信息（人员结构数据看板）、招聘数据看板、离职分析数据看板、考勤数据看板、薪酬分析数据看板。现在每个企业都拥有越来越多的数据量，将数据搬上屏幕进行交互展示与辅助决策也成为不可阻挡的商业趋势。数据看板Dashboard一词源于“汽车仪表盘”，恰如其分地担当了浏览和查看的任务。数据看板可以用来追踪、分析、监控和直观展示关键业务指标，使人们能够做出数据驱动的业务决策。人力资源也需要数据看板来协调各类资源。
taller_flex:flexdashboard车间
05-12
如何使用R制作动态Web应用程序。请参见研讨会演示。 车间描述 是RMarkdown的扩展，使Web报表通常称为仪表盘或仪表盘。 在讲习班中，我们将首先探索该库，发现其使用并了解其巨大的可能性。 我们将从创建第一个简单...
Local-Authority-Flexdashboard:使用LAD农村分类的flexdashboard进行可视化
04-10
在本篇文章中，我们将探讨如何利用`Flexdashboard`这一强大的R语言工具，结合本地权限（Local Authority Districts, LAD）的农村分类数据，创建出交互式的、具有洞察力的可视化仪表板。Flexdashboard是一种基于R ...
Economics-Dashboard-Web-App-R
03-06
经济学-仪表板-Web-App-R 该Web应用程序用R编码，通过Quandl-API获取经济和金融数据，并使用20天移动平均数进一步绘制数据序列。 使用了以下库： • 闪亮的•秤•Quandl •TTR 示范
flexdashboard:简易的R交互式仪表板
04-27
flexdashboard：用于R的简单交互式仪表板 使用可以将一组相关的数据可视化发布为仪表板。 支持多种组件，包括 ; 基本，晶格和网格图形； 表格数据量规和值箱; 和文字注释。 灵活且易于指定基于行和列的。 可以智能地调整组件的大小以填充浏览器并适合在移动设备上显示。 演示图布局，用于呈现可视化序列和相关评论。 （可选）使用动态驱动可视化。 了解有关flexdashboard的更多信息： //rmarkdown.rstudio.com/flexdashboard/
Flex中通常使用布局组件DashBoard
05-09
一个组件，相当一个容器，里面可以放好多似类面板的控件，这些控件在这个容器里面可以施动，最小化，最大化。
HR人力资源管理后台dashboard .xd素材下载
04-20
在IT行业中，设计一款高效的人力资源管理后台dashboard是一项至关重要的任务。本资源提供了一个名为“HR人力资源管理后台dashboard .xd素材下载”的压缩包，其中包含了一份Adobe XD设计文件（HRstatics.xd）。这份...
flexdashboard-presentation
04-29
1. **R Markdown**：Flexdashboard 基于 R Markdown，这是一种轻量级的标记语言，允许用户混合编写文本、代码和输出。通过使用 YAML 头部，你可以定义 dashboard 的布局和样式，包括列的数量、宽度以及不同类型的...
Flex DashBoard功能
weixin_33682790的博客
11-09 273
Flex DashBoard功能支持在一个界面中显示多个小窗口，窗口中分别显示不同的内容；且各小窗口支持位置拖拽、最小化、最大化、关闭。对于搞Flex开发的，应该会很有用的，有时间准备分析学习一下源代码。 下面是Adobe的官方介绍：http://www.adobe.com/devnet/flex/samples/dashboard/dashboard.html The dashboard, ...
flex_dashboard
Mrrunsen的博客
09-03 184
【代码】flex_dashboard。
数据可视化初体验(R语言)
xiaolu的专栏
11-10 1029
我对数据可视化的认识    前些天通过一张美丽的图片，闯进了FlowingData这个世界，开始真正去了解数据可视化。“The greatest value of a picture is when it forces us to notice what we never expected to see”是该网站about中的第一句话，在逛了不少可视化的网站和博客之后，个人觉得这句话是数据可
R文档沟通｜Dashboards入门（3）
qq_37379316的博客
04-22 336
组件 仪表盘布局中可以包含各种各样的组件，包括： 基于 HTML 小部件的交互式 JavaScript 数据可视化。 R 图形输出，包括基础、格栅和网格图形。 表格（排序，过滤和分页等可选选项）。 用于突出显示重要摘要数据的值框。 用于在指定范围内的仪表上显示值的仪表。 各种文本注释。 导航栏，提供与仪表板相关的更多链接。 注：无论输出格式如何，前三个组件在大多数 R Markdown 文档中均可使用。 而后四个组件是仪表特有的，本节我们会简要介绍它们。 数值框 如果你希
--- title: "A公司人力资源dashboard" output: flexdashboard::flex_dashboard: orientation: rows vertical_layout: scroll source_code: embed theme: journal --- <style> .navbar { background-color:maroon; border-color:white; } .navbar-brand { color:white!important; } </style>
06-07
根据你提供的代码，这个R Markdown文档的输出格式是Flexdashboard，主题是Journal，布局是竖直方向的滚动条。同时，这个文档还包含自定义的CSS样式，用于调整导航栏（navbar）和导航栏标志（navbar-brand）的外观。 ...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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