谷歌在数据分析决策方面，专门开发了一套决策模型（Analytics Value Chain）。决策模型图如下：第一步：看法和观点（opinion）这一层主要是人最直观的主观看法。比如，人们常说：“我觉得应该是这样的，因为一直以来事情就是这么运作的。”这就是一种看法，它并不代表事实。从人力分析的角度来说，需要避免只凭直觉看问题，应尽量拿事实说话，做到超越直觉。
第二步：数据（Data）HR各个部门原本都拥有大量的数据，比如组织内有编制、多少人员？一段时期内有多少人获得了晋升？多少人员离开了公司？这些数据广泛地散落在组织各处。但是这些只是停留在原始数据阶段，尚无法被人所理解。只拥有数据并没有太大意义，因为数据本身并不能自动解决任何问题。第三步：衡量（metrics）衡量包括了具体的指标、比例等等。
你可以定期把相关的数据发送给相关人员参阅，让大家获取信息了解组织内部正在发生什么。然而，随着时间的推移，人们可能会对这些指标开始麻木，因为这些数据、指标并不能解决实际问题，无法帮助组织作出下一步的行动计划。第四步：分析（Analysis）分析可以帮助在不同的数据之间建立起来联系：数据和数据之间都有什么关系、接下来的发展变化趋势是什么、与之相关的都是哪些群体，等等。
通过分析，进一步去挖掘数据背后的本质和成因。第五步：洞见（insight）通过对数据的分析，可以透过表面看本质，最终形成自己对某一事物的洞见。第六步：行动（Action）归根结底，数据分析的目的是要解决问题。基于对事物形成的洞见，接下来便可以有的放矢地制订行动方案，并付诸于实施，最终帮助解决组织存在的问题。
我们来看一个谷歌数据分析在实际工作中的经典应用案例。谷歌有一个人力团队叫人员与创新实验室（People and innovaiton lab），工作是负责从长期角度解决组织中存在的人员难题，通过创新的解决方案来帮助组织实现变革。实验室曾经负责了一个管理者发展项目，叫氧气项目（Project Oxygen）。
项目的起源很有意思：谷歌创立早期，创始人佩奇认为公司具有典型的工程师文化，不太理解到底管理者（people manager）在组织中能够有什么大的作为。甚至觉得，管理者这种非常具有官僚特征的职位的存在，在组织中只会让人觉得碍手碍脚。后来佩奇一声令下，我们干脆把管理者这种职位取消了吧。所有工程师一律向他本人汇报。
接下来发生的事情不出所料，管理者岗位的取消并没有带来组织效率的提升，反而让组织陷入了巨大的混乱。无奈之中，谷歌后来又重新恢复了管理层。经过这么一个事件的折腾，大家开始反思：为什么会一开始觉得管理层不重要呢？那不如来做个数据分析，看看管理层到底重要性在哪里。当时，谷歌内部已经有一些与管理者相关的人力数据，一类是绩效反馈数据，这个是管理者对员工的自上而下的反馈；另一类是员工调研数据，这个是员工对管理者的自下而上的反馈。
接下来把这些数据切分出四个分位：尤其重点关注最上面的25%和最底部的25%，然后具体来看每个分位的管理者具体的表现如何。相关的衡量指标包括了：团队工作业绩、团队成员的幸福度打分、团队成员离职率，等等。经过分析，人们发现一个管理者的表现好坏对以上指标存在巨大影响，最上面的25%的管理者的这些指标远远好于最底层的25%的管理者。
最后的结论：一个优秀的管理者对公司至关重要。接下来一步的工作，找到可以帮助管理者提升的方式，让他们都可以成为优秀的管理者。在这一步，谷歌做了两项工作。第一项：设立优秀经理奖（Great Manager Award)。如果要提名优秀经理，提名者必须写清楚他有哪些具体的事例和行为表现。通过对所有提名的解码，谷歌可以提取出优秀管理者的共同之处。
另一项工作，对所有经理开展面谈。面谈之前，面谈双方并不知道被面试者是否属于优秀经理之列。所有面谈结束之后，把面谈结果汇总分析、解码，从中找到优秀经理和非优秀经理到底都有哪些共同之处。上述工作的产出，便得出了谷歌的优秀管理者所具备的8项行为特征：1. 是一个好教练；2. 对团队授权而不是做细节管理；3. 非常关心团队成员的事业成功及个人福祉；4. 工作成效高，并且结果导向；5. 是一个良好的沟通者，愿意倾听和分享信息；6. 能帮助下属实现职业发展目标；7. 能为团队设定清晰的愿景和战略；8. 具备重要的岗位技能，能对团队提供建议。
