Konzept: Methode zur Vorhersage der Fluktuation
Attrition Prediction verwendet Ihre Umfrage- und Mitarbeiterdaten, um Ihren Unternehmenssegmenten ein Fluktuationsrisikoniveau zuzuordnen. Weitere Informationen zur Verwendung und Interpretation der Ergebnisse finden Sie unter Konzept: Berichterstellung zur Fluktuationsvorhersage.
Berechnung
Attrition Prediction verwendet ein statistisches Modell, das anhand des Abgangsverhaltens von Millionen von Umfragedatenpunkten in der Peakon-Datenbank trainiert wurde. Zur Bestimmung des Fluktuationsrisikos pro Segment verwendet das Modell fünf Schlüsselfaktoren und folgt dieser Reihenfolge:
- Das Modell berechnet das Fluktuationsrisiko pro Mitarbeiter.
- Anschließend berechnet das Modell anhand des Fluktuationsrisikos auf Mitarbeiterebene das durchschnittliche Fluktuationsrisiko für jedes Segment sowie für das gesamte Unternehmen.
- Das Modell vergleicht das durchschnittliche Risiko jedes Segments mit dem durchschnittlichen Risiko des Unternehmens, um ein Fluktuationsrisikoniveau zuzuweisen. Beispiel: Das Fluktuationsrisiko im Marketingsegment liegt bei den oberen 10 % Ihres Unternehmens.
Schlüsselfaktoren
Faktor | Beschreibung |
|---|---|
Engagement-Score | Unterschied zum Benchmark für die eNPS-Frage: Wie wahrscheinlich ist es, dass Sie [Ihre Organisation] als Arbeitsplatz empfehlen? .Wir haben festgestellt, dass Mitarbeiter, die unsere eNPS-Frage mit 0–6 beantworten, mehr als dreimal häufiger kündigen als Mitarbeiter, die bei der Frage 9–10 Punkte erzielen. Mitarbeiter sind in der Regel am engagiertesten, wenn sie einen neuen Job antreten. Im Durchschnitt sinkt das Engagement in den ersten zwei Beschäftigungsjahren um bis zu 1 Prozentpunkt, unabhängig davon, ob der Mitarbeiter eine Kündigungsabsicht hat. Dies ist zu erwarten und der Rückgang flacht nach einem Jahr der Amtszeit häufig ab. |
Treuepunktestand | Unterschied zum Benchmark für die Frage zur Loyalität: Wie wahrscheinlich ist es, dass Sie bei [Organisation] bleiben würden, wenn Ihnen dieselbe Stelle bei einer anderen Organisation angeboten würde? .Der durchschnittliche Loyalitätswert von Mitarbeitern, die einem Unternehmen treu bleiben, ist 20 % höher als der durchschnittliche Loyalitätswert von Mitarbeitern, die das Unternehmen verlassen. |
Wachstumsbewertung | Unterschied zum Benchmark bei der Wachstumsfrage: Ich habe das Gefühl, dass ich mich beruflich weiterentwickle .Diese Frage bezieht sich auf die wahrgenommenen Möglichkeiten eines Mitarbeiters, sein persönliches und berufliches Wachstum zu verbessern. |
Teilnahme | Aggregierte und aktuelle Teilnahmequote der Umfragerunde. Die Rücklaufquote der Mitarbeiter, die kündigen, ist um 15 % niedriger als die der Mitarbeiter, die bleiben. Unsere Analyse der Umfrageantworten zeigt, dass Mitarbeiter, die das Interesse an der Beantwortung der Umfrage verlieren, auch das Interesse an der Verbesserung ihres Arbeitsplatzes verlieren und daher ein höheres Risiko haben, Ihr Unternehmen zu verlassen. |
Amtszeit | In der Organisation verbrachte Zeit, gemäß dem Attribut „ Amtszeit “ (oder einem gleichwertigen Attribut).Im Allgemeinen ist die Wahrscheinlichkeit, dass Mitarbeiter das Unternehmen in den ersten zwei Jahren verlassen, höher als später. Direkt nach drei Monaten Betriebszugehörigkeit kommt es auch zum größten Rückgang des Engagements. Dies stellt ein Paradox dar, da Ihre Mitarbeiter im Vergleich zu anderen Betriebszugehörigkeitsgruppen oberflächlich betrachtet engagierter sind, die Wahrscheinlichkeit einer Kündigung bei ihnen jedoch höher ist. Die Berücksichtigung der Dienstzeit in der Berechnung liefert einen genaueren Hinweis auf das Fluktuationsrisiko. Obwohl die Funktion zur Fluktuationsvorhersage in der Benutzeroberfläche drei Dienstaltersbereiche anzeigt, ordnet das Vorhersagemodell Ihre Dienstalterssegmente diesen Dienstaltersbereichen zu:
Damit das Fluktuationsmodell Segmente einem Beschäftigungszeitraum zuordnen kann, stellen Sie sicher, dass alle Anpassungen der Beschäftigungsbereiche immer noch innerhalb der oben genannten Bereiche liegen. |
Die Heatmap zur Fluktuationsprognose zeigt zum Kontext auch eine Spalte mit früheren Kündigungen an, die jedoch nicht zur Berechnung des Fluktuationsrisikos beiträgt. In der Spalte
„Kündigt
“ werden Daten aus dem Segment „Kündigt“
innerhalb des Attributs „Trennungsgrund“
angezeigt.Abnutzungsrisikostufen
Kurz gesagt beantwortet das Fluktuationsmodell diese Frage: „Wie hoch ist das Fluktuationsrisiko jedes Segments im Vergleich zum durchschnittlichen Fluktuationsrisiko in Ihrem Unternehmen?“ Zur Interpretation und zu Empfehlungen siehe Konzept: Berichterstellung zur Fluktuationsvorhersage.
Risikostufe | Fluktuationsrisiko pro Segment |
|---|---|
Kritisch | Das Fluktuationsrisiko in diesem Segment liegt bei den oberen 10 % Ihres Unternehmens. |
Hoch | Das Fluktuationsrisiko in diesem Segment liegt bei den oberen 25 % Ihres Unternehmens. |
Überdurchschnittlich | Das Fluktuationsrisiko in diesem Segment liegt bei den oberen 50 % Ihrer Organisation. |
Unterdurchschnittlich | Das Fluktuationsrisiko in diesem Segment liegt bei den unteren 50 % Ihrer Organisation. |
Gering | Das Fluktuationsrisiko in diesem Segment liegt bei den unteren 25 % Ihrer Organisation. Das Engagement in diesem Segment ist hoch. |
Minimal | Das Fluktuationsrisiko in diesem Segment liegt bei den unteren 10 % Ihrer Organisation. Das Engagement in diesem Segment ist hoch. |
Lassen Sie sich von Ihrem Rechtsberater beraten, um festzustellen, ob Ihre Segmentkonfiguration und damit das Fluktuationsrisiko pro Segment den Compliance-Anforderungen Ihres Unternehmens entspricht. Kunden können die Verwendung dieser Funktion konfigurieren und ihren Mitarbeitern Anweisungen dazu geben, um sicherzustellen, dass sie weder direkt noch indirekt zu Diskriminierung oder diskriminierenden Ergebnissen führt, egal ob beabsichtigt oder nicht. Kunden sind dafür verantwortlich, alle rechtlichen Verpflichtungen zu verstehen und einzuhalten, die sich aus ihrer Nutzung des Attrition Prediction-Modells und der Fluktuationsrisiken ergeben, einschließlich aller Bewertungen, Tests oder Dokumentationen, die gemäß Antidiskriminierungsgesetzen erforderlich sein können.
Verbesserung der Vorhersagegenauigkeit
Das Fluktuationsrisikomodell von Peakon funktioniert am genauesten, wenn Sie:
- Erhöhen Sie die aktive Teilnahme an Umfragen und setzen Sie gleichzeitig Feedback um.
- Steigern Sie die Umfragefrequenz, um Trends und Risiken früher zu erkennen – je aktueller die Antworten, desto genauer die Vorhersage des aktuellen Risikos.
- Aktivieren Sie die Standardfragen zu Loyalität und Wachstum.
- Verwenden Sie standardmäßige Beschäftigungsdauerbereiche oder stellen Sie sicher, dass benutzerdefinierte Bereiche immer noch in die Bereiche passen, die das Modell zur Vorhersage der Personalfluktuation verwendet. Beispiel: Wenn Sie die Segmente, die ursprünglich im Intervall von 3–12 Monaten lagen, in 3–6 Monate und 6–12 Monate ändern, passen beide Segmente immer noch in das Intervall. Wenn Sie den Bereich jedoch auf 3–13 Monate ändern, kann das Abnutzungsmodell das Segment keinem anwendbaren Intervall zuordnen.
Für Peakon sind die oben genannten Punkte für die Funktion „Abwanderungsrisiko“ nicht erforderlich. Sie verbessern jedoch die Punktzahlgenauigkeit und tragen zum im Modell verwendeten Datensatz bei.