Konzept: Berichterstellung zur Fluktuationsvorhersage
Mithilfe der Fluktuationsprognose können Sie das Fluktuationsrisiko in den Segmenten Ihres Unternehmens ermitteln. Weitere Informationen zur Berechnung des Fluktuationsrisikos durch Peakon finden Sie unter Konzept: Methode zur Vorhersage der Fluktuation.
Peakons Modell zur Vorhersage der Mitarbeiterfluktuation:
- Kann dabei helfen, kostspielige Fluktuation vorherzusagen, bevor sie eintritt, und liefert Einblicke in die möglichen Gründe dafür.
- Schätzt das Fluktuationsrisiko für Ihre Mitarbeiterpopulation in Echtzeit und bleibt auf dem neuesten Stand, indem jedes Mal, wenn ein Mitarbeiter Feedback abgibt, eine Neuberechnung durchgeführt wird.
- Die Anzeige erfolgt als aggregierte Ansicht auf Segmentebene, wodurch die Genauigkeit Ihrer Vorhersagen hoch bleibt und gleichzeitig die Identität einzelner Mitarbeiter geschützt wird.
- Kann Ihnen dabei helfen, Ihre Engagement-Strategie zu optimieren und bedauerliche Abwanderung zu verhindern.
Navigation
Die Fluktuations-Heatmap ist in den folgenden Bereichen für Benutzer der Zugriffsgruppe
„Administratoren“
verfügbar. Administratoren können es mithilfe der Berechtigung zur Fluktuationsvorhersage
auch für andere Zugriffsgruppen aktivieren. Da die Fluktuations-Heatmap Untersegmente des von Ihnen angezeigten Kontexts anzeigt, ist sie besonders für Führungskräfte nützlich.Bereich | Beschreibung |
|---|---|
Haupt-Dashboard | Das Haupt-Dashboard zeigt das Fluktuationsrisiko im Bereich „Fokussegmente“ für alle Segmente außer „Trennungsdatum“ und „Trennungsgrund“ an . Normalerweise werden Fokussegmente auf Dashboards mit einer großen Gruppe von Mitarbeitern angezeigt. |
Der Bereich Segmente | Den vollständigen Fluktuationsbericht finden Sie unter Analyse > Segmente > Fluktuation . Der Bericht zeigt für jeden der fünf Schlüsselfaktoren, die die Fluktuation beeinflussen, eine Spalte sowie zur besseren Übersicht die Spalte „Kündigt“. |
Interpretation
Die für jedes Segment im Fluktuationsbericht angezeigte Risikostufe bezieht sich auf das
Fluktuationsrisiko des Segments im Verhältnis zum durchschnittlichen Fluktuationsrisiko der gesamten Organisation
.Beispiel: Der
Marketingbereich
gehört in Ihrem Unternehmen zu den 25 % mit dem höchsten Fluktuationsrisiko.Dieses Beispiel zeigt, dass das
Marketingsegment
zu den oberen 25 % gehört, wenn Peakon das Fluktuationsrisiko aller Segmente Ihres Unternehmens vergleicht. Dies bedeutet nicht, dass im Marketingsegment
eine 25-prozentige Wahrscheinlichkeit besteht, dass ein Mitarbeiter das Unternehmen verlässt, oder dass 25 % der Mitarbeiter des Segments das Unternehmen verlassen werden (das Fluktuationsrisiko wird auf Segmentebene angezeigt).Die für jedes Segment geltenden Risikostufen geben die prognostizierte Wahrscheinlichkeit an, dass ein Mitarbeiter das Unternehmen innerhalb der nächsten sechs Monate verlässt. Wir beobachten jedoch, dass bei Ausscheidenden bereits etwa neun Monate vor ihrer Kündigung erste Warnsignale auftreten.
Empfehlungen
Wenn in einem Segment ein hohes Fluktuationsrisiko besteht, bedeutet das nicht zwangsläufig, dass die betreffenden Mitarbeiter das Unternehmen verlassen werden. Es bedeutet lediglich, dass im Vergleich zum Rest der Organisation ein (viel) höheres Fluktuationsrisiko besteht. Indem Sie diesem Abschnitt noch mehr Sorgfalt widmen, können Sie hoffentlich dazu beitragen, das Risiko zu verringern.
Unabhängig von den Faktoren, die das Fluktuationsrisiko verursachen, empfehlen wir einen ganzheitlichen Ansatz:
- Identifizieren Sie Schwerpunktbereiche und versuchen Sie, das „Warum“ durch die Überprüfung der Kommentare zu verstehen.
- Überprüfen Sie empfohlene Maßnahmen und Ressourcen und erstellen Sie einen klaren Aktionsplan, den Sie dem Team mitteilen. Beispiel: Die Verwendung des SMART-Frameworks kann Ihnen beim Festlegen der Ziele helfen. Stellen Sie sicher, dass Aktionen auf freigegebenen und persönlichen Dashboards sichtbar sind. Verknüpfen Sie in der Kommunikation alle Meilensteine und Ergebnisse mit den von Ihnen durchgeführten Maßnahmen, um den Feedback-Kreislauf zu schließen.
- Kommunizieren Sie offen und transparent mit Ihren Mitarbeitern, um sicherzustellen, dass sie verstehen, wie Sie ihr Feedback berücksichtigen.
- Machen Sie deutlich, wer das Feedback sehen kann, wie Peakon die Punktzahlen aggregiert und wie Kommentare funktionieren, um Bedenken hinsichtlich der Vertraulichkeit auszuräumen. Wenn Mitarbeiter nicht verstehen und nicht erkennen, wie das System ihre Vertraulichkeit schützt, geben sie möglicherweise kein sinnvolles Feedback oder beteiligen sich überhaupt nicht.
- Ermutigen Sie die Human Resource Business Partner, Manager bei der Besprechung der Umfrageergebnisse in Teambesprechungen zu unterstützen und ihre Team-Dashboards freizugeben.
- Aktivieren Sie das persönliche Dashboard für Ihre Organisation, damit die Mitarbeiter ihre eigenen Umfrageergebnisse verfolgen und mit den Ergebnissen des Teams und der Organisation vergleichen können. SehenPersönliches Dashboard aktivieren für Schritte.
- Versuchen Sie bei größeren Segmenten, Kombinationsattribute zu verwenden, um die Bereiche zu identifizieren, in denen Sie Ihre Bemühungen priorisieren sollten. Beispiel: Kombinieren eines manuell erstellten Mitarbeiter-Lebenszyklusattributs mit dem Standort- oder Jobebenenattribut. Sehen Erstellen eines Kombinationstypattributs für Schritte.
- Für Bereiche mit vielen neuen Mitarbeitern oder Mitarbeitern mit geringer Betriebszugehörigkeit ist dies ein entscheidender Zeitpunkt, um zu zeigen, dass Ihr Unternehmen Feedback begrüßt und transparent darauf reagiert.
Beispiele
Weitere Informationen zu den Faktoren, die zur Berechnung des Fluktuationsrisikos beitragen, finden Sie unter Konzept: Methode zur Vorhersage der Fluktuation. Beachten Sie, dass in diesen Beispielen die Spalte
„Zurückgetreten“
nicht enthalten ist, da sie im Bericht nur zur Kontextdarstellung angezeigt wird.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.
Beispiel 1
Segment | Risikostufe | Amtszeit | Teilnahme | Benchmark-Unterschied |
|---|---|---|---|---|
Tokyo | Gering |
|
|
|
Die Bewertungen der beitragenden Fahrer liegen weit über dem Benchmark. Diese Mitarbeitergruppe teilt uns also mit, dass sie das Unternehmen als Arbeitsplatz weiterempfehlen, loyal bleiben und Wachstumsmöglichkeiten sehen würden.
Obwohl das Risiko gering ist, ist es nicht „minimal“. Dies liegt wahrscheinlich daran, dass sich ein großer Anteil der Mitarbeiter in einer der ersten beiden Beschäftigungsphasen befindet, in denen normalerweise eine höhere Wahrscheinlichkeit besteht, dass Mitarbeiter das Unternehmen verlassen. Das Segment weist in der letzten Runde außerdem eine niedrige Beteiligungsquote auf, die Anlass zur Sorge geben könnte, wenn sie weiter sinkt. Unmotivierte Mitarbeiter sind nicht daran interessiert, Feedback zu geben, oder sie glauben, dass ihr Feedback nicht wichtig ist.
Beispiel 2
Segment | Risikostufe | Amtszeit | Teilnahme | Benchmark-Unterschied |
|---|---|---|---|---|
New York | Überdurchschnittlich |
|
|
|
Die Mehrheit der Mitarbeiter ist schon lange im Unternehmen und daher besser eingearbeitet. Allerdings liegen die Ergebnisse der beitragenden Fahrer nur knapp über dem Benchmark und nur zwei Drittel des Segments haben die jüngste Umfrage abgeschlossen.
Es ist möglich, dass Mitarbeiter mit einer Betriebszugehörigkeit von mehr als zwei Jahren zwar einem geringeren Fluktuationsrisiko ausgesetzt sind, sich in diesem Segment jedoch einfach zu wohl fühlen, um aktiv nach einem neuen Job zu suchen, und nicht unbedingt engagiert sind.
Beispiel 3
Segment | Risikostufe | Amtszeit | Teilnahme | Benchmark-Unterschied |
|---|---|---|---|---|
Auckland | Hoch |
|
|
|
Dieses Beispiel ähnelt auf den ersten Blick möglicherweise Beispiel 1, hat jedoch stärkere Auswirkungen auf die Verteilung der Amtszeiten in diesem Beispiel. Insgesamt gibt es in diesem Segment zwei potenzielle Fluktuationsrisiken: Betriebszugehörigkeit und Beteiligung.
Ein Drittel des Segments befindet sich in der Onboardingphase, die typischerweise ein höheres Fluktuationsrisiko birgt. Wir wissen, dass Mitarbeiter in dieser Phase häufig ein höheres Engagement zeigen, das nach drei Monaten tendenziell nachlässt. Insgesamt hat die Tatsache, dass fast die Hälfte des Segments zu den ersten beiden Beschäftigungsgruppen gehört, sicherlich Auswirkungen auf das Fluktuationsrisiko.
Darüber hinaus weist dieses Segment geringere Beteiligungsquoten auf, was darauf schließen lässt, dass ein erheblicher Teil dieses Segments entweder das Gefühl hat, dass sein Feedback nicht wichtig ist, oder dass es ihm nicht wichtig genug ist, an der Verbesserung des Arbeitsplatzes mitzuwirken. Für die teilnehmenden Mitarbeiter weist das Segment einen sehr positiven Unterschied zum Benchmark auf. Dies könnte von engagierten Neuzugängen oder zufriedenen und loyalen älteren Mitarbeitern kommen.
Beispiel 4
Segment | Risikostufe | Amtszeit | Teilnahme | Benchmark-Unterschied |
|---|---|---|---|---|
Paris | Kritisch |
|
|
|
Die 3 relevanten Treiber weisen eine starke negative Differenz zum Benchmark auf. Diese Mitarbeitergruppe bringt klar zum Ausdruck, dass sie das Unternehmen nicht als Arbeitgeber weiterempfehlen würde, ihm nicht treu bleiben würde und keine Aufstiegschancen sieht.
Mehr als ein Drittel der Mitarbeiter des Segments gehören den ersten beiden Beschäftigungsdauergruppen an, was sich ebenfalls negativ auf das Fluktuationsrisiko auswirkt. Insgesamt ist diese Gruppe von Mitarbeitern noch nicht eingearbeitet und erzielt bei den wichtigsten Treibern deutlich unter dem Benchmarkwert.