Concetto: Metodologia di previsione dell'attrito
Attrition Prediction utilizza i dati del sondaggio e dei dipendenti per assegnare il livello di rischio di abbandono ai segmenti della tua azienda. Per saperne di più sull'utilizzo e l'interpretazione dei risultati, vedere Concetto: Report di previsione dell'attrito.
Calcolo
Attrition Prediction si avvale di un modello statistico addestrato sul comportamento di abbandono attraverso milioni di punti dati di indagine nel database Peakon. Nel determinare il rischio di abbandono per segmento, il modello utilizza 5 fattori chiave e segue questo ordine:
- Il modello calcola il rischio di abbandono per dipendente.
- Il modello utilizza quindi il rischio di abbandono a livello di dipendente per calcolare il rischio di abbandono medio per ciascun segmento, nonché per l'intera azienda.
- Il modello confronta il rischio medio di ciascun segmento con il rischio medio dell'azienda, per assegnare un livello di rischio di abbandono. Esempio: il rischio di abbandono nel segmento Marketing è pari al 10% più elevato della tua organizzazione.
Fattori chiave
Fattore | Descrizione |
|---|---|
Punteggio del coinvolgimento | Differenza rispetto al benchmark per la domanda eNPS: quanto è probabile che consiglieresti [la tua organizzazione] come posto di lavoro? Abbiamo osservato che i dipendenti che assegnano un punteggio da 0 a 6 alla nostra domanda eNPS hanno una probabilità più di 3 volte maggiore di dimettersi rispetto a coloro che assegnano un punteggio da 9 a 10. In genere, i dipendenti sono più coinvolti quando iniziano un nuovo lavoro. In media, il coinvolgimento diminuisce fino a 1 punto durante i primi 2 anni di impiego, indipendentemente dal fatto che il dipendente abbia o meno intenzione di andarsene. Ciò è prevedibile e spesso il calo si stabilizza dopo un anno di mandato. |
Punteggio fedeltà | Differenza rispetto al benchmark per la domanda sulla fedeltà: quanto è probabile che rimarresti in [organizzazione] se ti offrissero lo stesso lavoro in un'altra organizzazione? Il punteggio medio di fedeltà dei dipendenti che rimangono in un'azienda è superiore del 20% rispetto al punteggio medio di fedeltà dei dipendenti che se ne vanno. |
Punteggio di crescita | Differenza rispetto al benchmark per la domanda sulla crescita: sento che sto crescendo professionalmente .Questa domanda riguarda le opportunità percepite da un dipendente di migliorare la propria crescita personale e professionale. |
Partecipazione | Tasso di partecipazione aggregato e all'ultimo ciclo di indagine. Il tasso di risposta dei dipendenti che si dimettono è inferiore del 15% rispetto a quello dei dipendenti che rimangono. La nostra analisi delle risposte al sondaggio indica che i dipendenti che perdono interesse nel rispondere al sondaggio perdono anche interesse nel cercare di migliorare il proprio ambiente di lavoro e, pertanto, corrono un rischio maggiore di abbandonare l'organizzazione. |
Tenure | Tempo trascorso presso l'organizzazione, in base all'attributo Tenure (o equivalente).In genere, è più probabile che i dipendenti se ne vadano nei primi due anni piuttosto che successivamente. Subito dopo 3 mesi di mandato è anche il momento in cui si verifica il calo maggiore del coinvolgimento. Ciò presenta un paradosso, poiché in apparenza si ha un dipendente più motivato rispetto ad altri gruppi di titolarità, ma è anche più probabile che se ne vada. Considerando la durata del mandato nel calcolo si ottiene un'indicazione più accurata del rischio di abbandono. Sebbene la funzionalità di previsione dell'attrito visualizzi 3 intervalli di durata nell'interfaccia utente, il modello di previsione mappa i segmenti di durata in base a questi intervalli di durata:
Affinché il modello di attrito mappi i segmenti in un intervallo di durata, assicurarsi che qualsiasi personalizzazione degli intervalli di durata rientri comunque negli intervalli sopra indicati. |
La mappa termica della previsione di abbandono mostra anche una colonna con le dimissioni passate per fornire contesto, sebbene non contribuisca al calcolo del rischio di abbandono. La colonna
Dimissioni
mostra i dati del segmento Dimissioni
all'interno dell'attributo Motivo della separazione
.Livelli di rischio di abbandono
In breve, il modello di abbandono risponde a questa domanda: "Come si confronta il rischio di abbandono di ciascun segmento con il rischio di abbandono medio nella tua organizzazione?". Per l'interpretazione e le raccomandazioni, vedere Concetto: Report di previsione dell'attrito.
Livello di rischio | Rischio di abbandono per segmento |
|---|---|
Grave | Il rischio di abbandono in questo segmento è pari al 10% più elevato della vostra organizzazione. |
Elevato | Il rischio di abbandono in questo segmento è pari al 25% superiore della vostra organizzazione. |
Sopra la media | Il rischio di abbandono in questo segmento è pari al 50% superiore della vostra organizzazione. |
Sotto la media | Il rischio di abbandono in questo segmento è nel 50% inferiore della vostra organizzazione. |
Basso | Il rischio di abbandono in questo segmento è nel 25% inferiore della vostra organizzazione. Il coinvolgimento in questo segmento è elevato. |
Minimo | Il rischio di abbandono in questo segmento è nel 10% inferiore della vostra organizzazione. Il coinvolgimento in questo segmento è elevato. |
Rivolgiti al tuo consulente legale per determinare se la configurazione dei segmenti, e quindi il rischio di abbandono per segmento, soddisfa i requisiti di conformità della tua organizzazione. I clienti possono configurare e fornire istruzioni ai propri dipendenti sull'uso di questa funzionalità per garantire che non causi, direttamente o indirettamente, discriminazioni o risultati discriminatori, intenzionali o meno. I clienti sono tenuti a comprendere e rispettare tutti gli obblighi legali derivanti dall'uso del modello di previsione dell'attrito e dai rischi di attrito, comprese eventuali valutazioni, test o documentazione che potrebbero essere richiesti dalle leggi antidiscriminazione.
Migliorare la precisione delle previsioni
Il modello di rischio di attrito di Peakon funziona con maggiore accuratezza quando:
- Aumenta la partecipazione attiva al sondaggio e al contempo metti in pratica il feedback.
- Passare a una frequenza di indagine più elevata per individuare tempestivamente tendenze e rischi: più recenti sono le risposte, più accurata è la previsione del rischio attuale.
- Abilita le domande standard su Fedeltà e Crescita.
- Utilizzare intervalli di permanenza standard oppure assicurarsi che gli intervalli personalizzati rientrino comunque negli intervalli utilizzati dal modello di previsione dell'attrito. Esempio: se si modificano i segmenti che originariamente rientravano nell'intervallo 3-12 mesi in 3-6 mesi e 6-12 mesi, entrambi i segmenti rientreranno comunque nell'intervallo. Tuttavia, se si modifica l'intervallo a 3-13 mesi, il modello di abbandono non riesce a mappare il segmento su alcun intervallo applicabile.
Peakon non richiede che i punti sopra indicati siano obbligatori per il funzionamento della funzionalità Attrition Risk; tuttavia, miglioreranno la precisione del punteggio e contribuiranno al set di dati utilizzato nel modello.