コンセプト: 離職予測レポート
離職予測は、組織内のセグメントにおける離職リスクを特定するのに役立ちます。Peakonが離職リスクを計算する方法の詳細については、以下を参照してください。 コンセプト: 離職予測方法論。
Peakonの離職予測モデル:
- コストのかかる離職を実際に起こる前に予測し、その理由の可能性についての洞察を提供します。
- 従業員の離職リスクをリアルタイムで推定し、従業員がフィードバックを送信するたびに再計算して最新の状態を維持します。
- 集約されたセグメント レベルのビューとして表示され、個々の従業員の ID を保護しながら、予測の精度を高く維持します。
- エンゲージメント戦略を最適化し、残念な解約を防ぐのに役立ちます。
ナビゲーション
管理者
アクセス グループのユーザーは、以下の領域で離職ヒート マップを利用できます。管理者は、 離職予測
権限を使用して、他のアクセス グループに対してもこれを有効にできます。離職ヒートマップには、表示しているコンテキストのサブセグメントが表示されるため、上級リーダーにとって最も役立ちます。分野 | 説明 |
|---|---|
メインダッシュボード | メインダッシュボードには、 離職日 と 離職理由を 除くすべてのセグメントの フォーカスセグメント 領域に離職リスクが表示されます。通常、フォーカス セグメントは、大規模な従業員グループが含まれるダッシュボードに表示されます。 |
セグメント エリア | 完全な離職レポートは、 「分析 > セグメント > 離職」 で確認できます。このレポートには、離職率に影響を与える 5 つの主な要因ごとに列が表示され、コンテキストとして「退職者」列も表示されます。 |
解釈
離職レポートの各セグメントに表示されるリスク レベルは
、組織全体の平均離職リスクと比較したセグメントの離職リスク
に関係します。例:
マーケティング
部門は、会社内で離職リスクの上位 25% に入ります。この例では、Peakon が会社内のすべてのセグメントの離職リスクを比較すると、
マーケティング
セグメントが上位 25% グループに含まれることがわかります。これは、 マーケティング
部門で従業員が退職する確率が 25% である、またはセグメントの従業員の 25% が退職する (退職リスクはセグメント レベルで表示されます) という意味ではありません。各セグメントに適用されるリスク レベルは、従業員が今後 6 か月以内に退職する確率の予測を示します。 しかし、退職者は退職の約 9 か月前から警告サインを示し始めることがわかります。
推奨事項
あるセグメントに深刻な離職リスクがある場合でも、必ずしもその従業員が退職するわけではありません。それは単に、組織の他の部分と比較して、離職のリスクが（はるかに）高いことを意味します。このセグメントにさらに注意を払うことで、リスクを軽減することに貢献できるでしょう。
離職リスクを引き起こす要因に関係なく、総合的なアプローチを使用することをお勧めします。
- 重点領域を特定し、コメントを確認して「理由」を理解しようとします。
- 推奨されるアクションとリソースを確認し、チームに伝える明確なアクション プランを作成します。例: SMART フレームワークを使用すると、目標を特定するのに役立ちます。アクションが共有ダッシュボードと個人ダッシュボードに表示されることを確認します。コミュニケーションでは、マイルストーンや結果を実行したアクションに結び付けて、フィードバック ループを閉じます。
- 従業員とのオープンで透明性のあるコミュニケーションを実現し、フィードバックをどのように受け止めているかを従業員が理解できるようにします。
- 機密性に関する懸念を軽減するために、フィードバックを誰が見ることができるか、Peakon がスコアを集計する方法、コメントがどのように機能するかを明確にします。従業員は、システムが自分の機密性をどのように保護しているかを理解していない場合、またそのことを知らされていない場合、有意義なフィードバックを提供できないか、まったく参加しない可能性があります。
- 人事ビジネス パートナーに、マネージャーがチーム会議で調査結果について話し合うのを支援し、チーム ダッシュボードを共有するよう奨励します。
- 組織の個人用ダッシュボードを有効にすると、従業員は自分の調査結果を追跡し、チームや組織のスコアと比較できるようになります。 見る個人ダッシュボードを有効にする 手順については。
- より大きなセグメントの場合は、組み合わせ属性を使用して、優先的に取り組むべき領域を特定してみてください。例: 手動で作成された従業員ライフサイクル属性を場所またはジョブ レベルの属性と組み合わせる。 見る 組み合わせ型属性を作成する 手順については。
- 新入社員や在籍期間の短い社員が多いセグメントでは、組織がフィードバックを歓迎し、それに基づいて透明性のある方法で対応していることを示す重要な時期です。
例
離職リスクの計算に寄与する要因については、以下を参照してください。 コンセプト: 離職予測方法論。 これらの例では、
「Resigned
」列はレポートにコンテキストとしてのみ表示されるため、除外されていることに注意してください。セグメントの構成、つまりセグメントごとの減少リスクが組織のコンプライアンス要件を満たしているかどうかを判断するには、法律顧問に相談してください。お客様は、この機能が意図的であるかどうかにかかわらず、直接的または間接的に差別や差別的な結果を引き起こさないように、この機能の使用に関する設定と従業員への指示を行うことができます。お客様は、差別禁止法に基づいて要求される可能性のある評価、テスト、または文書化を含む、離職予測モデルの使用および離職リスクから生じるあらゆる法的義務を理解し、遵守する責任を負います。
例1
セグメント | リスクレベル | 在職期間 | 参加者 | ベンチマーク差 |
|---|---|---|---|---|
東京 | 低 |
|
|
|
貢献ドライバーのスコアはベンチマークを大きく上回っているため、このグループの従業員は、この組織を職場として推奨し、忠誠心を維持し、成長の機会を見出すと述べています。
リスクレベルは低いですが、「最小限」ではありません。これは、一般的に退職する可能性が高い最初の 2 つの在職期間段階のいずれかに従業員の大部分が属していることが原因と考えられます。このセグメントは最新ラウンドでも参加率が低く、今後も減少が続くと懸念される。意欲のない従業員はフィードバックを提供することに興味がないか、自分のフィードバックが重要だと信じていません。
例2
セグメント | リスクレベル | 在職期間 | 参加者 | ベンチマーク差 |
|---|---|---|---|---|
ニューヨーク | 平均より上 |
|
|
|
従業員のほとんどは勤続年数が長いため、職場に定着しています。しかし、貢献ドライバーのスコアはベンチマークをわずかに上回る程度で、最新の調査を完了したのはこのセグメントの 3 分の 2 のみでした。
勤続年数が 2 年を超える従業員は離職リスクが低いものの、このセグメントでは単に現状に満足しすぎて積極的に新しい仕事を探す気力がなく、必ずしも積極的に仕事に取り組んでいない可能性があります。
例3
セグメント | リスクレベル | 在職期間 | 参加者 | ベンチマーク差 |
|---|---|---|---|---|
オークランド | 高 |
|
|
|
この例は一見例 1 と似ているように見えるかもしれませんが、この例の在職期間の分布は例 1 にさらに大きな影響を与えます。全体として、このセグメントには、在職期間と参加という 2 つの潜在的な離職リスク要因があります。
セグメントの 3 分の 1 はオンボーディング段階にあり、通常は離職リスクが高くなります。この段階の従業員はエンゲージメントの兆候がより高いことが多いのですが、3 か月を過ぎるとエンゲージメントが低下する傾向があることが分かっています。全体的に見ると、セグメントのほぼ半数が最初の 2 つの在職期間グループに属していることは、離職リスクに確実に影響を及ぼします。
さらに、このセグメントの参加率が低いことは、このセグメントのかなりの部分が、自分のフィードバックが重要だとは感じていないか、職場の改善に関与するほど関心がないことを示しています。このセグメントには、参加している従業員にとってベンチマークとして非常にプラスの差があります。これは、熱心な新入社員から来るものかもしれませんし、満足して忠実な先輩社員から来るものかもしれません。
例4
セグメント | リスクレベル | 在職期間 | 参加者 | ベンチマーク差 |
|---|---|---|---|---|
パリ | 深刻 |
|
|
|
関連する 3 つのドライバーは、ベンチマークに対して大きなマイナスの差があります。この従業員グループは、会社を勤務先として推奨するつもりはなく、忠誠心も保てず、成長の機会も見出せないということを明確に伝えています。
このセグメントでは、従業員の 3 分の 1 以上が最初の 2 つの在職期間グループに属しており、これも離職リスクに悪影響を及ぼします。全体的に見て、この従業員グループはまだ定着しておらず、主要な要因のスコアはベンチマークを大きく下回っています。