개념: 이탈 예측 방법론
이탈 예측은 설문 조사와 직원 데이터를 사용하여 회사 세그먼트의 이탈 위험 수준을 할당합니다. 결과 사용 및 해석에 대해 자세히 알아보려면 다음을 참조하세요. 개념: 이탈 예측 보고.
계산
이탈 예측은 Peakon 데이터베이스의 수백만 개 설문 조사 데이터 포인트에서 이탈 행동에 대해 훈련된 통계적 모델을 사용합니다. 세그먼트별 이탈 위험을 결정할 때 모델은 5가지 핵심 요소를 사용하고 다음 순서를 따릅니다.
- 이 모델은 직원당 이직 위험을 계산합니다.
- 이 모델은 직원 수준의 이탈 위험을 사용하여 각 부문과 회사 전체의 평균 이탈 위험을 계산합니다.
- 이 모델은 각 부문의 평균 위험을 회사의 평균 위험과 비교하여 이탈 위험 수준을 할당합니다. 예: 마케팅 부문의 이직 위험은 조직의 상위 10%에 속합니다.
주요 요인
요인 | 설명 |
|---|---|
인게이지먼트 점수 | eNPS 질문에 대한 벤치마크 차이: [귀하의 조직]을 직장으로 추천할 가능성은 얼마나 됩니까? 우리는 eNPS 질문에 0~6점을 준 직원이 9~10점을 준 직원보다 사직할 가능성이 3배 이상 높다는 것을 관찰했습니다. 직원들이 가장 열정을 갖는 시기는 대개 새로운 직장에 처음 들어갈 때입니다. 직원이 퇴사 의사를 가지고 있든 없든, 평균적으로 고용 후 처음 2년 동안 참여도는 최대 1포인트까지 감소합니다. 이는 예상된 일이며, 임기 1년 후에는 감소세가 정상화되는 경우가 많습니다. |
충성도 점수 | 충성도 질문에 대한 벤치마크 차이점: 다른 조직에서 동일한 직무를 제안받는다면 [조직]에 계속 근무할 가능성은 얼마나 됩니까? 회사에 남아 있는 직원의 평균 충성도 점수는 퇴사하는 직원의 평균 충성도 점수보다 20% 더 높습니다. |
성장 점수 | 성장 질문에 대한 벤치마킹 차이점: 저는 전문적으로 성장하고 있다고 느낍니다 .이 질문은 직원이 자신의 개인적, 직업적 성장을 개선할 수 있는 기회에 대해 어떻게 생각하는지에 대한 질문입니다. |
참여 | 집계된 최신 설문조사 참여율입니다. 사직하는 직원의 응답률은 남는 직원의 응답률보다 15% 낮습니다. 설문조사 응답에 대한 분석 결과, 설문조사에 응답하지 않는 직원은 직장 환경을 개선하려는 노력에도 관심이 없어지고, 따라서 회사를 떠날 위험이 더 높은 것으로 나타났습니다. |
보유 | 재직 기간 (또는 이와 동등한 기간) 속성에 따라 조직에서 소요된 시간입니다.일반적으로 직원들은 나중보다 처음 2년 안에 그만둘 가능성이 더 큽니다. 임기를 시작한 지 3개월이 지나면 참여도가 가장 크게 떨어집니다. 이는 역설적인데, 표면적으로는 다른 재직 기간에 비해 직원들의 참여도가 더 높은 것처럼 보이지만, 실제로는 퇴사할 가능성도 더 높습니다. 계산에 재직 기간을 포함시키면 이직 위험을 더 정확하게 나타낼 수 있습니다. 이탈 예측 기능은 사용자 인터페이스에 3가지 임기 범위를 표시하지만, 예측 모델은 임기 세그먼트를 이러한 임기 범위에 매핑합니다.
이탈 모델이 세그먼트를 임기 범위에 매핑하려면 임기 범위에 대한 모든 사용자 정의가 여전히 위의 범위 내에 있는지 확인하세요. |
이탈 예측 히트 맵에는 맥락을 파악하기 위해 과거 사직 내역이 포함된 열도 표시되지만, 이는 이탈 위험 계산에는 영향을 미치지 않습니다.
사임
열에는 퇴사사유
속성 내의사임
세그먼트의 데이터가 표시됩니다.이탈 위험 수준
간단히 말해서, 이탈 모델은 "각 세그먼트의 이탈 위험은 조직의 평균 이탈 위험과 어떻게 비교됩니까?"라는 질문에 답합니다. 해석 및 권장 사항은 다음을 참조하세요. 개념: 이탈 예측 보고.
위험 수준 | 세그먼트별 이탈 위험 |
|---|---|
최고 수준 | 이 부문에서 이탈 위험은 조직의 상위 10%에 해당합니다. |
높음 | 이 부문에서 이탈 위험은 조직의 상위 25%에 해당합니다. |
평균 이상 | 이 부문에서 이탈 위험은 조직의 상위 50%에 해당합니다. |
평균 이하 | 이 부문에서 이탈 위험은 조직의 하위 50%에 해당합니다. |
낮음 | 이 부문에서 이탈 위험은 조직 내 하위 25%에 해당합니다. 이 부문의 참여도는 높습니다. |
최저 수준 | 이 부문에서 이탈 위험은 조직의 하위 10%에 해당합니다. 이 부문의 참여도는 높습니다. |
귀하의 세그먼트 구성과 그에 따른 세그먼트별 이탈 위험이 귀하 조직의 규정 준수 요구 사항을 충족하는지 확인하려면 법률 고문과 상담하세요. 고객은 이 기능의 사용에 대한 지침을 직원들에게 구성하고 제공함으로써 의도적이든 아니든 직간접적으로 차별이나 차별적 결과가 발생하지 않도록 할 수 있습니다. 고객은 이탈 예측 모델 사용 및 이탈 위험으로 인해 발생하는 모든 법적 의무를 이해하고 준수할 책임이 있습니다. 여기에는 차별 금지법에 따라 요구될 수 있는 모든 평가, 테스트 또는 문서화가 포함됩니다.
예측 정확도 향상
Peakon의 이탈 위험 모델은 다음과 같은 경우 가장 정확하게 작동합니다.
- 설문조사 참여를 늘리고 피드백도 적극적으로 수용합니다.
- 더 빠른 속도로 추세와 위험을 파악하기 위해 설문 조사 빈도를 높입니다. 답변이 최신일수록 현재 위험을 더 정확하게 예측할 수 있습니다.
- 표준 충성도 및 성장 질문을 활성화합니다.
- 표준 임기 범위를 사용하거나 사용자 정의된 범위가 이탈 예측 모델에서 사용하는 범위 내에 여전히 맞는지 확인하세요. 예: 원래 3~12개월 간격에 속했던 세그먼트를 3~6개월과 6~12개월로 변경하면 두 세그먼트 모두 해당 간격에 포함됩니다. 그러나 범위를 3~13개월로 변경하면 이탈 모델이 해당 세그먼트를 적용 가능한 간격에 매핑할 수 없습니다.
Peakon은 Attrition Risk 기능이 작동하는 데 위의 포인트가 필요하지 않지만, 점수 정확도를 높이고 모델에 사용되는 데이터 세트에 도움이 됩니다.