개념: 이탈 예측 보고
이탈 예측은 조직 내 특정 부문의 이탈 위험을 파악하는 데 도움이 될 수 있습니다. Peakon이 이탈 위험을 계산하는 방법에 대해 자세히 알아보려면 다음을 참조하세요. 개념: 이탈 예측 방법론.
Peakon의 소모 예측 모델:
- 비용이 많이 드는 이직이 발생하기 전에 이를 예측하고 그 이유에 대한 통찰력을 제공합니다.
- 실시간으로 직원의 이직 위험을 추산하고, 직원이 피드백을 제출할 때마다 다시 계산하여 최신 정보를 제공합니다.
- 각 직원의 신원을 보호하는 동시에 예측 정확도를 높게 유지하면서도 집계된 세그먼트 수준 보기로 표시합니다.
- 고객 참여 전략을 최적화하고 후회스러운 이탈을 방지하는 데 도움을 드립니다.
항해
감소 히트 맵은
관리자
액세스 그룹 사용자를 위해 아래 영역에서 제공됩니다. 관리자는이탈 예측
권한을 사용하여 다른 액세스 그룹에 대해서도 이 기능을 활성화할 수 있습니다. 이탈률 히트맵은 현재 보고 있는 상황의 하위 세그먼트를 표시하므로 고위 리더에게 가장 유용합니다.분야 | 설명 |
|---|---|
메인 대시보드 | 메인 대시보드는 분리 날짜 와분리 이유를 제외한 모든 세그먼트에 대한집중 세그먼트 영역에서 이탈 위험을 표시합니다. 일반적으로 집중 세그먼트는 직원이 많은 대시보드에 표시됩니다. |
세그먼트 영역 | 전체 이탈 보고서는 분석 >세그먼트 >이탈 에서 확인할 수 있습니다. 보고서는 이직에 영향을 미치는 5가지 주요 요인에 대한 열과 맥락을 제공하기 위한 사임 열을 표시합니다. |
해석
이탈 보고서에서 각 세그먼트에 표시되는 위험 수준은
해당 세그먼트의 이탈 위험을 조직 전체의 평균 이탈 위험과 비교한
값입니다.예:
마케팅
부문은 회사의 이직 위험이 상위 25%에 속합니다.이 예는 Peakon이 회사의 모든 세그먼트의 이탈 위험을 비교했을 때
마케팅
세그먼트가 상위 25% 그룹에 속한다는 것을 보여줍니다. 이는마케팅
부문에서 직원이 떠날 확률이 25%라는 의미도 아니고, 부문 직원의 25%가 떠날 것이라는 의미도 아닙니다(이직 위험은 부문 수준에서 나타납니다).각 세그먼트에 적용되는 위험 수준은 직원이 향후 6개월 이내에 회사를 그만둘 예측 확률을 나타냅니다. 그러나 우리는 퇴사자들이 사직하기 약 9개월 전부터 경고 신호를 보이기 시작하는 것을 관찰했습니다.
추천사항
특정 부문에 심각한 이직 위험이 있다고 해서 반드시 해당 직원이 떠날 것이라는 의미는 아닙니다. 이는 조직의 나머지 부분과 비교했을 때 이직 위험이 (훨씬) 높다는 것을 의미합니다. 이 부문에 더욱 많은 주의를 기울이면 위험을 줄이는 데 도움이 될 수 있습니다.
이탈 위험을 유발하는 요인이 무엇이든, 우리는 전체적인 접근 방식을 사용하는 것을 권장합니다.
- 집중해야 할 분야를 파악하고 의견을 검토하여 그 이유를 이해하려고 노력하세요.
- 권장되는 조치와 리소스를 검토하고, 팀에 전달할 수 있는 명확한 행동 계획을 만듭니다. 예: SMART 프레임워크를 사용하면 목표를 지정하는 데 도움이 될 수 있습니다. 공유 대시보드와 개인 대시보드에서 작업이 표시되는지 확인하세요. 의사소통에서 모든 이정표와 결과를 취한 조치와 연결하여 피드백 루프를 마무리합니다.
- 직원들과 공개적이고 투명한 의사소통을 통해 직원들의 피드백을 어떻게 받아들이는지 이해시키세요.
- 피드백을 누가 볼 수 있는지, Peakon이 어떻게 점수를 집계하는지, 댓글이 어떻게 작동하는지 명확히 설명하여 기밀 유지에 대한 우려를 해소하세요. 직원들이 시스템이 자신의 기밀을 어떻게 보호하는지 이해하고 이를 파악하지 못하면 의미 있는 피드백을 제공하지 못하거나 전혀 참여하지 못할 수도 있습니다.
- 인사부 비즈니스 파트너가 팀 회의에서 관리자가 설문 조사 결과를 논의하도록 지원하고 팀 대시보드를 공유하도록 장려합니다.
- 조직에서 개인 대시보드를 활성화하면 직원이 자신의 설문 조사 결과를 추적하고 팀 및 조직 점수와 비교할 수 있습니다. 보다개인 대시보드 활성화단계를 위해.
- 규모가 큰 세그먼트의 경우, 조합 속성을 사용하여 우선 순위를 정해야 할 분야를 파악해 보세요. 예: 수동으로 생성된 직원 수명 주기 속성을 위치 또는 직무 수준 속성과 결합합니다. 보다 조합 유형 속성 만들기단계를 위해.
- 신규 직원이나 재직 기간이 짧은 직원이 많은 부문의 경우, 조직이 피드백을 환영하고 이를 투명하게 적용한다는 것을 보여주는 중요한 시점입니다.
예시
이탈 위험 계산에 영향을 미치는 요소에 대해 알아보려면 다음을 참조하세요. 개념: 이탈 예측 방법론. 이 예에서는
사임
열이 제외되어 있습니다. 보고서는 맥락을 위해서만 이를 표시하기 때문입니다.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.
예제 1
세그먼트 | 위험 수준 | 보유 | 참여 | 벤치마크 차이 |
|---|---|---|---|---|
도쿄 | 낮음 |
|
|
|
기여 운전자 점수는 기준치를 훨씬 뛰어넘었으므로, 이 직원 그룹은 이 조직을 근무하고 싶은 곳으로 추천하고, 충성도를 유지하며, 성장 기회를 찾을 것이라고 말합니다.
위험 수준은 낮지만 '최소한'은 아닙니다. 이는 직원의 상당수가 일반적으로 퇴사 가능성이 높은 처음 두 임기 단계 중 하나에 있기 때문일 가능성이 높습니다. 이 세그먼트는 최근 라운드에서도 참여율이 낮은데, 참여율이 계속 감소한다면 우려스러울 수 있습니다. 참여도가 낮은 직원은 피드백을 제공하는 데 관심이 없거나 자신의 피드백이 중요하지 않다고 생각합니다.
예제 2
세그먼트 | 위험 수준 | 보유 | 참여 | 벤치마크 차이 |
|---|---|---|---|---|
뉴욕 | 평균 이상 |
|
|
|
대부분의 직원들은 재직 기간이 길어서 회사에 더 잘 적응합니다. 그러나 기여 운전자 점수는 기준치를 약간 웃돌았을 뿐이며, 해당 부문의 3분의 2만이 최신 설문 조사를 완료했습니다.
근속 기간이 2년 이상인 직원은 이직 위험이 낮지만, 이 분야의 직원들은 새로운 직장을 적극적으로 찾는 데 너무 편안함을 느끼고 반드시 참여하지 않는 경우가 있습니다.
예제 3
세그먼트 | 위험 수준 | 보유 | 참여 | 벤치마크 차이 |
|---|---|---|---|---|
오클랜드 | 높음 |
|
|
|
이 예는 언뜻 보기에 예 1과 비슷해 보일 수 있지만, 이 예의 임기 분포가 예 1에 더 큰 영향을 미칩니다. 전반적으로 이 부문에는 재직 기간과 참여라는 두 가지 잠재적 이탈 위험 요인이 있습니다.
세그먼트의 3분의 1은 온보딩 단계에 있으며, 이는 일반적으로 이탈 위험이 더 높습니다. 우리는 이 단계에 있는 직원들이 더 높은 참여도를 보이는 경우가 많고, 3개월이 지나면서 참여도가 떨어지는 경향이 있다는 것을 알고 있습니다. 전반적으로 세그먼트의 거의 절반이 상위 2개 임기 그룹에 속한다는 것은 확실히 이탈 위험에 영향을 미칩니다.
또한, 이 세그먼트의 참여율이 낮은데, 이는 이 세그먼트의 상당수가 자신의 피드백이 중요하지 않다고 생각하거나 직장 환경 개선에 참여할 만큼 관심이 없다는 것을 의미합니다. 이 세그먼트는 참여하는 직원들에게 벤치마킹할 만한 매우 긍정적인 차이를 제공합니다. 이는 참여한 신규 가입자나 만족스럽고 충성스러운 기존 가입자에게서 나올 수 있습니다.
예제 4
세그먼트 | 위험 수준 | 보유 | 참여 | 벤치마크 차이 |
|---|---|---|---|---|
파리 | 최고 수준 |
|
|
|
관련 드라이버 3개는 벤치마크와 큰 부정적 차이가 있습니다. 이 직원 그룹은 이 회사를 직장으로 추천하지 않을 것이며, 충성심을 유지하지 않을 것이며, 성장 기회도 없다고 분명히 전달하고 있습니다.
이 부문은 전체 직원의 3분의 1 이상이 처음 두 근속 그룹에 속해 있으며, 이는 이직 위험에 부정적인 영향을 미칩니다. 전반적으로 이 직원 그룹은 아직 정착하지 못했으며, 핵심 동인에 대한 점수가 벤치마크보다 훨씬 낮습니다.