概念：人员流失预测方法
人员流失预测使用您的调查和员工数据来为您的公司各个部门分配人员流失风险等级。要了解有关使用和解释结果的更多信息，请参阅 概念：员工流失预测报告。
计算
流失预测使用一个统计模型，该模型根据 Peakon 数据库中数百万个调查数据点的离职行为进行训练。在确定每个细分市场的流失风险时，该模型使用 5 个关键因素并遵循以下顺序：
- 该模型计算每个员工的流失风险。
- 然后，该模型使用员工层面的流失风险来计算每个部门以及整个公司的平均流失风险。
- 该模型将每个部门的平均风险与公司的平均风险进行比较，以确定人员流失风险水平。示例：营销部门的人员流失风险在贵组织中位居前 10%。
关键因素
因素 | 描述 |
|---|---|
敬业度评分 | 与 eNPS 基准的差异问题： 您推荐 [您的组织] 作为工作场所的可能性有多大？ 。我们观察到，在 eNPS 问题上给出 0-6 分的员工辞职的可能性比在 eNPS 问题上给出 9-10 分的员工高出 3 倍以上。 员工在刚开始新工作时通常最投入。平均而言，无论员工是否有离职意向，在就业的前两年，敬业度都会下降 1 个百分点。这是预料之中的，并且这种下降趋势通常在任职一年后趋于平稳。 |
忠诚度评分 | 与忠诚度基准的差异问题： 如果另一个组织向您提供相同的工作，您留在 [组织] 的可能性有多大？ 留在企业的员工的平均忠诚度得分比离职员工的平均忠诚度得分高出 20%。 |
成长分数 | 与成长问题基准的差异： 我感觉自己在专业上正在成长 。这个问题涉及员工所认为的提高个人和职业发展的机会。 |
参与度 | 最新一轮调查的汇总参与率。 辞职员工的回复率比留下的员工低15%。我们对调查回复的分析表明，对回答调查失去兴趣的员工也不会对改善工作环境失去兴趣，因此他们离开组织的风险更高。 |
任期 | 按照 任期 （或同等）属性，在组织中度过的时间。一般来说，员工在头两年内离职的可能性比之后更大。任职 3 个月后，员工参与度也会出现最大下降。 这就形成了一个悖论，因为表面上看，与其他任职期限较长的员工相比，你的员工敬业度更高，但他们离职的可能性也更大。将任职期限纳入计算可以更准确地表明人员流失风险。 尽管人员流失预测功能在用户界面中显示了 3 个任期范围，但预测模型会将您的任期细分与这些任期范围进行映射：
对于将员工流失模型映射到任期范围而言，请确保任期范围的任何定制仍然在上述范围内。 |
人员流失预测热图还显示了一列过去的辞职情况，尽管它对人员流失风险计算没有任何帮助。
“已辞职
”列显示 分离原因
属性中 “已辞职
”段的数据。人员流失风险等级
简而言之，人员流失模型回答了这个问题：“与贵组织的平均人员流失风险相比，每个部门的人员流失风险如何？”有关解释和建议，请参阅 概念：员工流失预测报告。
风险等级 | 各部门员工流失风险 |
|---|---|
严重 | 该部门的人员流失风险在贵组织中处于前 10%。 |
高 | 该部门的人员流失风险在贵组织中处于前 25% 之列。 |
高于平均水平 | 该部门的人员流失风险在贵组织中处于前 50% 之列。 |
低于平均水平 | 该部分员工流失风险处于组织底层的 50%。 |
低 | 该部分员工流失风险处于组织的最底层 25%。该部分的参与度很高。 |
最低 | 该部分员工流失风险处于组织的最底层 10%。该部分的参与度很高。 |
请咨询您的法律顾问，以确定您的细分配置以及细分的流失风险是否满足您组织的合规性要求。客户可以配置此功能并向其员工提供使用说明，以确保其不会直接或间接地造成歧视或歧视结果，无论是否有意。客户有责任了解并遵守因使用流失预测模型和流失风险而产生的任何法律义务，包括反歧视法可能要求的任何评估、测试或文件。
提高预测准确性
Peakon 的流失风险模型在以下情况下最准确：
- 增加积极的调查参与度，同时采取反馈措施。
- 提高调查频率，以便更早地发现趋势和风险——答案越新，对当前风险的预测就越准确。
- 启用标准忠诚度和增长问题。
- 使用标准任期范围，或确保自定义范围仍然符合人员流失预测模型使用的范围内。示例：如果将原本在 3-12 个月间隔内的段更改为 3-6 个月和 6-12 个月，则这两个段仍然适合该间隔。但是，如果将范围更改为 3-13 个月，则流失模型无法将该部分映射到任何适用的间隔。
Peakon 并不要求上述要点对于损耗风险功能的工作不是必需的，但它们将提高分数准确性并为模型中使用的数据集做出贡献。