概念：人員流失預測方法
人員流失預測使用您的調查和員工資料來為您的公司各部門分配人員流失風險等級。要了解有關使用和解釋結果的更多信息，請參閱 概念：員工流動預測報告。
計算
流失預測使用一個統計模型，該模型根據 Peakon 資料庫中數百萬個調查資料點的離職行為進行訓練。在確定每個細分市場的流失風險時，模型使用 5 個關鍵因素並遵循以下順序：
- 此模型計算每位員工的流失風險。
- 然後，該模型使用員工層面的流失風險來計算每個部門以及整個公司的平均流失風險。
- 該模型將每個部門的平均風險與公司的平均風險進行比較，以確定人員流失風險程度。例：行銷部門的人員流失風險在貴組織中位居前 10%。
關鍵因素
因素 | 說明 |
|---|---|
敬業度分數 | 與 eNPS 基準的差異問題： 您推薦 [您的組織] 作為工作場所的可能性有多大？ 。我們觀察到，在 eNPS 問題上給出 0-6 分的員工辭職的可能性比在 eNPS 問題上給出 9-10 分的員工高出 3 倍以上。 員工在剛開始新工作時通常最投入。平均而言，無論員工是否有離職意向，在就業的前兩年，敬業度都會下降 1 個百分點。這是預料之中的，而這種下降趨勢通常在任職一年後趨於平穩。 |
忠誠度評分 | 與忠誠度基準的差異問題： 如果另一個組織向您提供相同的工作，您留在 [組織] 的可能性有多大？ 留在企業的員工的平均忠誠度得分比離職員工的平均忠誠度得分高出 20%。 |
成長分數 | 與成長問題基準的差異： 我感覺自己在專業上正在成長 。這個問題涉及員工所認為的提高個人和職業發展的機會。 |
參與度 | 最新一輪調查的總參與率。 離職員工的回覆率比留下來的員工低15%。我們對調查回應的分析表明，對回答調查失去興趣的員工也不會對改善工作環境失去興趣，因此他們離開組織的風險更高。 |
任期 | 依照 任期 （或同等）屬性，在組織中度過的時間。一般來說，員工在前兩年內離職的可能性比之後更大。任職 3 個月後，員工參與度也會出現最大下降。 這就形成了一個悖論，因為表面上看，與其他任職期限較長的員工相比，你的員工敬業度更高，但他們離職的可能性也更大。將任職期限納入計算可以更準確地顯示人員流失風險。 儘管人員流失預測功能在使用者介面中顯示了 3 個任期範圍，但預測模型會將您的任期細分與這些任期範圍進行對應：
對於將員工流失模型對應到任期範圍而言，請確保任期範圍的任何客製化仍然在上述範圍內。 |
人員流失預測熱圖也顯示了一列過去的辭職情況，儘管它對人員流失風險計算沒有任何幫助。
「已辭職
」欄位顯示 分離原因
屬性中 「已辭職
」段的資料。人員流失風險等級
簡而言之，人員流失模型回答了這個問題：“與貴組織的平均人員流失風險相比，每個部門的人員流失風險如何？”有關解釋和建議，請參閱 概念：員工流動預測報告。
風險等級 | 各部門員工流動風險 |
|---|---|
嚴重 | 該部門的人員流失風險在貴組織中處於前 10%。 |
高 | 該部門的人員流失風險在貴組織中處於前 25% 之列。 |
高於平均水平 | 該部門的人員流失風險在貴組織中處於前 50% 之列。 |
低於平均水平 | 該部分員工流失風險處於組織底層的 50%。 |
低 | 該部分員工流失風險處於組織的最底層 25%。該部分的參與度很高。 |
最小 | 該部分員工流失風險處於組織的最底層 10%。該部分的參與度很高。 |
請諮詢您的法律顧問，以確定您的細分配置以及細分的流失風險是否符合您組織的合規性要求。客戶可以配置此功能並向其員工提供使用說明，以確保其不會直接或間接地導致歧視或歧視結果，無論是否有意。客戶有責任了解並遵守因使用流失預測模型和流失風險而產生的任何法律義務，包括反歧視法可能要求的任何評估、測試或文件。
提高預測準確性
Peakon 的流失風險模型在下列情況下最為精確：
- 增加積極的調查參與度，同時採取回饋措施。
- 提高調查頻率，以便更早發現趨勢和風險——答案越新，對當前風險的預測就越準確。
- 啟用標準忠誠度和成長問題。
- 使用標準任期範圍，或確保自訂範圍仍符合人員流失預測模型所使用的範圍內。範例：如果將原本在 3-12 個月間隔內的段落更改為 3-6 個月和 6-12 個月，則這兩個段落仍然適合該間隔。但是，如果將範圍變更為 3-13 個月，則流失模型無法將該部分對應到任何適用的間隔。
Peakon 並未要求上述要點對於損耗風險功能的工作不是必需的，但它們將提高分數準確性並為模型中使用的資料集做出貢獻。