Подходы к анализу, прогнозу и управлению текучести персонала

Этот пост рефлексия работы в сфере текучести персонала. Не дают покоя лавры Ричарда Розенбоу Анализ текучести персонала – Описательные методы. Я вижу перспективными три подхода в анализе и прогнозе текучести персонала:

1. Средний срок жизни;
2. Индивидуальный прогноз;
3. Прогноз % текучести будущих периодов.

Названия рабочие, надеюсь на поддержку аналитиков в дополнении

Средний срок жизни

Анализ и управлению текучестью персонала в этом подходе идентично соответствует управлению продолжительностью жизни в государстве.
Метрика качества управления продолжительностью жизнью - средний срок жизни. Это очевидный, физически совершенно понятный показатель: в России по итогам первого полугодия 2017 года составила 72,4 года.
И логика управления продолжительностью жизни человека интуитивна понятна и очевидна: мы выявляем факторы, влияющие на продолжительность жизни и снижаем / увеличиваем их размер. Например, снижение потребления алкоголя (или снижение выбросов промышленных предприятий в атмосферу, или увеличение затрат на медицину, или увеличение потребления качественных продуктов, или увеличение числа часов занятий в спортзале) повысит среднюю продолжительность жизни в стране.
Обратите внимание, мы не можем прогнозировать индивидуальный срок жизни человека, но мы говорим о среднем сроке жизни по стране.
Идентичный процесс происходит в HR в управлении текучестью персоналом. Мы выявляем, например, что кандидаты, пришедшие в компанию по рекомендациям работников "живут" в компании дольше (см, например Как правильно выбирать HR-метрики, но обратите внимание, это работает не всегда, вот обратный пример Кейс по выявлению драйверов текучести персонала в разрезе филиалов- поэтому считайте свою аналитику. Если выяснится, что ваши рефералы работют не дольше остальных, это уже хороший повод задуматься, что вы делаете не так). Следовательно, мы вправе ожидать, что если реферальная программа будет закрывать не нынешние 13 % трафика кандидатов, а 30 %, то средний срок жизни работников в компании увеличится.
Таким образом, анализ текучести персонала сводится к выявлению драйверов / факторов, влияющих на текучесть персонала, а управление текучестью сводится к максимизации позитивных проявлений фактора. Например, увеличению доли рефералов в общем трафике кандидатов.
В данном подходе вполне работают как алгоритмы классификации, так и алгоритмы дожития. И точность прогноза нас не должна сильно волновать: важно, что фактор действительно значимо влияет на текучесть, и мы не тратим ресурсы впустую, работая с данным фактором.

Диаграмма 1. Общая "температура по больнице" - средний срок жизни к компании.

• По оси X - стаж работы в месяцах;
• Ось Y - вероятность доработать до определенного стажа в компании;
• Пунктирные линии - границы ошибки.

Найдите на оси Y отметку 0, 5 - это 50 % вероятность ухода из компании. Проведите мысленно линию влево от этой отметки в 0, 5 до пересечения с красной сплошной линией и от места пересечения проведите линию вниз - на ось X. Это и будет средняя продолжительность работы сотрудника в компании.

Диаграмма 2. Тоже самое, но в разрезе источников трафика подбора персонала. 

В данной компании (данные реальные) лучший источник трафика кандидатов - центры занятости, а худший - джоб сайты.

Индивидуальный прогноз

Этот подход является логическим продолжением вышеприведенного подхода. Но если подход выше это ковровая бомбардировка, которая дает эффект на площадях, то в данном случае требуется работа снайпера.
На основе одного лишь только фактора (источник фактора, например) мы не можем дать индивидуальный прогноз - велика дисперсия стажа. Но если мы в одной модели объединим все выявленные факторы (источник трафика, личные качества кандидата, психологическую совместимость с руководителем, наличие / отсутствие наставника и т.п.. ), то можем уже вымучивать индивидуальный прогноз - вероятность ухода кандидата.
В этом подходе принципиальное значение имеет сам алгоритм. Я являюсь противником моделей классификации для индивидуального прогноза. Классификация в данном подходе отвечает на вопрос, какова вероятность ухода из компании кандидата до определенного срока, например, какова вероятность, что кандидат не проработает дольше года. Внешне выглядит красиво, но задумайтесь, если кандидат уйдет через три месяца и через девять месяцев - это с точки зрения модели будет про одно и тоже. А если кандидат проработает год или три года для модели это будет одинаково. Это правильно? Не уверен.
Я согласен с Пашей Робертс Как использовать анализ дожития для прогноза текучести персонала от Pasha Roberts: дожитие - наиболее адекватный алгоритм для индивидуального прогноза.

Диаграмма 3. Вариант представления индивидуального прогноза рисков увольнения кандидатов из компании

Данные диаграммы также взяты из реальной компании. Очевидно, что Петров нам не очень подходит, если мы ставим целью удержание персонала.
На этой диаграмме реализован процесс принятия решения по кандидату на основе выбора из нескольких кандидатов, в более общем виде процесс принятия решения выглядит так

Диаграмма 4. Схема принятия решения по кандидату. 

Здесь стаж в годах по оси X (взял из презентации Паши Робертс). Эта диаграмма показывает общую картину по компании (или, что лучше, картину по определенной позиции). Самая светлая область - среднее значение.
Соответственно, принятие решения по кандидату сводится к пониманию, в какую область диаграммы он попадет.
Если кривая дожития кандидата попадает в красную зону, у кандидата высокие риски раннего ухода из компании.
Если зона голубая - это наш чувак.
Выбор также зависит от скамейки запасных: если у нас на десять вакансий три краснозонных, то и этих возьмем, несмотря на протесты HR аналитика.

Прогноз % текучести будущих периодов

Оба вышеуказанных подхода работают в парадигме метафоры, когда мы, желая увеличить продолжительность жизни населения, укрепляем им здоровье. Но при этом в стране случаются войны, землетрясения, эпидемии, магнитные бури и сезонность. И как бы мы не обливались холодной водой, есть факторы over.
Пытаться прогнозировать средний срок жизни, учитывая вероятность землетрясения конкретно у данного кандидата, наверное, можно, но я пока не понимаю как.
Но я понимаю, что можно прогнозировать отток персонала на основе подобных факторов. См. Кейс «Зависит ли текучесть персонала от размера премии». Мы нашли связь между размером премии и текучестью. Таким образом, отдел HR-аналитики, зная % премии в этом месяце, может прогнозировать % оттока - % текучести персонала и, соответственно, может прогнозировать объем найма персонала. И чем больше факторов (% премии, сезонность, уровень активности конкурентов в регионе и т.п.) мы выявим, тем выше точность прогноза оттока персонала.

Диаграмма 5. Текучесть персонала компании помесячно

1. По оси X - месяцы;
2. По оси Y - текучесть персонала в % 

Данные опять же реальные. Наша задача - спрогнозировать, сколько % будет в будущем месяце.  Пока это у меня выглядит так

Диаграмма № 6. Прогноз текучести будущих периодов

По оси X опять же месяцы, Y - % текучести. Голубая линия - реальная текучесть, а зеленая - прогнозная.

__________________________________________________________

На этом все, читайте нас в фейсбуке и телеграмме

Понравился пост? 

и Вы захотите выразить мне благодарность, просто покликайте на директ рекламу ниже на странице - у вас это отнимет несколько секунд, а мне принесет немного денег.