Прогноз оттока персонала на основе показателей уровня безработицы

Хорошая гипотеза, правда: Зная, какой уровень безработицы, прогнозировать отток персонала.

Ну конечно же, мы думаем, что при увеличении % безработицы, отток персонала будет снижаться. Ну вроде как этот самый персонал в отток не хочет выходить по причине нестабильности. 

Одна компания, имени которой я не назову, посчитала для себя такую аналитику оттока персонала. А вот аналитикой я уже могу с вами поделиться. 

Данные состоят из трех переменных помесячно:

1. 'fire' - Отток персонала (сколько ушло);
2. 'hire' - Приток (сколько пришло);
3. 'unemp' - % уровня безработицы по России.

Результат

Заметьте, какая красота - мечта поэта. Ради этих минут аналитики и живут. 

1. Чем выше уровень безработицы, тем меньше отток персонала - коэффициент корреляции Пирсона - 0, 58. С P-value все тоже в порядке. 
2. Чем больше принимают, тем больше из компании отток песронала - это тоже логично, 0, 484 коэффициент корреляции.
3. И самое интересное: чем выше уровень безработицы, тем меньше набирают людей. - 0, 457. Могу только предположить, что это уже особенности бизнеса, речь идет о ритейле: чем выше уровень безработицы, тем меньше платежеспособность населения, тем меньше персонала нужно обслуживать это самое неплатежеспособное население. 
4. Кроме того, я добавил еще одну переменную 'unemp1' - я сдвинул переменную "уровень безработицы" на месяц назад. Т.е. если корреляция 'unemp' и 'Fire' идет месяц в месяц (безработица в сентябре сравнивается с оттоком персонала в сентябре же, уровень безработицы в октябре с оттоком персонала в октябре же и т.п..), то 'unemp1' позволяет посчитать корреляцию оттока персонала с уровнем безработицы прошлого месяца: будет ли коррелировать уровень безработицы в сентябре с оттоком персонала в октябре и т.п... Идея очень важная: чтобы прогнозировать отток персонала в октябре мы не располагаем данными уровня безработицы этого октября, мы знаем точно только уровень безработицы сентября, поэтому я заложил эту переменную.
   И да, такая корреляция есть: с оттоком персонала корреляция чуть чуть ниже (-0, 538), чем у 'unemp', а вот с подбором даже чуть выше (-0, 53). И последнее как раз раз касается тоже важной штуки: мы же можем прогнозировать не только отток, мы можем прогнозировать найм сотрудников. Это про workforce planing 

Прогноз

Построил на основе этих переменных прогноз оттока персонала. 

• Голубая линия - факт оттока персонала;
• Красная линия - прогноз оттока персонала. 

Судите сами, насколько точно мы можем прогнозировать отток персонала всего лишь на основе трех переменных: самого оттока персонала, уровня найма и уровня безработицы. 

Правда, здесь есть одна тонкость: я прогнозировал отток персонала на основе прошлых периодов. Т.е. если выше показана связь месяц в месяц (берем уровень безработицы и отток персонала последовательно январь, февраль и т.п..), то эта картинка показывает, как мы можем прогнозировать отток персонала в декабре на основе данных уровня безработицы и не только в ноябре, октябре и т.п....

И это обоснованный подход: поскольку в реальных условиях мы знаем уровень безработицы и найм персонала только на текущий месяц, исходя из этой установки я и делал прогноз оттока персонала. Но если у нас будет достаточно ясной картина по найму персонала, а в уровень безработицы мы заложим оптимистичный и пессимистичный прогнозы, то сможем не просто улучшить прогноз, но получим оптимистичный и пессимистичный сценарий оттока персонала.
Хотите у себя выстроить прогноз текучести - обращайтесь 

__________________________________________________________

На этом все, читайте нас в фейсбуке и телеграмме