Перевод статьи Do You Really Know Why Employees Leave Your Company?

Авторы статьи 

• Anthony C. Klotz is an Associate Professor of Management at Texas A&M University’s Mays Business School.
• Mark C. Bolino is the David L. Boren Professor and Michael F. Price Chair in International Business at the University of Oklahoma’s Price College of Business. His research focuses on understanding how organizations can inspire employees to go the extra mile without compromising their personal well-being.

Читайте также 13 признаков, что сотрудник планирует увольняться (согласно исследованиям)

Следите за статьями в нашем телеграм канале HR-аналитики

В тему статьи рекомендую курсы

Текучесть персонала по-новому: расчет среднего срока жизни сотрудника в Excel

Анализ дожития / Survival analysis (в HR)

и 

Услуга Расчет среднего срока жизни сотрудника

Вы действительно знаете, почему сотрудники уходят из вашей компании?

Summary

Слышать слова «Я увольняюсь» редко бывает приятно, но менеджеры и специалисты по персоналу могут получить ценные знания для своих фирм, применяя научно обоснованный подход к выяснению причин ухода сотрудников. Начните с поиска закономерностей. В целом, склонны ли сотрудники следовать правилам компании? В определенных отделах чаще увольняются? Ответы на такие вопросы могут помочь вам определить проблемные области. Затем посмотрите, что говорят коллеги, которые были наиболее близки к уходящему сотруднику. Хотя люди не всегда будут открыты для раскрытия своих истинных причин для увольнеия, во многих случаях их коллеги могут иметь знать причины. Наконец, изучите, что уходящие сотрудники делают дальше, и извлеките уроки из их решений. Специалисты по персоналу могут сделать это, отслеживая, куда они уходят.

Уровень текучести побил рекорд - она самая высокая в тм тысячетелетии. Когда сотрудник увольняется, это может казаться ударом ниже пояса, заставляя менеджеров ломать голову как в эмоциональном, так и в оперативном плане. Потеря может быть особенно острой, когда сотрудники «призраки»  просто не приходят на работу, иногда всего через несколько дней после начала работы.

В своем бестселлере «Principles» в New York Times Рэй Далио утверждает, что неудачи, такие как потеря ценного сотрудника, предоставляют организациям важную возможность обучения - до тех пор, пока лидеры готовы задуматься и определить первопричину таких потерь. Однако слишком часто менеджеры и специалисты по персоналу настолько заняты устранением повреждений, что не могут провести тщательное вскрытие, чтобы помочь им понять, что произошло, и какие корректирующие действия необходимы для предотвращения подобных эпизодов в будущем.

Конечно, во многих организациях есть процесс собеседования при увольнении, который якобы должен дать понимание, помогающее улучшить удержание сотрудников. Однако даже при хорошем проведении эти интервью имеют серьезные недостатки. Исследования показывают, что даже когда проводятся собеседования на выходе, большой процент сотрудников не откровенен. В то время как некоторые уходящие сотрудники маскируют критическую обратную связь, чтобы оставить положительное впечатление, другие считают, что предоставление этой информации является пустой тратой времени, поскольку они считают, что компания не желает меняться. Кроме того, уходящие сотрудники могут думать, что из-за того, как плохо к ним относилась их компания, руководство не заслуживает того, чтобы знать их истинные причины ухода. Короче говоря, интервью на выходе часто неэффективны. 

Итак, как организации могут более конструктивно реагировать на увольнения - способами, которые могут превратить боль текучести кадров в прогресс? На основании нашего исследования, посвященного изучению опыта сотен уволившихся сотрудников и руководителей недавно уволившихся сотрудников, мы предлагаем три рекомендации:

Узнайте, как сотрудник уволился. Обычно люди уходят в отставку, используя один из семи стилей, которые варьируются от положительного и конструктивного до отрицательного и вредного:

• Благодарное прощание: сотрудники выражают признательность и оказывают помощь при уходе
• В курсе: сотрудники информируют своего руководителя о своем намерении уйти
• По правилам: сотрудники предоставляют стандартное уведомление и объяснение своего ухода
• Perfunctory: сотрудники увольняются по закону, но не объясняют, почему они уходят
• Избегающий: сотрудники косвенно информируют своего руководителя или позволяют сообщать о своей отставке до них.
• Сжигание мостов: сотрудники проявляют вредное дисфункциональное поведение на выходе
• Импульсивное увольнение: сотрудники уходят без предварительного уведомления

Эти стили часто отражают то, как увольняющиеся сотрудники чувствуют, что их организация и их руководитель относились к ним перед уходом. Таким образом, если многие сотрудники фирмы уходят в отставку, выражая благодарность и уведомляя об этом, это может указывать на то, что организация является здоровым местом для работы. С другой стороны, если мосты имеют тенденцию сгорать во время увольнений сотрудников, лидеры должны воспринимать это как сигнал о том, что им следует расследовать причину этих разрушительных увольнений.

Таким образом, первый шаг к превращению увольнений сотрудников в источник организационного обучения и улучшения состоит в том, чтобы кодировать их на основе стиля и периодически пересматривать. Если руководители обнаруживают закономерности в этих данных, они могут начать определять источник проблемы. В целом, склонны ли сотрудники следовать руководящим принципам компании при увольнении (делая это по инструкции) или существуют большие различия в том, как сотрудники увольняются? Является ли уход с работы без предупреждения более обычным явлением в определенных отделах или для определенных сотрудников? Всегда ли сотрудники некоторых надзорных органов уходят в отставку, уведомляя об этом больше, чем требуется? Тщательное изучение стилей отставки может помочь организациям четко определить яркие пятна и проблемные области.

Посмотрите, что говорят коллеги увольняющегося. Хотя люди не всегда будут открыты для раскрытия своих истинных причин для отказа от курения, во многих случаях их коллеги могут иметь понимание и быть мотивированы поделиться этой информацией, чтобы помочь организации стать лучше. Таким образом, проводя неформальные беседы с коллегами, близкими к уволившемуся сотруднику, компании могут выяснить мотивы их ухода. Дополнительным преимуществом этого подхода является то, что он дает оставшимся сотрудникам, которые могут быть разочарованы и сбиты с толку отставкой своего коллеги, возможность обсудить свои мысли и мнения, что может уменьшить любое чувство беспокойства.

Конечно, некоторые коллеги могут подумать, что компания просит их проявить нелояльность по отношению к другу, поделившись этой потенциально личной информацией. Таким образом, мы рекомендуем признать ту напряженность, которую может создать это направление расследования. Руководители должны заверить сотрудников в том, что их участие является добровольным, и дать понять, что информация, которую они ищут, предназначена только для улучшения опыта оставшейся рабочей силы и эффективности компании. Этот подход, вероятно, будет наиболее эффективным, когда менеджеры обладают хорошими рабочими отношениями со своими сотрудниками, так что подчиненные чувствуют себя психологически безопасными, чтобы поделиться своими мыслями, не опасаясь возмездия по отношению к ним или их другу. Точно так же такие разговоры будут более конструктивными, если менеджеры имеют привычку слушать сотрудников и действовать в соответствии с их предложениями.

Изучите и узнайте, что делает сотрудник после увольнения. Специалисты по персоналу могут сделать это, отслеживая, куда идут их выпускники. Если, например, большая часть уволившихся возвращается в ВУЗ, чтобы получить ученую степень, у компании может появиться возможность улучшить удержание за счет предложения льготного или бесплатного образования. Если несколько сотрудников уйдут, чтобы стать домоседами, возможно, более обширные программы работы и семьи обеспечат сотрудникам более здоровый баланс между работой и личной жизнью. Если наблюдается тенденция к увольнению сотрудников, чтобы работать на конкретного конкурента, то, безусловно, стоит изучить культуру, программы развития, компенсации и льготы этой фирмы, чтобы определить, почему ваша организация уступает таланты сопернику.

Слышать слова «Я ухожу» редко бывает приятным, но, преодолевая дискомфорт и используя доказательный подход для определения причины и характера убытков, менеджеры и специалисты по персоналу могут получить ценные знания для своих компаний. В следующий раз, когда сотрудник расскажет о своих планах увольнения, вместо того, чтобы сосредоточить свои усилия на возмещении этого потерянного человеческого капитала и минимизации сбоев, вызванных увольнением, найдите время, чтобы подумать о характере увольнения, собрать данные, чтобы понять причину увольнения. отъезд и рассмотрим его более широкие организационные последствия. Со временем, воспользовавшись возможностью обучения, предоставляемой даже самой болезненной отставкой, добровольная текучесть кадров может стать источником постоянного улучшения для менеджеров и фирм.

Перевод статьи 13 Signs That Someone Is About to Quit, According to Research

Статья из Гарвард Бизнес Ревью, авторы

1. Timothy M. Gardner is an Associate Professor of Management at the Jon M. Huntsman School of Business at Utah State University. 
2. Peter W. Hom is a Professor of Management at the W. P. Carey School of Business at Arizona State University

Следите за статьями в нашем телеграм канале HR-аналитики

В тему статьи рекомендую курсы

• Текучесть персонала по-новому: расчет среднего срока жизни сотрудника в Excel
• Анализ дожития / Survival analysis (в HR)

и 

Услуга Расчет среднего срока жизни сотрудника

13 признаков, что сотрудник планирует увольняться (согласно исследованиям)

Summary

Если вас попросят определить наиболее убедительные признаки того, что сотрудник собирается уволиться, многие менеджеры перечислили бы такие варианты поведения, как ношение одежды для собеседования в офис или оставление резюме. Однако, по мнению Гарднера и Хорна, сигналы гораздо более тонкие. Они определили 13 ключевых моделей поведения, которые сотрудники обычно демонстрируют перед уходом. Хотя ни один фактор не указывает на текучесть кадров, Гарднер и Хорн обнаружили, что чем больше сотрудник проявлял поведение перед увольнением, тем больше вероятность, что он уйдет из организации в течение 12 месяцев. Умение распознавать эти 13 моделей поведения - важный навык для менеджеров и сотрудников, рассматривающих возможность ухода со своих нынешних должностей. Руководители должны использовать эту информацию, чтобы попытаться удержать звездных сотрудников или разработать план на случай возможного ухода. Сотрудник на рынке труда должен осознавать, как его поведение может повлиять на его коллег.

Несмотря на столетние предположения менеджеров и ученых, мы очень мало знаем о том, могут ли определенные сигналы или знаки, показанные сотрудниками, предсказать, собираются ли они уволиться.

Чтобы помочь менеджерам и компаниям выявлять сотрудников, которым грозит увольнение, мы исследовали этот самый вопрос и обнаружили ряд поведенческих изменений, проявляемых сотрудниками - то, что мы называем поведением перед увольнением, - которые являются сильными предикторами добровольного увольнения в течение 12 месяцев после их увольнения. наблюдают менеджеры. Наше исследование было основано на исследовании психологов-эволюционистов Дэвида Басса и Тодда Шакелфорда, показавшего, что романтические партнеры подают сигналы, указывающие на то, совершают ли они неверность. Серия классических исследований психолога Джона Готтмана подтверждает это, определяя, как определенные вербальные и невербальные сигналы, выражаемые супружескими парами во время коротких видеозаписей, могут предсказать их возможный развод.

Но романтическое царство - не единственное место, где могут появляться сигналы. Игроки в покер издают «жесты», которые показывают силу их рук, в то время как игроки в американский футбол читают поведение своих соперников, чтобы решить, как они будут действовать после того, как мяч будет захвачен. Исследования показывают, что преступники научились находить среди них информаторов или тайных офицеров.

Чтобы понять, как теллы могут проявляться на рабочем месте, мы сначала попытались определить большой набор поведенческих изменений, которые демонстрируют сотрудники, которые сигнализируют об их будущей текучести. Мы попросили около 100 менеджеров ответить на следующий вопрос: подумайте на мгновение о коллегах и подчиненных, которые добровольно покинули вашу организацию за последние два года. Чем изменилось их поведение за несколько месяцев до того, как они бросили курить, которые могли бы сказать вам, что они собираются уйти? Мы также попросили 100 сотрудников описать свои собственные изменения в поведении перед уходом с предыдущей работы. Эти запросы выявили более 900 различных вариантов поведения перед увольнением. Респонденты сообщили об относительно необычных поведенческих изменениях (например, «перестали заботиться о своей внешности»; «стали агрессивнее по отношению к другим сотрудникам»), а также о многих обычных (например, «меньшее желание добровольно участвовать в специальных проектах»; «снижение посещаемости. на собраниях персонала »).

На следующем этапе исследования мы отредактировали и сократили список из 900+ моделей поведения до структурированного вопросника из 116 пунктов. Мы провели этот предварительный опрос для трех дополнительных выборок менеджеров. Первая группа менеджеров оценила, как часто предыдущие выпускники придерживались такого поведения перед тем, как уйти. Половина из 116 моделей поведения была исключена, потому что они возникали нечасто (например, «они просили коллег о контактах в других компаниях»; «они демонстрировали внезапные и частые изменения в своем настроении»). Затем мы разослали этот сокращенный опрос другой группе менеджеров, которые оценили, как часто их нынешние подчиненные проявляют эти действия. Затем мы проанализировали эти рейтинги и выделили группу из 13 сильно коррелированных моделей поведения, которые лучше всего отражают склонность сотрудников к добровольной смене кадров в ближайшем будущем. Наконец, мы дважды проверили этот вывод, попросив еще одну группу менеджеров описать поведение своих сотрудников в заключительном опросе из 13 пунктов.

Вот эти пункты:

1. Их производительность труда снизилась больше, чем обычно.
2. Они действовали менее как командные игроки, чем обычно.
3. Они выполняли минимальный объем работы чаще, чем обычно.
4. Они были менее заинтересованы в том, чтобы доставить удовольствие своему менеджеру, чем обычно.
5. Они были менее склонны придерживаться долгосрочных сроков, чем обычно.
6. Они продемонстрировали негативное изменение отношения.
7. Они проявили меньше усилий и мотивации к работе, чем обычно.
8. Они проявили меньше внимания к вопросам, связанным с работой, чем обычно.
9. Они выражали недовольство своей нынешней работой чаще, чем обычно.
10. Они выражали недовольство своим руководителем чаще, чем обычно.
11. Они уходили с работы раньше обычного.
12. Они потеряли энтузиазм по поводу миссии организации.
13. Они проявили меньше интереса к работе с клиентами, чем обычно.

На английском

1. Their work productivity has decreased more than usual.
2. They have acted less like a team player than usual.
3. They have been doing the minimum amount of work more frequently than usual.
4. They have been less interested in pleasing their manager than usual.
5. They have been less willing to commit to long-term timelines than usual.
6. They have exhibited a negative change in attitude.
7. They have exhibited less effort and work motivation than usual.
8. They have exhibited less focus on job related matters than usual.
9. They have expressed dissatisfaction with their current job more frequently than usual.
10. They have expressed dissatisfaction with their supervisor more frequently than usual.
11. They have left early from work more frequently than usual.
12. They have lost enthusiasm for the mission of the organization.
13. They have shown less interest in working with customers than usual.

Самым интересным выводом из этого второго этапа нашего исследования было поведение, которое не выдержало нашего процесса проверки. Обратите внимание, что в 13 основных правил поведения не входят «ношение более элегантной одежды на работу», «оставление резюме на принтере» или «пропуск работы на прием к врачу чаще, чем обычно». Эти и многие аналогичные модели поведения, которые вошли в фольклор менеджеров и являются ключевыми признаками надвигающегося ухода, редко наблюдались или статистически не совпадали с основным поведением, представляющим общую склонность к увольнению. Такое поведение может предсказать будущую текучесть кадров, но не так последовательно, как 13 основных моделей поведения перед увольнением в широком диапазоне рабочих мест, отраслей и географических регионов.

В нашем последнем исследовании мы исследовали, насколько точно 13 основных моделей поведения перед увольнением предсказывают будущую добровольную смену. В январе и феврале 2014 года мы попросили большую выборку менеджеров, работающих в разных компаниях, использовать опрос из 13 пунктов для описания недавних поведенческих изменений случайно выбранных подчиненных. Затем, 12 месяцев спустя, мы снова связались с менеджерами, чтобы узнать, работали ли эти сотрудники по-прежнему или уволились добровольно. После статистического контроля различных характеристик сотрудников, которые могут предсказать будущую текучесть кадров (возраст, срок пребывания в должности, образование и т. Д.), А также личных ожиданий руководителей относительно того, уволится ли сотрудник в следующие 12 месяцев, наша шкала по-прежнему предсказывала уход сотрудника. Чем больше сотрудник демонстрировал 13 вариантов поведения перед увольнением, тем больше у него шансов уволиться.

Есть много способов инвестировать в сотрудников, которых вы опасаетесь потерять: повышение заработной платы, продвижение по службе, специальные проекты и т. Д. Один из способов - использовать так называемые «собеседования с пребыванием». Вместо того, чтобы проводить только собеседования на выходе, чтобы узнать, что заставило хороших сотрудников уволиться, проводите регулярные индивидуальные собеседования с нынешними высокоэффективными сотрудниками, чтобы узнать, что заставляет их работать в вашей организации и что можно изменить, чтобы они не сбились с пути.

Также стоит отметить, что уходящие сотрудники часто берут с собой информацию о клиентах или фирменную информацию о продукте. И, как известно большинству из нас, быстрый уход может оставить брешь в деятельности компании, которая нанесет долгосрочный ущерб. Хотя важно понимать, что нет никакой гарантии, что сотрудники, демонстрирующие поведение, предшествующее увольнению, обязательно уйдут, следует отслеживать нежелательное поведение тех, кто определен как неблагополучный. Планирование преемственности для их ухода может предотвратить убытки, возникающие в результате неожиданного ухода.

А если вы ищете новую работу? Может оказаться трудным скрыть свое собственное поведение. Учитывая негативные последствия текучести кадров, знайте, что ваши менеджеры и коллеги, вероятно, следят за очевидными и незаметными изменениями в поведении, и что ни одно отдельное действие не является бесполезным. Вместо этого модели поведения с течением времени, которые могут показаться вам неуловимыми, могут подсказать вашему начальнику. Мы предлагаем вам продолжать заниматься своей работой, продолжать проявлять энтузиазм по отношению к миссии организации и проецировать постоянный уровень энергии отношений на членов вашей рабочей группы.

Основной принцип управления текучестью заключается в том, что в конечном итоге все уходят. Но «когда» может показаться загадкой. Хотя наше исследование не следует рассматривать как единственный способ идентифицировать сотрудника, готового уволиться, оно указывает на набор моделей поведения, которые, вместе взятые, могут дать ключ к разгадке, и оно не учитывает поведения, которые ошибочно считались подсказками. . Так что в следующий раз, когда вы будете подозревать, собирается ли кто-то уйти, знайте, что вы можете что-то натолкнуть, если будете принимать во внимание правильные индикаторы. 

Характер текучести персонала. Вопрос, просьба, предложение

У меня возник такой вопрос.

Первая компания 

Вторая компания

Там и там показана текучесть персонала.
По оси X - стаж работы;
По оси Y - количество человек, которые уволились в данных период стажа.

Проблема / вопрос

Каждая компания показывает свой характер распределения. Т.е. даже на математическом уровне это разные распределения:).
Я хочу понять, чем определяются эти различия.
Буду вам благодарен за любую информацию по этому поводу: гипотезы, ссылки на источники и т.п..
Но главное, я очень жду от вас данные. Данные о текучести в вашей компании. Можно прислать прям вот такую же диаграмму, но лучше, если вы пришлете мне файл формата excel / csv на почту edvb()yandex.ru. Файл должен содержать всего (!!!!!) две колонки

• дата приема
• дата увольнения

Пример файла можно взять из поста Как считать текучесть персонала в excel (кейс на примере конкретной компании). И речь идет о волюнтарной / добровольной текучести!!!
Если сотрудник работает, поле "дата увольнения" остается пустым. Кроме того, на словах от вас хочу услышать:

• отрасль компании
• регион
• размер компании в работниках
• основные категории работников

Спасибо, мне это очень важно!


__________________________________________________________

На этом все, читайте нас в фейсбуке, телеграмме и вконтакте

Анализ текучести персонала – Методы прогнозирования

Это перевод, и очень замечательный перевод очень замечательной статьи.  Ричард Розенбоу (Richard Rosenow) написал две очень неплохие статьи о текучести персонала, которые перевела Екатерина Малинина, HR business partner в IT-отрасли. Эксперт в оценке, обучении, развитии талантов. Помогает менеджерам строить эффективные и надежные команды, способные переложить в программный код любую задачу бизнеса. Профиль в фейсбуке и в Линкедине
Данный перевод  Analyzing Employee Turnover - Predictive Methods -  продолжение статьи Анализ текучести персонала – Описательные методы - и он про самое вкусное - каковы практики прогноза текучести персонала.
Итак

Анализ текучести персонала – Методы прогнозирования
Для чего нужно изучать текучесть персонала?

На первый взгляд, «намерение уволиться» должно быть неплохим предсказателем текучести. Если бы кто-то из коллег сообщил мне, что собирается покинуть компанию, думаю, я был бы уверен, что вероятность его/ее ухода очень высока. Между тем многим исследователям удалось перевести это «намерение» в формат числовых значений и результаты получились впечатляющими.
Например, в 2000 году появилось мета-аналитическое исследование (т.е. анализ нескольких исследований) текучести, подготовленное специалистами Rodger Griffeth и Peter Hom, которое выявило, что среди всех фактов увольнения «намерение уволиться» имеет 12%ную общую дисперсию (другими словами, объясняет около 12% увольнений сотрудников). Это очень хороший результат для исследований в области человеческого поведения, но мало объясняет читателю, в чем дело. Если решение покинуть компанию приводит сотрудника к увольнению лишь в 12% случаев, то перед тем, как мы сможем научиться прогнозировать текучесть, нам необходимо разобраться, почему вообще люди уходят.
Я рассказал о некоторых описательных методах анализа текучести персонала в своей предыдущей статье, однако этих показателей недостаточно, чтобы понять, что может стать причиной текучести. Цитата, приписываемая Yogi Berra, гласит: «Очень сложно давать прогнозы, особенно о будущем», - и она вдвойне верна, когда прогноз касается людей. Тем не менее, разработан ряд непростых методов, которые приближают нас к прогнозированию текучести.

Продвинутые методы анализа текучести персонала

Я называю эти методы «продвинутыми», потому что их применение требует определенных знаний в области статистики и анализа. Как бы мне не хотелось, но научить вас применять эти методы за время чтения этой статьи я не смогу. Моя цель – познакомить вас с ними и снабдить ссылками на ресурсы, где бы вы могли узнать о них больше. Итак, данная статья может стать отправной точкой для каждого, кто интересуется прогнозом текучести персонала.
Ниже я познакомлю вас с логистической регрессией и анализом выживаемости, а также коротко затрону методы дерева принятия решений и случайного леса. Наконец, я расскажу о продукте Watson от компании IBM как об инструменте для анализа текучести, а также перечислю несколько компаний-разработчиков ПО, автоматизирующих прогнозные методы аналитики в приложениях для HR.
Читателей, не имеющих технической специальности, эти методы познакомят с рядом сложных статистических техник и языком статистики. Другая моя цель со времен написания стартового набора HR-аналитика (часть 1 и часть 2) была сделать эти статьи входной точкой для всех желающих разобраться в анализе и продолжить его изучение дальше.
Если вам интересно углубить (или вспомнить) знания в области статистики, могу предложить две легко читаемые книги:
• Статистика. Краткий курс в комиксах, автор Larry Gonick – сначала кажется бесполезной, но к тому моменту, когда вы осознаете, что учитесь, успеете освоить базовый курс статистики
• Статистика на понятном английском, автор Timothy Urdan – название говорит за себя. Отличный путеводитель по миру статистики для неспециалиста.

Логистическая регрессия

Говоря о том, почему стоит изучить логистическую регрессию, скажу, что логистическая регрессия – самый часто применяемый метод в построении прогнозов текучести персонала. Эта техника – один из способов получить ответы на вопросы «почему люди уходят из компании?», «как мы можем повлиять на уровень текучки?» и «кто, наиболее вероятно, уволится в следующем году?».
Цель любого типа регрессии – предсказать исход, используя один или несколько факторов. Мы хотим спрогнозировать текучку – зависимую величину, используя данные о работе – независимые величины. Если в науке о данных вы новичок и хотите узнать больше о том, что может дать метод регрессии, начните с прекрасного гида для начинающих на портале journalistsresource.org – Основы регрессионного анализа для журналистов.
Признаюсь, освоение регрессии заняло у меня достаточно много времени. Добавление слова «логистическая» к регрессии делает это словосочетание еще более пугающим. Однако есть хорошая новость: логистическая регрессия, попросту говоря, - это форма регрессии, используемая в том случае, когда прогнозируемый исход составляет 1 или 0. Это как раз то, что нужно для прогнозирования текучки: люди или уходят, или остаются в компании.
Недавно я встретил, на мой взгляд, самое лучшее объяснение логистической регрессии. Paul Dalen, консультант в Clarity Solution Group, опубликовал на LinkedIn статью «Кто боится логистической регрессии”. Раньше и я боялся, но после прочтения этой статьи перестал. Для всех, кто хотел бы окунуться в мир логистической регрессии, - это прекрасный источник знаний.
Прекрасный образец применения логистической регрессии в HR для изучения текучести персонала предложил вице-президент по аналитике группы HSBC в Индии Rupesh Khare. Rupesh и его команда использовали демографические данные для создания модели, прогнозирующей риск увольнения. По ссылке можно найти PDFфайл «Оценка риска увольнения персонала с использованием логистической регрессии» с пошаговым описанием процесса.
При тех возможностях, что может дать логистическая регрессия, я частенько завидую тому, как ее можно использовать в инжиниринге или технологиях. И вот почему: если в инжиниринге исходные данные верны и среда контролируема, тогда прогноз отказа какой-либо машины или механизма невероятно точен. Однако в вопросах человеческого поведения всё гораздо хуже. Феномен, исследуемый нами, включает в себя слишком много составляющих, и человеческое поведение настолько разнообразно, что добиться высокой точности невозможно.
Другой недостаток логистической регрессии в том, что результат бывает трудно интерпретировать. Первый результат, который вы, скорее всего, получите, будет отношение шансов увольнения одной группы персонала против другой. Чтобы перевести это отношение в конкретный процент вероятности текучки, необходимо проделать несколько дополнительных действий. К счастью, пока я готовил эту статью, Paul Dalen разместил новый пост по логистической регрессии, описывающий эти действия: «Принятие решений на основе логистической регрессии в малом бизнесе». Эти шаги требуют применения математической статистики, и данная статья – отличный источник знаний в этой области.

Анализ дожития

Анализ дожития, также известный как событийно-исторический анализ, - продвинутый статистический метод, оценивающий вероятность наступления события во времени. Эта методика впервые использовалась в медицине для прогнозирования выживания пациентов. Раз уж этот метод имеет такую мрачную историю, он отлично подойдет для оценки текучести персонала. Если мы вернемся к предыдущей статье «Анализ текучести персонала – описательные методы», эта техника, по сути, является более развитым и статистически обоснованным методом когортного анализа. Ниже представлено несколько выводов на основе анализа дожития.

(Подписи к рисунку)

Показатели дожития Показатели дожития для новичков

Прогноз дожития Показатели дожития для новичков как функция от реалистичного ознакомления с работой и длительности трудоустройства

По вертикали – агрегированный показатель дожития

По горизонтали – длительность трудоустройства (в месяцах)

Голубая линия – традиционное ознакомление с работой.

Оранжевая линия – реалистичное ознакомление с работой.

Слайды выше – результат анализа дожития, представленный исследователем Tom Briggs, ныне работающим в Министерстве Обороны США. В своей презентации Tom описывает применение анализа дожития для исследования разницы в текучести сотрудников, которым на этапе отбора представляли реалистичное описание работы, и теми, кому предлагали традиционное описание. Как можно видеть, агрегированный показатель дожития тех сотрудников, кому предлагалось реалистичное описание работы, выше, чем тех, кому давалось традиционное описание.

Если перевести эти наблюдения в числовые показатели, то получим, что вероятность работы в компании на протяжении первых 12 месяцев выше на 15% в случае реалистичного ознакомления с работой, что для нас является интересным открытием. Лично я думаю, что результат анализа дожития – один из наиболее наглядных и легко интерпретируемых методов. Tom рассказывает более подробно о нем в работе «Прогнозирование текучести персонала с помощью анализа дожития».

В качестве еще одного примера я хотел бы предложить вам статью «Анализ дожития для исследования оттока персонала», где описывается создание и применение анализа дожития с помощью статистического языка R. Сразу скажу, что я не тот Ричард, который опубликовал данное исследование. Автор Richard Puzon использовал лучшие примеры программирования на языке R для решения задач в области HR (ниже дам несколько ссылок на его работы). Однако, к сожалению, он не разместил свою контактную информацию на сайте, поэтому это всё, что я о нем знаю. Между тем его работа очень детально и информативно описывает применение методики.

В отличие от результатов логистической регрессии, которые мы описывали ранее, анализ дожития может спрогнозировать вероятность увольнения конкретного сотрудника в определенный момент времени. Дополнительные возможности быстро строить графики дожития и подсчитывать вероятность увольнения в конкретный момент времени делает этот метод одним из самых ценных в моем списке.

Методы деревьев – Дерево принятия решений и случайный лес

Я сомневался, включать ли дерево принятия решений и случайный лес в данную статью. Т.к. я сам еще осваиваю эти методы, не уверен, что могу дать качественное суждение. Однако я часто вижу, что исследователи используют их для прогнозирования текучести, поэтому проигнорировать их в статье не могу. Таким образом, этот раздел предлагает верхнеуровневый обзор ресурсов и ссылок на авторов, которые могут рассказать об этих методах гораздо подробнее.

В отличие от логистической регрессии или анализа дожития, которые сразу спускаются на уровень индивидов, построение модели дерева принятия решений начинается со всех сотрудников и далее распределяет их во всё меньшие и меньшие группы на основе вероятности их увольнения. Графически этот процесс выглядит, как дерево с центральной верхушкой и большим количеством листьев для каждого направления.

(Подписи к рисунку)

Параметры прогнозирования				Цель
Наблюдения	Температура	Влажность	Ветрено	Играть в гольф
Дождливо	Жарко	Высокая	Нет	Нет
Дождливо	Жарко	Высокая	Да	Нет
Пасмурно	Жарко	Высокая	Нет	Да
Солнечно	Умеренно	Высокая	Нет	Да
Солнечно	Холодно	Нормальная	Нет	Да
Солнечно	Холодно	Нормальная	Да	Нет
Пасмурно	Холодно	Нормальная	Да	Да
Дождливо	Умеренно	Высокая	Нет	Нет
Дождливо	Холодно	Нормальная	Нет	Да
Солнечно	Умеренно	Нормальная	Нет	Да
Дождливо	Умеренно	Нормальная	Да	Да
Пасмурно	Умеренно	Высокая	Да	Да
Пасмурно	Жарко	Нормальная	Нет	Да
Солнечно	Умеренно	Высокая	Да	Нет

Чтобы разобраться с методом дерева решений, посмотрите выложенные на ресурсе r2d3.us материалы о наглядном введении в машинное обучение. Они помогут вам понять, как и почему работает данный метод.

Если брать пример из сферы HR, можно обратиться к материалам Divyabh Misra, основателя CrowdAnalytix, где он использует дерево решений для анализа текучки. В своей работе «Анализ оттока персонала» он описывает, как продолжительность работы связана с текучестью персонала в  компании SanDisk. Рисунок ниже иллюстрирует это.

(Подпись к рисунку)

Исследование данных обнаруживает следующую зависимость: чем меньше продолжительность работы сотрудника в компании, тем выше число увольнений. Текучка в группе сотрудников, работающих в компании меньше 1,25 года, в 5 раз выше, чем в группе сотрудников, работающих в компании больше 6 лет.

Стаж работы в SanDisck Остались Уволились

Статистическая проверка результатов методом дерева решений с помощью P-значений

Техника случайного леса основана на модели дерева принятия решений. Если кратко, случайный лес берет случайную выборку из всего вашего набора данных и группирует эти данные в их собственное дерево решений. Чтобы построить прогноз, берутся усредненные показатели всех деревьев. Идея метода состоит в том, что самые малые предположения, собранные вместе, могут дать достоверный прогноз. Подробное введение в метод случайного леса доступно изложено в статье «Как рандомизация работает в методе случайного леса»

Ниже представлен довольно грубый пример того, как может выглядеть процесс.

В каждой вершине дерева: случайным образом выбирается небольшой набор переменных; необходимо найти переменную (и значение этой переменной), которая оптимизирует разделение «листьев».

Рисунок выше взят из статьи автора Dan Kellet на портале AnalyticBridge.com. В статье под названием «Делая науку о данных доступнее – Машинное обучение – Метод дерева» дано фантастическое описание обоих методов.

Основная причина, почему я решил познакомить вас с методами дерева, хотя сам до конца не освоил их, состоит в том, чтобы поделиться обнаруженными мною превосходными примерами практиков. Всего их два: автор первого – Lyndon Sundmark, автор второго – Richard Puzon.

• «Использование языка R для анализа поведения людей на примере оттока персонала» – Lyndon написал отличную серию статей об использовании R в анализе данных о персонале. Он разработал вымышленный набор данных и прекрасный пример использования дерева принятия решений и случайного леса для понимания текучести персонала.

• «Отток персонала. Разведочный анализ данных» – Richard Puzon предлагает другой пример использования R в анализе текучки методом дерева решений и случайного леса. Его анализ содержит пример его собственного кода на языке R.

Наконец, я хотел бы дать вам ссылку на библиотеку R – Rattle. Ruttle – это графический пользовательский интерфейс, который запускает регрессию, дерево решений и случайный лес на вашем наборе данных. Я знаю, что эти методы можно применять для прогнозирования текучести, и с помощью Rattle я могу запускать их быстро (что, в моем случае, небезопасно, но ради благой цели).

Помимо дерева решений и случайных лесов в статистике существует еще огромное количество методов, которым я хотел бы научиться, чтобы проводить эффективный анализ данных о персонале или презентовать наглядные результаты другим людям. По мере изучения и поиска дополнительных интересных материалов я буду делиться ими с вами. Надеюсь, вы будете делать то же самое. 

Аналитика как сервис

Продукт компании IBM Watson описывается как «умный сервис для анализа данных, доступный в облачном хранилище, который проводит исследование данных, автоматизирует прогнозную аналитику и строит графики без дополнительных усилий». Что делают IBM и другие подобные разработчики – создают платформы для автоматизированного использования статистических моделей, в том числе для построения прогнозных моделей.

Анализ, проводимый с помощью этих сервисов, не будет таким же идеально выстроенным и точно соответствующим вашим запросам, как если бы вы делали его самостоятельно, однако скорость и доступность результатов работы сервиса компенсируют это. Если вы хотите попробовать, IBM подготовил выборку данных и подробный гид об использовании Watson в целях исследования текучести персонала.

IBM Watson – «Сценарий использования в HR – удержание ценных сотрудников» – Набор данных (откроется excel файл)

Говоря об автоматизированных сервисах, не могу не упомянуть еще о нескольких. Ниже представлен список из пяти компаний, разработавших платформы, способные автоматически обрабатывать большинство процессов из области науки о данных. Они применяют методы, перечисленные в данной статье, а также многие другие.

В алфавитном порядке:

1. HiQ Labs
2. IBM Kenexa
3. OrgVue
4. Talent Analytics
5. Visier

Продолжая постигать науку о данных

В данной статье я хотел поделиться с вами техниками, которые помогут вам анализировать, а впоследствии и предсказывать текучесть персонала. Также я надеюсь, что приведенные мною примеры и ссылки на дополнительные ресурсы откроют для вас дорогу к дальнейшему изучению данного предмета. Мне хотелось бы, чтобы данная статья стала основой для тех, кто собирается постичь аналитику данных, и я буду очень признателен, если в комментариях к посту вы будете приводить примеры новых используемых вами методик и ссылки на полезные ресурсы. Огромное спасибо авторам всех источников и примеров, которые я собрал в статье. С нетерпением жду ваших мыслей по этой теме.

__________________________________________________________

На этом все, читайте нас в фейсбуке и телеграмме