Хватит предсказывать увольнение работника

Толчком для поста явились обсуждения на конференции ХХ.ру HR digital (за что спасибо организаторам и моих собеседникам, даже если мы говорили о погоде), хотя идея вызрела давно.

Проблема

В России сложилась мода / практика создания моделей оттока работающих сотрудников. Логика создания такой модели проста. Берется горизонт данных – 3, 6, 9 месяцев. В этом горизонте фиксируют, уволился ли работник (1 в датасете) или продолжает работать (0 в данных). Это наша целевая переменная. Далее собирают данные о работнике в периоде, который предшествовал горизонту:

1. Стаж на данные момент
2. Пол / возраст / семейное положение;
3. Данные психотестов, опросов вовлеченности (которые как бы анонимные) и т.п..;
4. Данные по компании, отделу, позиции, руководителю и окружению работника;
5. Уровень зарплаты / в том числе в Z баллах по отношению к коллегам;
6. Частота общения в почте / корпоративных мессенджерах / по телефону и динамика;
7. Ну и т.п…

И на основе этих данных пытаются прогнозировать, уволится ли работник или нет. Например, стал в корпоративном чатике писать комментов - все, жди увольнения.
Я считаю, что практика создания таких моделей порочна, от нее пора отказаться.
Мне кажется, к этому выводу уже пришли некоторые российские HR-аналитики (хотя не признались в этом открыто, ибо это может быть признано как поражение и / или некомпетентность аналитика), а также западные, например, Андрю Марритт, который писал, что не в точности модели дело.
Я не вижу ничего плохого в том, что мы перестанем тратить наши усилия на бессмысленные занятия. Это не проигрыш и не признание некомпетентности, а обычный эволюционный процесс - мы просто признаем, что исчерпали свои возможности на данном направлении.
Со мной можно спорить, но количество кейсов, когда модели на тестовых данных показывают точность а ля 0, 86, а потом на «живых» людях точность падает вдруг резко, уже достигло критической массы.

Почему пора отказаться

Неполнота модели. 

Мы в модели собираем данные только о поведении работника, но ничего о его действиях по поиску работы. Вместе с тем, например, тот факт, что он обновил резюме на Линкедине, нам может давать очень малую точность в прогнозе. Да, обновил, да ищет работу. И что? Срок поиска работы может составлять несколько месяцев и даже больше года (см, например Калькулятор Времени поиска работы ). Как мы учтем в модели способности работника по поиску работы? Как мы учтем (и вообще учитывает ли кто-нибудь?) ситуацию на рынке труда? Работник собрался уволиться, но не может найти работу, что он будет делать? Согласитесь, что работник, скорее всего, будет терпеть в этой ситуации до конца. Будет сидеть и ждать оферра. Резюме ситуации: на решение работника влияют факторы, которые мы не можем учесть в модели.

Невозможность действия в ситуации увольнении. 

Но допустим, мы построили неплохую модель. И в нашей модели одни из самых важных факторов прогноза это 1) частота общения в почте и 2) низкие KPI и / или зарплата в первом квартиле, т.е. ниже коллег по отделу / департаменту (см, например, Прогноз рисков текучести работника на основе его эффективности  . Что с этим делать? Именно на уровне action – т.е. мы провели диагностику, надо это в действие превращать. А превращать то особо нечего. Мы можем только предупредить руководителя для того, чтобы тот … например, провел беседу и дал работнику обратную связь или принял решение.

Два возможных решения

Отказ 

Вообще отказаться от этого типа моделей и сконцентрировать усилия на других направлениях. Например, пробовать отсекать на входе в компанию кандидатов с высокими рисками ухода. Там есть свои проблемы, но мы еще этот путь не исчерпали, не прошли до конца. Или другой вариант: выявление управляемых факторов текучести персонала и пытаться управлять ими. Как метафора этого подхода: мы выявили, что алкоголь и курение влияют на продолжительность срока жизни, наша задача сократить употребление алкоголя и курения. В этом подходе мы не можем прогнозировать индивидуальный уход работник из компании, но в целом ситуация в компании будет более благоприятной. Этот подход кажется мне очень перспективным, но сложно реализуемым: когда мы создаем модель оттока, что чувствуем себя крутыми волшебниками, а когда мы выяснили, что рефералы работают в компании в среднем в 1, 4 раза дольше, чем те, кто пришел с джоб сайта, то решение вроде бы на поверхности – надо увеличивать трафик кандидатов рефералов. Но у меня уже были прецеденты, когда мне говорили: да, у нас 14 % закрывается рефералами, а увеличить мы не можем, потому что…. Т.е. по сути менеджмент не готов на уровне культуры компании, на уровне системы менеджмента работать с текучестью (ну поскольку реферальный рекрутинг это же другая организация бизнес процессов и культуры компании). Либо еще более сложный вариант, когда мы фиксируем какие-то случаи увольнения как «брак» системы подбора / адаптации и т.д… (по аналогии с браком деталей) и концентрируем усилия по предупреждению брака)

Трансформация

Второй вариант – трансформировать модели оттока в другие типы моделей. Этот вариант я еще не продумал до конца, но наиболее очевидное решение – трансформация в модели выгорания. Т.е. по сути, если сотрудник снизил частоту общения в почте и мессенджерах, то это показатель не только и не столько того, что он скоро уволится, сколько того, что его производительность / эффективность (и просто желание работать) пошли на спад. И этот факт сам по себе риск для компании, а не только увольнение. Поэтому работать нужно со снижением эффективности, а не увольнением, и увольнение может быть одним из выходов из ситуации.
Ну вот как-то так. Я не иду глубже, чтобы не превращать в лонг лонг рид. Хотелось бы пригласить вас к обсуждению этой статьи.