在这个纷繁的、全球化的、竞争激烈的世界，人才难题似乎比以往更复杂了。人员留任与流失或许是全部挑战中最大的一个。

图片来自网络，如侵删

传统方法正在失效

许多传统的理解和改善留任的人力资源工作方法都是典型的被动方法，并且产生作用的速度非常缓慢。传统方法的特点是针对当时可能导致员工流失的因素（而非目标明确的个例）发起一系列留用活动，而这些因素则是根据多年的经验判断的。这些传统方法的目标并不明确，并且见效缓慢，所以他们的投资回报很难量化。

留任分析方法

留任分析方法构成的模块和其他分析活动一样，有以下几个部分构成：

数 据

数据是任何分析活动的基础，需要包含哪些情况下一些员工被留下了，而另一些员工流失了的实例。

由此建立的模型可以用来辨认差异，识别和学习各种模式，并能够做出准确的预测。

数据资源越多变（包括员工获取、业务、工作环境、经济形势等方方面面），模型的准确性就越高，因为它有更多的信息可以用于分析。

当然，数据操作和使用是非常谨慎的，目前数操作的大部分实践仅限于公共领域。

情 报

情报是在数据模块的基础上产生的，就是获取数据，解读数据，基于数据行事，在数据的基础上产生见解。

人才：需要发现问题，解读数据的含义，并根据这些知识决定采取什么样的措施。在进行留任分析时，需要各方面的专家——数据员和统计员、留任专家和最终用户、人力资源团队领导、高管人员和其他外围人力资源实践者，他们除了要使这些解决方案落地、与现行的工作相匹配，还可以帮助设计合适的方法以减少流失。

统计：我们需要统计方法和统计程序来处理数据、清理数据、汇集数据，量化相关性和数据信号，并进行验证下测试。统计建模的主要实践是在公共领域，不需要过分纠结其结果的现实意义。

技 术

技术指支持数据和智能分析的软件，技术可以是一个推动因素但并非是不可或缺的分水岭。换句话说，就是不需要使用复杂的技术来产生实际的结果。

应考虑的问题

• 你认为最重要的人才问题是什么？

• 哪些员工有离开公司的风险？什么时候？为什么？

• 那些最有可能离职的员工是什么样的？

• 员工离职对企业的风险是什么？

• 目前你的员工流动情况是什么样的？趋势如何？

• 你的公司最主要的离职诱因是什么？不同员工的离职原因有什么不同？

• 你的明星员工和关键员工是谁？哪些人有可能在接下来的三到六个月离职？为什么？

• 如果离职发生，风险或影响是什么？

数据需求

内部数据

包括从人力资源信息系统获得的薪酬数据和培训系统、申请者追踪系统获取的学习与发展数据。

公司数据

包括财务状况、公司营收、增长情况、客户数量、公司品牌、社交媒体排名、公司在诸如Glass-door和Opinoin-site这类网站上的评论、排名以及公司的在线声誉。

劳动力市场数据

• 区分行业和公司规模所统计的国内生产总值

• 区分行业和公司规模所统计的失业率

• 区分行业和公司规模所统计的平均雇佣成本与流动率

• 公司股票市场指数

• 劳动力供给与需求指数

• 线上招聘广告

• 区域与全球金融风险

公开的人才数据

• 对个人资料更新的追踪

• 个人资料照片的更换

• 在社交媒体上是否有个人资料

• 教育水平

• 从业年限

• 社交媒体上的发帖、更新以及提及的东西

• 分析和关注的引领者的数量

• 群组

• 引领者

在某些行业，这些数据可以解释50%的离职，这些10年前无法获得的公开的人才数据改变了市场的游戏规则，他们有非常显著的统计意义。

本文系原创，首次发布于微信公众号：HR大数据 欢迎关注了解更多