[[157830]]

最近，人力資源專家、人力資源技術(shù)會議之父—Bill Kutik寫了一篇文章《預測分析炒作》。在這篇文章中，他引用星座研究分析師Holger Mueller的說辭“這歸結(jié)于當應用于大量有著不同數(shù)據(jù)視野的顧客時，這些模型是否真的有用。”

因此，當許多人力資源軟件供應商光說說要預測“雇員離職風險”時，他們有多少人可以證明他們能說到做到以及他們的預測真的有用，你怎么能確保一個供應商所宣稱的可以預測員工留任風險是有效的？你應當尋找什么？

首先，為什么預測“離職風險”如此重要？

自從2009年的經(jīng)濟衰退巔峰以來，美國每個職業(yè)空缺所對應的失業(yè)人口數(shù)量在穩(wěn)定的下降，現(xiàn)在已經(jīng)回到了衰退前的水平。再加上，美國勞工部的統(tǒng)計數(shù)據(jù)顯示，企業(yè)不僅越來越難招到人，也越來越難留住人才。

因此，員工保留自然而然成為了大多數(shù)人力資源部門的關(guān)鍵任務。為了可以量化人員損耗的影響，許多人嘗試把離職和商業(yè)影響聯(lián)系起來。一份分析了48個獨立研究的綜合性研究中表明，離職真的對財務業(yè)績、客戶服務、勞動生產(chǎn)率和安全產(chǎn)出有影響。

更多的人嘗試去通過估計直接成本和間接成本來量化離職的的影響。盡管分享了許多的觀點，這個研究結(jié)果中關(guān)于成本和人員損耗的聯(lián)系仍然有很大程度上的不同。因為考慮到的因素和作用也是多樣化的。一個完整的核算需要超越雇傭和培訓的范疇，包括分離，生產(chǎn)力和失去的知識。

在一個有著5000名免付加班費員工（例如，行政管理人員，經(jīng)理主管人員，專業(yè)性的員工，計算機專業(yè)人員以及銷售人員）的公司，有著10%的自愿離職流動率（比2014年行業(yè)中的額平均自愿離職率少了超過1%）,盡管保守估計每年不必要的離職率可以轉(zhuǎn)化為3000萬美元的替代成本。

盈虧的底線可以被好的開支計劃所改變，但是濫用的保留員工策略，例如，人力資源或者是經(jīng)理們用來防止辭職所采用的方法：加薪，獎金或者是升職。當這些策略沒有硬數(shù)據(jù)來支撐他們的話，結(jié)果將會十分有限，更糟糕的是，這些錢可能不必要的被用來挽留那些實際上并沒有離職風險的人。36大數(shù)據(jù)http://www.36dsj.com/ 微信號dashuju36

正如在文章中描述的那樣，ConAGra食品公司創(chuàng)建了一個人力資源分析程序，使用數(shù)據(jù)來引導挽留策略的實施顯示出了“地毯式轟炸和激光制導彈的區(qū)別”。人力資源將它的注意力聚焦并將錢花費到最有用的地方，而不是在整個公司采用挽留策略。如果你可以使用預測分析來準確的識別那些有離職風險的員工，尤其是表現(xiàn)出色的員工以及是關(guān)鍵角色的人，那么你就可以在保證生產(chǎn)力和績效提升的同時，避免這些成本。在這種情況下，關(guān)鍵字是正確的。

為什么證明預測分析的有用如此難

首先，使用任何的預測模型，你需要有一種方法來證明你的預測是有效的。維西爾的數(shù)據(jù)科學家認定，一個分析若要有效，最少需要分析2至3年的數(shù)據(jù)（越多越好），它就像在某一時刻，父母對他們的孩子說的那樣“你不去試一下，你怎么知道你不喜歡它呢？”或者在我們這一情形下，如果你沒有做一個對于真實結(jié)果來說有效的預測，你怎么就知道這一預測是有用的呢？

第二，人們做決策的模式不能被歸結(jié)為市場營銷人員這么多年以來一直嘗試去發(fā)掘的簡單因素。它是“有著情感的數(shù)據(jù)”，并且為了發(fā)掘其內(nèi)在模式需要去展搜尋盡可能多種類的信息來源。就像淘金一樣，你搜索的范圍越廣，你越有可能找到隱藏的金塊，也就像預測分析的洞察力一樣。

第三，預測的準確性取決于用來建造模型的數(shù)據(jù)，例如，如果一個模型是基于一個公司的內(nèi)在因素建立的，那么它就不一定適用于第二個公司。更具挑戰(zhàn)的是，在同一個公司的一年和下一年相比之下，對于同一個模型也會同樣發(fā)生上述情形。使用的方法應該考慮到這一動態(tài)性。

問題是如今大多數(shù)的“離職風險”預測分析能力都是在他們的初級階段—他們都沒有使用足夠的數(shù)據(jù)來源在足夠長的時間中被足夠多的公司使用到足夠多的員工身上。

驗證一個“離職風險”預測分析技術(shù)

在維西爾，我們希望把我們自己的“離職風險”預測分析進行測試，為了做這個測試，我們把我們所有所知的關(guān)于預測分析的情況和匿名的數(shù)據(jù)放到我們的云平臺上，一步一步的應用我們的“離職風險”預測分析技術(shù)。在做這的時候，我們發(fā)現(xiàn)維西爾在預測誰會在接下來的三個月中辭職時比猜測和直覺要精確8倍，如果你關(guān)注前100名有“離職風險”的員工時，會精確10倍。

通過在員工身上應用一段時間我們的機器學習，我們可以賦值一個“離職風險”分數(shù)并將它們從高到低進行排列。這些計算都是動態(tài)和即時的，因此當一個人力資源分析師，商業(yè)伙伴或者領(lǐng)導詢問在一個特別的員工子群體（例如，指定了一個角色、情景、任期以及績效水平）中誰有“離職風險”時，系統(tǒng)會基于最近適用于用戶的數(shù)據(jù)自動的提供相關(guān)結(jié)果。

手里持有這些信息，人力資源可以采取行動來應對最脆弱的群體或者是那些準備離職的人。

人力資源在預測分析中至關(guān)重要的作用

盡管有炒作的嫌疑，預測分析將不會取代人類的干預：他們將不會告訴你一個清晰的行動方案，尤其是在處理那些有情感的數(shù)據(jù)時。

預測分析比關(guān)于誰將離職所包含的東西更多，它還包括為什么他們要離職。在許多放面，預測為什么離職比指名某個人更加有價值，因為它通過直擊原因的根源來使人力資源采取深切的、精準的，長期的行動來降低離職率。