今天我们来谈一谈最常见到的一个分析场景——离职率分析。

 

我认为首先有这样几个要点：

1、不仅要呈现现象，而且要发现问题。

2、在发现问题的基础上，阐明原因。

3、前两点似乎很简单，但真问题和真原因是重点，特别是真因、根因。

4、寻找根因的过程，就是寻找解决方案的过程。

5、寻找根因需要拿到足够多的相关数据和信息，如敬业度、薪资竞争力、加班时长等。

6、关联分析，特别是相关性分析，才能做到最全面的归因分析。

7、需要和业务负责人沟通，很多时候，他是最了解真相的人，也是促进留任的关键责任人。

8、离职率分析是一个专题分析，不仅仅是一个数据或者指标，要按照“空、雨、伞”的逻辑，是什么、怎么看、怎么办、怎么干，讲一个故事，画一个闭环。

9、可以面向部分岗位，点状开展离职预测，或者未必要去强调做离职预测，预测之后离职挽留概率如果不高，也就是说如何预测之后无法改变，预测的意义就大打折扣。

10、强调关键人才留任，创造未来比预测未来、呈现现象更有价值。

 

具体的步骤是：

1、从展示宏观离职率开始，对比外部、竞争对手或内部标杆，展示整体状况。

2、细分颗粒度，按照组织单元、分类分层（不同管理层级、不同部门）、人才特征（如高绩效、高潜力、青年干部）、人员信息（如年龄、学历、工龄等）快速展示，并找出差异性、异常值。

3、面向特定对象，展开进一步的深入分析，如“发现研发人才离职率最高”之后，则主攻研发人才离职问题。

4、进一步细分时间、对象，找出离职人员的显性行为特征，如什么时候是离职高峰（如发现普遍四季度离职），哪些人（如发现P6-P8的人离职率相对最高）。

5、查找离职面谈记录中记载的离职原因，当然，可信度很有限，但可以观察，之后，进一步主客观两条线来分析。

6、所谓主观，就是通过访谈上级和已离职人员，快速合并同类项，找关键成因。

7、所谓客观，就是拿关键数据或指标出来，比如研发人员敬业度偏低，哪些维度得分低？研发人员离职面谈中很多人提到个人发展原因，那么实际的晋升率和成长速度如何？研发人员认为工作与生活无法平衡，那么他们加班时间到底如何？加班原因又是什么？结果加班原因是工作任务分配问题和内部协同问题？为什么会有协同问题？深究之后发现是内部组织结构、项目管理或人才结构问题。这是一个找真因、找真凶的过程。当然，一定仍然有其局限性，持续动态跟踪或者多次展开分析，不论是分析报告，还是实际痛点，总会越来越明朗起来。

8、制定改善方案，和人力资源管理层以及业务侧沟通、验证、确认，完成行动计划和内部分工。

9、最后，呼应上文，留任分析比离职分析更有意义，重要不紧急。面向关键人才，调研、收集人才留任要素，推导出关键留任行为，明确干系人，制定关键人才留任计划，比事后做离职分析更有意义。