بازگشت به بانک شاخص‌ها
Workforce PlanningMetricراهنمای تحلیلی کامل

تحلیل غیبت

Absenteeism

نسبت روزهای غیبت به روزهای کاری را می‌سنجد و باید نوع غیبت و سیاست ثبت در همه واحدها یکسان باشد.

فرمول بانک

روزهای بیماری ÷ کل روزهای کاری

واحد: درصد

بینش قابل اقدام

روند غیبت را به فراوانی رخداد و شدت روزهای از دست‌رفته تفکیک کنید؛ این دو علت‌های متفاوت دارند.

اگر افزایش پیدا کرد

نوع غیبت، الگوی روز هفته، شیفت، بارکاری و ایمنی/سلامت را بررسی کنید.

اگر کاهش پیدا کرد

کاهش را با عدم ثبت، فشار حضور یا تغییر سیاست مرخصی اشتباه نگیرید.

کاربرد مدیریتی

این شاخص را در جلسهٔ مرور عملکرد برای تشخیص مسئله، اولویت‌بندی اقدام و سنجش اثر مداخله استفاده کنید؛ پیش از اقدام، یک فرض روشن و مالک تصمیم تعیین کنید.

فیلدهای لازم برای تحلیل

داده‌های پایه

  • روزهای کاری برنامه‌ریزی‌شده
  • روز و نوع غیبت
  • شیفت و واحد
  • دلیل/کد غیبت

تفکیک‌های ضروری

ابتدا حجم نمونهٔ کافی و محرمانگی را کنترل کنید؛ سپس روند را با این برش‌ها بخوانید:

واحدشیفتماهنوع غیبت

تحلیل در ابزارهای داده

نام ستون‌ها را با مدل دادهٔ خود جایگزین کنید. ابتدا دادهٔ خام را در سطح رویداد نگه دارید و سپس نتیجه را در سطح دوره و گروه تجمیع کنید.

Excel
=IFERROR(SUMIFS(Table[Numerator],Table[Period],$B$1)/SUMIFS(Table[Denominator],Table[Period],$B$1),"")

بهتر است داده را به Table تبدیل و با PivotTable روند و تفکیک‌ها را بررسی کنید.

DAX / Power BI
Metric := DIVIDE(SUM('HR Metrics'[Numerator]), SUM('HR Metrics'[Denominator]))

Measure را در مدل ستاره‌ای بسازید و Calendar و Unit را به‌عنوان dimension نگه دارید.

Python
result = (df.groupby(['period', 'unit'])[['numerator','denominator']].sum().assign(metric=lambda x: x.numerator / x.denominator).reset_index())

پیش از محاسبه، تاریخ‌ها، داده‌های تکراری و مقدارهای خالی را کنترل کنید.

Benchmark بین‌المللی، با زمینهٔ درست

برای این شاخص یک عدد جهانیِ «خوب» یا «بد» وجود ندارد. مقایسه باید بر اساس صنعت، اندازه سازمان، کشور یا منطقه، مدل کسب‌وکار، سطح شغلی و تعریف یکسان انجام شود. فاصله با benchmark صرفاً نشانهٔ نیاز به بررسی بیشتر است، نه حکم برای اقدام.

People analytics و workforce reporting ـ CIPD

شاخص‌های مرتبط