بینش قابل اقدام
این نرخ را در سطح cohort ماهانه و نه فقط سالانه ببینید تا خطای یک دوره یا مدیر خاص آشکار شود.
بازگشت به بانک شاخصها
RetentionKPIراهنمای تحلیلی کامل
تحلیل نرخ خروج نیروی انسانی در ماه اول
First-month Turnover Rate
خروج در نخستین ماه را اندازه میگیرد و یک نشانگر مستقیم برای onboarding و واقعبینی وعدهٔ شغلی است.
فرمول بانک
خروجیها در ماه اول ÷ تعداد استخدامها × ۱۰۰
واحد: درصد
اگر افزایش پیدا کرد
دسترسی روز اول، کیفیت معرفی نقش، آموزش مدیر و mismatch شغل را بررسی کنید.
اگر کاهش پیدا کرد
پایداری را با دادهٔ حضور، تکمیل onboarding و عملکرد ۹۰روزه بسنجید.
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
- تاریخ شروع/خروج
- چکلیست روز اول
- دلیل خروج
- مدیر و نقش
تفکیکهای ضروری
ابتدا حجم نمونهٔ کافی و محرمانگی را کنترل کنید؛ سپس روند را با این برشها بخوانید:
هفته خروجمدیرخانواده شغلیمکان
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