بینش قابل اقدام
ماه خروج اهمیت دارد: خروج در ۳۰ روز اول با خروج ماه دهم علتهای یکسانی ندارد.
بازگشت به بانک شاخصها
RetentionKPIراهنمای تحلیلی کامل
تحلیل نرخ خروج نیروی انسانی در سال اول
First-year Turnover Rate
نرخ خروج استخدامهای جدید در سال اول است و کیفیت انتخاب و تجربهٔ ورود را با هم نشان میدهد.
فرمول بانک
خروجیها در سال اول ÷ تعداد استخدامها × ۱۰۰
واحد: درصد
اگر افزایش پیدا کرد
برنامه onboarding، شفافیت نقش، حقوق، مدیر مستقیم و انتظارهای پیش از استخدام را بررسی کنید.
اگر کاهش پیدا کرد
کاهش را با عملکرد و engagement استخدامهای جدید همراه ببینید.
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 استخدام و خروج
- ماه خروج
- نوع/دلیل خروج
- منبع و نقش
تفکیکهای ضروری
ابتدا حجم نمونهٔ کافی و محرمانگی را کنترل کنید؛ سپس روند را با این برشها بخوانید:
ماه اول/سهماهه/سال اولخانواده شغلیمدیرکانال
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