بینش قابل اقدام
افزایش میتواند نشانهٔ تعدیل، اصلاح عملکرد یا خطای انتخاب باشد؛ بدون کد علت، تصمیم درست روشن نمیشود.
بازگشت به بانک شاخصها
RetentionKPIراهنمای تحلیلی کامل
تحلیل نرخ خروج غیر داوطلبانه
Involuntary Turnover Rate · IVTR
خروجهایی را میسنجد که به تصمیم سازمان رخ دادهاند و باید از خروج داوطلبانه جدا تحلیل شوند.
فرمول بانک
خروجیهای غیر داوطلبانه ÷ میانگین تعداد کارکنان × ۱۰۰
واحد: درصد
اگر افزایش پیدا کرد
دلیل خروج، زمان خدمت، نتیجه دوره آزمایشی و توزیع واحدها را بررسی کنید.
اگر کاهش پیدا کرد
کاهش را با دقت تصمیم استخدام، کیفیت مدیریت عملکرد و ریسک نگهداشت متعادل کنید.
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
- نوع خروج و کد علت
- تاریخ استخدام و خروج
- عملکرد/دوره آزمایشی
- واحد و نقش
تفکیکهای ضروری
ابتدا حجم نمونهٔ کافی و محرمانگی را کنترل کنید؛ سپس روند را با این برشها بخوانید:
واحدخانواده شغلیمدیرسابقه
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