现代数学模型对员工离职的原因以及对抗它的最有效方法产生了强大的洞察力。
人们过去认为，人工智能和其他计算机模型永远无法真正洞察人类行为，进而洞察人类思维。然而，今天，通过大数据分析的视角，人们更迅速地寻求更好地了解员工离职的原因以及员工个人经历中与业务相关的其他方面。
现代统计和计算机模型从根本上改变了人力资源部门的监督和自我完善方式，总是朝着准确的方向发展。本着这种精神，ADP研究所188bet金宝搏app®(188bet金宝搏appADP RI)详细介绍了一个新的分析模型的结果劳动力流失的启示。通过预测分析深入了解报告。该报告建立在一个模型的基础上，该模型从4.1万家公司和1250万名员工的匿名工资数据中提取信息。
事实证明，关于人们为什么自愿辞职这个高度个人化、高度人性化的问题，最深刻的观点现在可能来自一个非人的数学模型。对于人力资源来说，这些模型不仅提供了全新的工具，还提供了全新的经验教训。
哪些模型揭示了员工离职的原因
分析揭示了影响离职决定的一系列因素，但其中没有一个应该特别令人惊讶。影响员工离职意愿的最重要因素是他们的薪酬水平和/或资历。紧随其后的是同样合乎逻辑的问题，比如加班时间和工资、通勤时间以及在组织内相对于经验的任期水平。
员工的人口统计数据也可以在决定他们的行为方面发挥巨大作用。例如，千禧一代的员工不仅更顺从换工作但更关心工作与生活的平衡。因此，通勤时间和繁重的加班工作对千禧一代员工行为的影响可能比他们的同事更大。
注意所有这些因素影响一个人离开雇主的机会，而不是增加这样的机会;如果处理得当，这些同样的属性可以最有效地在员工中建立忠诚度，并降低流动率。
虽然ADP 188bet金宝搏appRI的分析模型并不是第一个发现这些因素的分析模型，但其对现有数据的无偏见分析方法对这些担忧的复杂模式产生了新的见解，这些担忧最终决定了员工是否离职。报告解释说，“因为模型总是在‘学习’，所以当前的数据可以用于预测未来的概率”，这是传统人力资源分析技术无法做到的。
了解人员流动可以控制人员流动
最终，一个模型只能指出一个问题;实际采取行动取决于管理层。仅仅因为你知道通勤时间是个问题，并不意味着你知道该怎么做。也许解决方案是允许更多的远程办公，提供班车服务，增加工资——或者什么都不做。188bet金宝搏app
即使必须忍受自愿离职的特定驱动因素，了解这个驱动因素是什么以及它是如何影响你的业务的还是很好的。的确，正如ADP RI188bet金宝搏app指出的那样，了解某样东西可以让你做得更多，而不仅仅是破坏它:“如果流失是目标……现在你知道如何更快地实现这个目标了。”
一旦一个模型确定了影响企业自愿离职的最重要因素，就有可能采取行动。例如，ADP RI报告发现，在这个典188bet金宝搏app型例子中，“员工的任期相对于整体经验水平”在导致人员流动的因素中占29.4%。知道了这一点，组织就可以采取最适当的行动——在这种情况下，对促销实践进行审查可能是合适的。
同样地，《福布斯》最近注意到，“员工在头30-90天内自愿离职的比例高，可能意味着他们与新员工及其管理层或同事之间可能存在人际冲突，或者他们根本无法适应公司文化。”
因此，目标首先是诊断，然后采取行动。ADP R188bet金宝搏appI和其他机构所表明的是，分析模型是新的、首要的诊断工具。
如果你给模型提供足够的数据，它们可以做惊人的事情
为自己构建这种模型的第一步，或者只是利用现有的模型，是生成它工作所需的数据。这意味着既要投资于薪资和员工管理系统，随着时间的推移追踪更细致的员工数据形式，也要投资于企业范围内的调查等一次性措施。一旦你的数据以精心策划的形式存在，那么机器学习模型就可以将其与大量历史数据进行比较——这就是乐趣的开始。
了解最新的劳动力趋势，为人力资源领导者提供见解:订阅我们每月的电子通讯．