基于OAC的员工离职数据分析

企业在人力资源管理方面，往往把主要的关注点投入到招聘优秀人才和对在职员工的考核与激励方面，以期望在职员工能够为企业利益最大化作出贡献。这势必会忽略或轻视对员工离职的管理和分析。

在就业进入市场化后，离职成为不可避免的事件。员工从被企业聘用到将其培养成为企业的有用人才，需要花费很大的人力与物力，他们的离职不仅意味着企业的这些投入将无法得以回报，而且离职员工会成为市场竞争的强劲对手，直接威胁着企业的生存和发展。因而，员工离职行为分析在整个人力资源管理中具有非常重要的地位。

作为HR部门，若能全方位整合企业业已掌握的人力、招聘、绩效、离职等信息资源，对员工离职行为进行有效地探索与预测，那么必将在改良企业内部沟通机制，降低员工离职率，增强员工归属感等方面，对企业留住人才产生积极的促进作用。

以下将通过模拟数据，展示如何利用Oracle业务数据平台中的分析云（OAC），来分析企业当前员工离职情况，并且进一步预测哪些有价值的员工可能会流失，进而指导未来的企业人力资源管理。

在模拟过程的初始化阶段，首先通过账号及口令登陆到OAC上，然后将包含“人员表”，“绩效表”，“离职表”，“招聘表”的excel文件导入到OAC数据集中。

表1：人员表

表2：绩效表

表3：离职表

表4：招聘表

数据导入OAC后，可以在“离职”数据下同时选中离职状态、离职时间两项，来看一下目前企业员工的整体离职趋势，发现近来，特别是去年下半年开始，离职的人员在逐步升高（如下图所示）。

由于企业员工离职的类型多种多样，如主动离职、辞退、退休等。因而可以根据“离职类型”进行筛选，结果发现：目前企业的主动离职人员数量是呈上升趋势的，这一现象确实值得HR部门密切关注。

想了解这些离职员工的离职原因，需要进一步观察。通过所有主动离职员工的离职原因及占比图（如下图），可以看到绝大部分离职人员的离职原因是：选择更高的薪酬和更好的机会：

这个结果很容易理解，但无法查看到员工离职背后更具体的原因，所以，接下来使用其他的维度来进一步探索。对于企业人力资源管理来讲，部门因素对员工离职的影响尤为显著，不同部门之间员工离职率差异很大。那么可以通过对离职人员部门的分析，尝试挖掘目前企业员工离职率上升的原因。

通过对离职人员所属部门进行分析，市场部和客户发展部这两个部门的员工离职数量明显偏高。接下来，还可以观察离职员工是否还有其它特征，比如，将“绩效表”和“招聘表”作为员工离职背景分析的维度，尝试去探索离职与绩效、招聘之间的关系。

通过 “绩效表”可以看到，在所有的主动离职员工中绩效>3.0，服务时间<30个月的人员规模最大。

进一步，通过引入“招聘表”，自动地与之前的数据集相关联，可以看到“招聘表”与“人员表”、“绩效表”和“离职表”自动生成了人力分析模型。

接下来，将“招聘表”中的“前单位”以及“前单位类型”的信息融合至现有业务数据分析中，结果发现：前单位为互联网电商类型的员工离职规模比较大，由此可以判断，离职员工的绩效、服务时间和工作所在前单位可能存在某种关联。为了继续验证分析结果，对离职密度相对较高的员工的信息进行下钻。结果发现，绩效较好、服务年限比较短且前单位来源于互联网电商企业的员工离职率显著偏高，可见绩效和履历背景对员工的离职意愿，造成了很大的影响。

通过上述操作，可以得到在职员工的离职风险数据。进而，可以利用OAC的机器学习能力，对在职人员的离职倾向性为0.5以上的在职人员进行预测性分析,可直观的看出“客户发展”和“市场”两个部门的高离职风险人员较多，需要重点关注。

提高员工的工作满意度是降低员工离职倾向的有效路径，通过以上的模拟，可以得出如下建议，用于指导HR部门决策，以提高员工工作满意度，降低员工离职倾向。

建议HR部门对绩效较好、服务年限比较短且前单位来源于互联网电商企业的员工，进行重点关注。在进行招聘和员工管理时，一定要考虑这些因素。
市场部和客户发展部的员工，无论从已发生的离职，还是预测的离职可能性来看，离职风险都是最高的。建议HR部门优化公司人事政策时，充分参考预测结果，有针对性地进行改善。将会收到事半功倍的效果。

更多相关文章

随机推荐