Как управлять текучестью персонала с помощью Webtutor - 2

В первом сообщении (см. Как управлять текучестью персонала с помощью Webtutor (кейс)) я показал описательную / дескриптивную статистику текучести персонала. Сейчас покажу, как практически можно использовать в целях управления текучестью персонала.
Пример простой: как показать влияние на текучесть персонала каналов привлечения кандидатов. Цифры кейса настоящие, т.е. это не пример из учебника, а самый настоящий боевой пример.
Для решения этой задачи вам нужны следующие поля в Вебтютор:

  1. Дата приема
  2. Дата увольнения (обращаю внимание: "живых" тоже используем в анализе, дата увольнения будет пустой)
  3. Причина увольнения (а именно: по чьей инициативе произошло увольнение, работодателя или работника - и нас, конечно, последнее интересует)
  4. Каналы привлечения кандидатов. 

Здесь у каждой компании свои, я показываю свои, в моем примере я использовал четыре 
  1. Знакомые - в результатах анализа обозначены как friend
  2. Джоб сайты - js
  3. Работодатель сам вышел на Вас - emp
  4. Кадровое агентство - KA

Можно такую статистику собрать? 
Теперь осталось посчитать взаимосвязи: нам нужно выяснить, есть ли взаимосвязь между каналами привлечения кандидатов и текучестью персонала. Или проще: какие каналы привлечения дают меньшую текучесть.
Также обращаю ваше внимание, что такой анализ можно проводить в отношении любых признаков:
  • М/Ж
  • женат / не женат
  • Высшее образование / не высшее
  • Блондины / брюнеты
  • Есть собака / есть кошка

Результаты

Сам анализ проводится в программах SPSS и/или R, Rstudio и т.п... Я покажы сразу получаемые результаты

Описательные статистики

Анализ эффективности каналов привлечения (источников трафика) кандидатов
Т.е. через job сайты пришло 208 человек, через кадровые агентства 47 и т.д...

Среднее и медиана по разным источникам трафика кадидатов

Анализ эффективности каналов привлечения (источников трафика) кандидатов
Т.е. средний стаж работы в компании пришедших через джоб сайты - 32 месяца, медиана - 23 месяца, Пришедшие по рекомендациям друзей имеют среднее - 53 месяца, медиану - 34 ммесяца

Квартили текучести по каналам привлечения

Анализ эффективности каналов привлечения (источников трафика) кандидатов
Эта статистика аналогичная вышеприведенной, только здесь даются показатели квартилей. 

Попарные сравнения

Анализ эффективности каналов привлечения (источников трафика) кандидатов
Это статистические критерии

Визуализация

Вместо таблицы дожития я хочу предложить несколько иной инструмент визуализации: нормированную гистограмму стажа уволенных по разным источникам трафика.
Анализ эффективности каналов привлечения (источников трафика) кандидатов

На диаграмме: по оси Х - стаж уволенных, по оси Y - процент уволившихся в данный период.
Т.е. 5,4 % от всего количества уволившихся сотрудников, кто пришел в компанию через job сайты, уволились в первые три месяца. Из тех, кто пришел в компанию по рекомендации друзей, уволилось в первые три месяца 4,6 %. В промежутке от 3-х до 6 -ти месяцев этот показатель для job сайтов равен 9 %, для узнавших от друзей - 7, 2 % и т.п...
Эти данные немного отличаются от приведенных в таблицах (вы легко можете посчитать первый квартиль и убедиться, что показатели по таблице и диаграмме не совпадают. Это от того, что в диаграмме я взял только уволенных, а в таблице анализ велся как по уволенным, так и по "живым" сотрудникам вместе взятым.
И сумма % не будет равна 100 % - это потому, что я не включил правый край, тех, кто проработал более 90 месяцев

Резюме

Предлагаю сделать самим.
Если вы анализировали текучесть персонала по коэффициенту текучести персонала, то считаете ли вы, что приведенный в данном посте анализ является более качественным / показательным?

Комментарии

Популярные сообщения из этого блога

Какие инструменты необходимы для организации дистанционного обучения

С чего начать внедрение геймификации?

Как быстро перейти от очного обучения к онлайн-форматам?