神奇的算法:可预测员工跳槽

简介: 沃尔玛、瑞士信贷银行等企业将员工的数据汇集起来,通过分析数据来监测可能会离职的员工。公司老板们都想知道谁准备跳槽。随着劳动力数量的减少和劳动力成本的增加,在这样一个紧缺的市场上,像沃尔玛、瑞士信贷银行、Box 等公司都开始利用数据挖掘技术来找出可能离职的员工。
沃尔玛、瑞士信贷银行等企业将员工的数据汇集起来,通过分析数据来监测可能会离职的员工。

公司老板们都想知道谁准备跳槽。随着劳动力数量的减少和劳动力成本的增加,在这样一个紧缺的市场上,像沃尔玛、瑞士信贷银行、Box 等公司都开始利用数据挖掘技术来找出可能离职的员工。据分析团队里的人说,这种产品的理念就是让经理尽早地获得预警信息,这样就可以在员工跳槽之前提前行动。

企业数据的汇集整合需要几十种不同类型的数据,包括工龄、工作地点、表现评估、员工调查、交流模型以及人力资源部门对员工进行的“防跳槽”性格测试等。数据分析之后可以给出一个复杂的结果,比如是什么原因激励员工留下来工作,是什么原因导致员工跳槽。

比如根据 Culture Amp 公司的人力资源分析,在 Box 公司,“员工的工资”和“与老板的关系”在离职原因上的关联性就低于“员工与团队的关系”。瑞士信贷银行公司,在一个规模比较大的团队中,如果经理的评价比较差的话,“经理的表现”和“团队规模”是影响员工跳槽的最大因素。

Ultimate Software Group 人力资源软件公司根据每个人的“留职预测指数(retention predictor)”(跟其他公司的评价得分相似),来预测员工是否会辞职。

随着员工入职时间的不断增加,公司会花更多经理来留住员工,很大程度是因为替换员工的成本特别高。根据美国进步中心智囊团的数据,更换一名员工的平均成本差不多是员工一年薪水的 21%;美国人力资源管理协会的数据显示,招聘一名新员工的成本为 3341 美元。
瑞士信贷银行的全球人才招聘与发展总监 William Wolf 说,如果能把损耗率降低 1 个百分点,银行每年可以节省 0.75-1 亿美元。

不过,到现在为止还没有任何数据能够准确预测员工的去留。数据科学家利用模型来预测员工在不久的将来是否可能会离职,他们的模型里包括了长期以来积攒的各种变量和测试结果。当然,现在数据科学家可以根据选定公司的数据来对模型进行优化,提供更准确的预测。

Ultimate Software 公司的数据科学家 Thomas Daglis 说,“人们总是想找到那一个导致员工离开的决定性原因,然而导致员工离职的原因并非那么简单。”
企业老板或许不在乎员工是否有离职风险,但是这些公司强调说使用数据可以提高员工留存率,也不会赶走员工。
除了预警,数据科学家还发现了一些有趣的关系。
HR 数据公司 VoloMetrix 通过分析匿名的员工电子邮件和日历数据,发现可以提前一年预测员工是否会跳槽,因为他们发现有跳槽倾向的员工会花更少的时间与同事交流、不愿意参加计划外的会议。Ultimate Software 公司则发现了员工福利和员工离职之间的关系。而雇主所面临的挑战,准确来说是拿到数据之后如何处理,有些公司的 HR 并不确定如何应对有潜在跳槽倾向的员工。

AOL 公司人才分析师 John Callery 表示,“我们的工作绝不可能是把员工叫来会议室,跟他们说电脑算法告诉我们你有可能要跳槽。”AOL 最近开始与工作里分析公司 Visier 合作,通过软件来预测每一名员工的跳槽几率。Callery 说现在就下结论说 AOL 的留职率提高了还为时尚早,因为他们和 Visier 的合作也不到一年,需要一年以上知道预测是否准确。

在过去的三年里,瑞士信贷银行研究过员工的历史资料,包括加薪、升职以及人生重大变动等事件,来预测他们接下来的数年内是选择留在银行继续工作还是选择跳槽。Wolf 现在负责监管公司的人才分析团队,他认为改变工作职位能够让员工更“执着”地留下来。但是在 5 年之前,瑞士信贷银行中不到一半的工作职位向内部员工开放,其中这部分中的大多数都是被外面应聘的人抢去了。

大约一到一年半之前,瑞士信贷银行发布全球计划,允许员工参与内部人员流动。瑞士信贷的招聘人员现在会把超过 80% 的工作向内部员工开放,并且在职位发布时会直接打电话给内部员工。但是银行的招聘人员发现内部人员流动还是有人会跳槽,于是他们开始用算法来推荐员工参加某项工作。通过内部计划,有 300 多人获得了职位晋升;按 Wolf 的话来讲,这些人如果没留下的话,很可能就跳槽了。“我们相信,是我们的工作让他们留了下来,而没有让他们没有选择跳槽。”

瑞士信贷银行也用算法来调查为什么女性员工离职率超过男性,尝试发现究竟是升职,还是个人重大事情(比如怀孕)增加了离职的几率。
为了增进团队成员之间的密切程度,先发制人防止人才流失,Box 公司鼓励经理增加更多的社交活动,奖励团队工作,举办更多指导会议,增进新老员工的感情。员工如果在公司中看不到明确的上升机会,他们可能会因此而离职,所以公司需要提供机会来让他们锻炼自己,给他安排一些拓展任务。
芯片厂家美光科技就是用数据来降低入职第一年员工的离职率,据了解,这家公司全球员工的离职率在 20% 左右,大多是因为工厂制造员工的离开所造成的。

在早期,美光科技发现,如果工人觉得自己做的工作和职位描述上的不符,他们会选择离开公司,所以在招聘的时候他们会更清楚地描述工作。美光科技的工作力分析总监 Timothy LOng 说,“这跟我们如何接触数据有关系。关键就在于,如何让员工留下来。”

这些公司也都在预测员工会在何时离开当前的岗位,而不是当前的公司。沃尔玛正尝试在员工要离职的时候,给予他们职位上的提升,识图通过这样的弥补措施来留下人才。现在,沃尔玛没念都会为 16-17 万明员工升职、加薪。

沃尔玛全球人才分析副主席 Elpida Ormanidou 最后说:“如果我们能提前三个月知道的话,就可以开始招聘、培训新员工。要知道,一份工作岗位空缺的时间是不能太长的。”

目录
相关文章
|
存储 监控 算法
防止员工泄密软件中文件访问日志管理的 Go 语言 B + 树算法
B+树凭借高效范围查询与稳定插入删除性能,为防止员工泄密软件提供高响应、可追溯的日志管理方案,显著提升海量文件操作日志的存储与检索效率。
403 2
|
机器学习/深度学习 监控 算法
员工上网行为监控软件中基于滑动窗口的C#流量统计算法解析​
在数字化办公环境中,员工上网行为监控软件需要高效处理海量网络请求数据,同时实时识别异常行为(如高频访问非工作网站)。传统的时间序列统计方法因计算复杂度过高,难以满足低延迟需求。本文将介绍一种基于滑动窗口的C#统计算法,通过动态时间窗口管理,实现高效的行为模式分析与流量计数。
467 2
|
存储 监控 算法
员工上网行为监控中的Go语言算法:布隆过滤器的应用
在信息化高速发展的时代,企业上网行为监管至关重要。布隆过滤器作为一种高效、节省空间的概率性数据结构,适用于大规模URL查询与匹配,是实现精准上网行为管理的理想选择。本文探讨了布隆过滤器的原理及其优缺点,并展示了如何使用Go语言实现该算法,以提升企业网络管理效率和安全性。尽管存在误报等局限性,但合理配置下,布隆过滤器为企业提供了经济有效的解决方案。
406 8
员工上网行为监控中的Go语言算法:布隆过滤器的应用
|
存储 缓存 算法
如何管理员工上网:基于 Go 语言实现的布隆过滤器访问拦截算法应用
布隆过滤器以空间换时间,通过多哈希函数实现黑名单的高效存储与毫秒级检索,解决传统方案内存占用大、响应慢等问题,助力企业低成本、高效率管理员工上网行为。
488 3
|
监控 算法 安全
基于 PHP 的员工电脑桌面监控软件中图像差分算法的设计与实现研究
本文探讨了一种基于PHP语言开发的图像差分算法,用于员工计算机操作行为监控系统。算法通过分块比较策略和动态阈值机制,高效检测屏幕画面变化,显著降低计算复杂度与内存占用。实验表明,相比传统像素级差分算法,该方法将处理时间缩短88%,峰值内存使用量减少70%。文章还介绍了算法在工作效率优化、信息安全防护等方面的应用价值,并分析了数据隐私保护、算法准确性及资源消耗等挑战。未来可通过融合深度学习等技术进一步提升系统智能化水平。
267 2
|
存储 监控 算法
公司员工泄密防护体系中跳表数据结构及其 Go 语言算法的应用研究
在数字化办公中,企业面临员工泄密风险。本文探讨使用跳表(Skip List)数据结构优化泄密防护系统,提升敏感数据监测效率。跳表以其高效的动态数据处理能力,为企业信息安全管理提供了可靠技术支持。
303 0
|
存储 机器学习/深度学习 监控
如何监控员工的电脑——基于滑动时间窗口的Java事件聚合算法实现探析​
在企业管理场景中,如何监控员工的电脑操作行为是一个涉及效率与合规性的重要课题。传统方法依赖日志采集或屏幕截图,但数据量庞大且实时性不足。本文提出一种基于滑动时间窗口的事件聚合算法,通过Java语言实现高效、低资源占用的监控逻辑,为如何监控员工的电脑提供一种轻量化解决方案。
634 3
|
存储 监控 算法
公司员工电脑监控软件剖析:PHP 布隆过滤器算法的应用与效能探究
在数字化办公的浪潮下,公司员工电脑监控软件成为企业管理的重要工具,它能够帮助企业了解员工的工作状态、保障数据安全以及提升工作效率。然而,随着监控数据量的不断增长,如何高效地处理和查询这些数据成为了关键问题。布隆过滤器(Bloom Filter)作为一种高效的概率型数据结构,在公司员工电脑监控软件中展现出独特的优势,本文将深入探讨 PHP 语言实现的布隆过滤器算法在该软件中的应用。
295 1
|
存储 监控 算法
员工电脑监控场景下 Python 红黑树算法的深度解析
在当代企业管理范式中,员工电脑监控业已成为一种广泛采用的策略性手段,其核心目标在于维护企业信息安全、提升工作效能并确保合规性。借助对员工电脑操作的实时监测机制,企业能够敏锐洞察潜在风险,诸如数据泄露、恶意软件侵袭等威胁。而员工电脑监控系统的高效运作,高度依赖于底层的数据结构与算法架构。本文旨在深入探究红黑树(Red - Black Tree)这一数据结构在员工电脑监控领域的应用,并通过 Python 代码实例详尽阐释其实现机制。
363 7

热门文章

最新文章