行HR 2023-10-18 11:39 回复 赞(0) 8楼
1、一般情况下,公司整体离职率这个具体结果意义不是很大,可以用来看看一定周期内人员变化趋势,那你只要保证每个月的计算方式一致就可以;
2、想要深入分析离职原因,进而改善不良,那就要基于离职人员中某共性特点的占比,来发现主占比,再将主要占比的这个共性拎出来分析;比如:题中闻到如何降低新员工离职率;就是发现了在离职人员中“新员工”这个共性特点是主要占比,那我们就先将“新员工”这个主要占比群体拎出来分析;
3、具体“新员工”怎么能留住,那就先找到新员工离职的原因,通过正式或非正式的离职面谈或是侧面的打听亦或平时对新员工在整个部门的工作相处情况等等;进而去发现一些原因,将原因进行归类分析;
4、对于新员工是否能留住,其实都有通常的认知,可以基于这些认知公司先行做一些新员工的留任规划;从入职的培训规划、部门的试用期目标确认沟通、部门的工作氛围、对新员工的态度等等。
安德洛玛刻27386 2023-10-18 10:29 回复 赞(0) 7楼
我的离职率,是这样计算的,月离职率=当月离职人数/当月累计在册人数,我们人员都是在系统中导出来的,比如是10月数据,就是10月1日-10月31日这个时间段的人数,就是当月累计在册人数
上林 2023-10-18 09:40 回复 赞(2) 5楼
前两天就回答过类似问题。
1、比值不能做绝对判断,只能做趋势判断。要在统一的核算口径下看长期的变动趋势,通过趋势变动来分析结论,这一点不细说了,感兴趣可以找找之前的帖子。
说一点只跟离职率相关的内容:
2、离职率的高低取决于你的分母如何认定,比如按你的公式分母为(期初人数+期末人数)/2,那么期初人数和期末人数在取值的时候是否能代表公司的真实情况,取值是否有合理性?
举个例子,假设公司期初有80人,当月有几个招聘会活动,公司积极参与了,招募了80人,到了月末公司决定降薪,结果老员工走了40人,新员工走了40人,所以计算当月离职率=80/(80+80)/2=100%,于是能得出结论,公司的人跑光了?
紧接着,第二个月,由于没有再参加招聘会,公司由于上月招聘人员很多,这个月也没有再搞线下招聘,所以新招募0人,但是上月剩下的40个新员工全都离职了,老员工剩下的40人有10个也选择离职,计算离职率=50/(80+30)/2=90%,因此你会得出一个什么样的结论呢?
从实际中得知,因为公司薪酬的变动,导致老员工流失了一半多的人,这会极大的影响公司的运营,而新员工由于第一个月大量招募,又在短期内大量流失所以对公司几乎没有影响,只能说招聘效果不佳。而从离职率数据上看,第一个月100%,第二个月90%,结论就是第二个月好于第一个月,而事实上公司的招聘计划完全无效,老员工在公司薪酬改革的影响下,纷纷离职,那么你计算离职率意义在哪?
2、以上还是在你设定的计算公式下进行的分析,假设我们按照一楼给出的计算公式计算(注:两个公式都是正确的,只是分母取值的方式不同)。我们继续以第一个月的情况为例,离职率=80/(80+80)=50%,第二个月离职率=50/(80+0)=62%。你会发现,选择的公式不一样,结论甚至都翻转了,公式一计算的结果是第二个月好于第一个月,公式二的计算结果是第一个月好于第二个月……
3、再来看第三种情况,假设某公司每月离职10人,新招募10人,月月如此,在计算上你会得出一个每月都一样的离职率。那么请问,这种每月固定的离职率能说明什么问题?其实仔细想想就会发现,这个离职率说明不了任何问题,既不能说明HR招聘工作卓有成效,也不能说明公司内部人员稳定。因为当你把这个离职率还原到具体现实中,你会发现,每个月离职人员的角色,身份,层级,岗位都是不一样的。某月离职了10个试用期人员和某月离职了10位公司高管,在离职率数据上是一样的,但是在现实中是天差地别。
所以,在分析过以上情况之后,你对离职率这个数据有何感想?说一点我自己的想法吧。1、离职率不是一个界限很清晰的概念,就像那句俗语讲的,一百个人心中有一百个哈姆雷特,我们都在谈离职率,但是你说的离职率可不一定是我想的离职率。2、离职率所能传达的信息是及其有限的,或许从长远的角度看,我们可以通过趋势分析来了解一个公司长期内的人员流失变动情况,但是这又有多大实际意义呢,在这个简单的比值之下,你知道具体发生了什么?如果我们仅从逐渐趋好的离职率变动上,就觉得形势一片大好了,后果可能是很可怕的。3、什么情况下适合引入离职率做分析?我总结以下几点,A、规模巨大的公司,拥有大量员工,只有基数巨大,才能冲抵分母剧烈变动对离职率本身的影响。B发展稳定的历史悠久的公司,如果你是一家新公司,一天一个新想法,今天想扩张,明天想转行,那你计算离职率就会跟刚跑完400米运动员的心电图一样的刺激。C越长的时间跨度,离职率越有参考性,这里的时间跨度分两个,一个是计算离职率的起止时间的跨度,比如你计算月离职率的波动就会明显大于计算年离职率的波动。第二个是选择尽量长的时间段来进行离职率的趋势分析,比如你分析一年内每个月的离职率变动,其数据可信度就不如你分析十年内每年的离职率变动。