透過公開與內部資料，預測員工離職
在現代企業中，員工離職是相當正常的事，但企業也會希望員工離職是一件「可防可控」的事。如果有一套系統能夠預測公司員工何時會離職，讓人資和用人部門能夠預先因應或控制員工在特定期間的離職率，不知道該有多好？
美國喬治城大學（Georgetown University）教授布魯克斯．荷頓（Brooks Holtom）與英國華威商學院（Warwick Business School）教授大衛．艾倫（David Allen），在2019年9月哈佛商業評論數位版中，發表了一篇文章〈員工辭職神預測？（Better Ways to Predict Who’s Going to Quit）〉。
這項研究對員工離職主題除了進行文獻探討外，並透過機器學習演算法，發展出個人「離職傾向指數」（turnover propensity index）的預測模型，以預測哪些員工可能會離職。
荷頓與艾倫教授首先提到，過去研究判斷員工離職的兩大因素主要是：職離衝擊（turnover shock）和工作鑲嵌（job embeddedness）。離職衝擊是指員工會因為一些事件（如主管異動、結婚生子）而離職；工作鑲嵌則是指員工與組織之間的連結程度發生改變。一旦員工與組織關係不好，工作不符合興趣等，離職意願就會大幅提高。
他們兩人與一家人力資源公司合作，蒐集大量與職離衝擊及工作鑲嵌的內部與外部公開資料，其中包括公司的評等、股價、新聞等（許多股票網站就有這些資料），以及個人的教育背景、工作經歷、技能和位階等（雖然有些屬於個資，但目前許多人都願意在社群網站上公佈這些資料，例如在Linkedin上就可以看到），資料規模涵蓋全美各地各種行業共五十多萬人。
之後，荷頓與艾倫教授透過機器學習，並將個別員工依照「不可能」、「不太可能」、「較可能」、「最有可能」接受新工作機會分成四類，而每個人都會獲得一個「流動傾向指數」的評分。
接著，荷頓與艾倫教授的研究團隊寄發「事求人」的電子郵件給兩千位樣本，發現「最有可能」接受新工作機會的族群，打開邀請信的比率（5.0％），是「不可能」（2.4％）的兩倍，同時點開連結的機會也更大。這代表預測模型能找出離職意願較高的員工。
其次，該研究發現，經過三個月後，樣本中的五十萬人裡，「最有可能」接受新工作機會的族群，離職的可能性高出63％；而「較可能」的族群，離職的可能性高出40％，如圖1所示。
值得一提的是，這個研究特別的地方有兩點：
- 結合過去探討離職模型的文獻，找出影響員工離職的因素，並透過大數據分析，發展離職預測模型。
- 所蒐集的資料為公開資料，而非只有企業內部資料。
整個研究不但整合不同的研究方法，並開創公開資料的新應用，無論對學術界與實務界來說，都產生不小的貢獻。
荷頓與艾倫教授的研究證實，企業能透過大數據裡的公開資料，發展離職預測指標，提早發覺可能離職的員工，並讓企業及早介入，利用加薪或調整職務方式，增加人才留任的機會。
作者：羅凱揚（台科大企管系博士）、蘇宇暉（台科大管研所博士候選人）
繪圖者：彭煖蘋
