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。

圖1. 員工離職預測模型的發展

值得一提的是,這個研究特別的地方有兩點:

  1. 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。
  2. 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

更多商普好文推薦

回到頂端