Еще один из результатов нашего исследования факторов текучести персонала (активно участвуем).
Сегодня покажу взаимосвязь между текучестью персонала и каналом привлечения (источником трафика) кандидатов.
Обращаю ваше внимание, что вы можете сделать аналогичный анализ у себя в компании, достаточно иметь следующую информацию:
Внимательные читатели моего блога помнят, что я уже делал подобное (Влияние каналов привлечения (источников трафика) кандидатов на текучесть персонала), сегодня показываю другой инструмент. В прошлый раз я использовал знакомый всем Манн Уитни, сегодня использую более корректный, точнее, более корректные инструменты анализа дожития: Log Rank Кокса и Bresow или обобщенный Вилкоксона. Обращаю ваше внимание, что данный показатель можно использовать не только по уволенным сотрудникам, но учитывать "живых", еще работающих сотрудников в анализе, что повышает качество анализа как минимум за счет большего числа наблюдений. Участники моего семинара Аналитика для HR должны помнить критерий Вилкоксона. По методологии пост идентичен посту Бенчмаркинг: текучесть HR специалистов по отраслям
Также обращаю ваше внимание, что такой анализ можно проводить в отношении любых признаков:
сразу вопрос участникам моего семинара: на какие цифры мы смотрим в этой таблице в первую очередь?
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
Если вы анализировали текучесть персонала по коэффициенту текучести персонала, то считаете ли вы, что приведенный в данном посте анализ является более качественным / показательным?
Управление текучестью персонала
Сегодня покажу взаимосвязь между текучестью персонала и каналом привлечения (источником трафика) кандидатов.
Обращаю ваше внимание, что вы можете сделать аналогичный анализ у себя в компании, достаточно иметь следующую информацию:
- Дата приема на работу
- Дата увольнения ("живых" тоже используем в анализе, дата увольнения будет пустой)
- Причина увольнения (а именно: по чьей инициативе произошло увольнение, работодателя или работника - и нас, конечно, последнее интересует)
- Каналы привлечения кандидатов (у вас свои каналы, я показываю свои - то, как обозначал).
Внимательные читатели моего блога помнят, что я уже делал подобное (Влияние каналов привлечения (источников трафика) кандидатов на текучесть персонала), сегодня показываю другой инструмент. В прошлый раз я использовал знакомый всем Манн Уитни, сегодня использую более корректный, точнее, более корректные инструменты анализа дожития: Log Rank Кокса и Bresow или обобщенный Вилкоксона. Обращаю ваше внимание, что данный показатель можно использовать не только по уволенным сотрудникам, но учитывать "живых", еще работающих сотрудников в анализе, что повышает качество анализа как минимум за счет большего числа наблюдений. Участники моего семинара Аналитика для HR должны помнить критерий Вилкоксона. По методологии пост идентичен посту Бенчмаркинг: текучесть HR специалистов по отраслям
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
Описание задачи
Одна переменная - стаж работы. Другая - источник трафика или канал привлечения: как кандидат узнал о вакансии. Я беру следующие источники:- Знакомые - в результатах анализа обозначены как friend
- Джоб сайты - js
- Работодатель сам вышел на Вас - emp
- Кадровое агентство - KA
Результат анализа
Описательные статистики
Т.е. через job сайты пришло 208 человек, через кадровые агентства 47 и т.д...
Среднее и медиана по разным источникам трафика кадидатов
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
Эта статистика аналогичная вышеприведенной, только здесь даются показатели квартилей.
Попарные сравнения
Визуализация
Вместо таблицы дожития я хочу предложить несколько иной инструмент визуализации: нормированную гистограмму стажа уволенных по разным источникам трафика.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?
Управление текучестью персонала
Комментариев нет:
Отправить комментарий