[[157830]]

最近，人力資源專家、人力資源技術會議之父—Bill Kutik寫了一篇文章《預測分析炒作》。在這篇文章中，他引用星座研究分析師Holger Mueller的說辭“這歸結于當應用于大量有著不同數據視野的顧客時，這些模型是否真的有用。”

因此，當許多人力資源軟件供應商光說說要預測“雇員離職風險”時，他們有多少人可以證明他們能說到做到以及他們的預測真的有用，你怎么能確保一個供應商所宣稱的可以預測員工留任風險是有效的？你應當尋找什么？

首先，為什么預測“離職風險”如此重要？

自從2009年的經濟衰退巔峰以來，美國每個職業空缺所對應的失業人口數量在穩定的下降，現在已經回到了衰退前的水平。再加上，美國勞工部的統計數據顯示，企業不僅越來越難招到人，也越來越難留住人才。

因此，員工保留自然而然成為了大多數人力資源部門的關鍵任務。為了可以量化人員損耗的影響，許多人嘗試把離職和商業影響聯系起來。一份分析了48個獨立研究的綜合性研究中表明，離職真的對財務業績、客戶服務、勞動生產率和安全產出有影響。

更多的人嘗試去通過估計直接成本和間接成本來量化離職的的影響。盡管分享了許多的觀點，這個研究結果中關于成本和人員損耗的聯系仍然有很大程度上的不同。因為考慮到的因素和作用也是多樣化的。一個完整的核算需要超越雇傭和培訓的范疇，包括分離，生產力和失去的知識。

在一個有著5000名免付加班費員工（例如，行政管理人員，經理主管人員，專業性的員工，計算機專業人員以及銷售人員）的公司，有著10%的自愿離職流動率（比2014年行業中的額平均自愿離職率少了超過1%）,盡管保守估計每年不必要的離職率可以轉化為3000萬美元的替代成本。

盈虧的底線可以被好的開支計劃所改變，但是濫用的保留員工策略，例如，人力資源或者是經理們用來防止辭職所采用的方法：加薪，獎金或者是升職。當這些策略沒有硬數據來支撐他們的話，結果將會十分有限，更糟糕的是，這些錢可能不必要的被用來挽留那些實際上并沒有離職風險的人。36大數據http://www.36dsj.com/ 微信號dashuju36

正如在文章中描述的那樣，ConAGra食品公司創建了一個人力資源分析程序，使用數據來引導挽留策略的實施顯示出了“地毯式轟炸和激光制導彈的區別”。人力資源將它的注意力聚焦并將錢花費到最有用的地方，而不是在整個公司采用挽留策略。如果你可以使用預測分析來準確的識別那些有離職風險的員工，尤其是表現出色的員工以及是關鍵角色的人，那么你就可以在保證生產力和績效提升的同時，避免這些成本。在這種情況下，關鍵字是正確的。

為什么證明預測分析的有用如此難

首先，使用任何的預測模型，你需要有一種方法來證明你的預測是有效的。維西爾的數據科學家認定，一個分析若要有效，最少需要分析2至3年的數據（越多越好），它就像在某一時刻，父母對他們的孩子說的那樣“你不去試一下，你怎么知道你不喜歡它呢？”或者在我們這一情形下，如果你沒有做一個對于真實結果來說有效的預測，你怎么就知道這一預測是有用的呢？

第二，人們做決策的模式不能被歸結為市場營銷人員這么多年以來一直嘗試去發掘的簡單因素。它是“有著情感的數據”，并且為了發掘其內在模式需要去展搜尋盡可能多種類的信息來源。就像淘金一樣，你搜索的范圍越廣，你越有可能找到隱藏的金塊，也就像預測分析的洞察力一樣。

第三，預測的準確性取決于用來建造模型的數據，例如，如果一個模型是基于一個公司的內在因素建立的，那么它就不一定適用于第二個公司。更具挑戰的是，在同一個公司的一年和下一年相比之下，對于同一個模型也會同樣發生上述情形。使用的方法應該考慮到這一動態性。

問題是如今大多數的“離職風險”預測分析能力都是在他們的初級階段—他們都沒有使用足夠的數據來源在足夠長的時間中被足夠多的公司使用到足夠多的員工身上。

驗證一個“離職風險”預測分析技術

在維西爾，我們希望把我們自己的“離職風險”預測分析進行測試，為了做這個測試，我們把我們所有所知的關于預測分析的情況和匿名的數據放到我們的云平臺上，一步一步的應用我們的“離職風險”預測分析技術。在做這的時候，我們發現維西爾在預測誰會在接下來的三個月中辭職時比猜測和直覺要精確8倍，如果你關注前100名有“離職風險”的員工時，會精確10倍。

通過在員工身上應用一段時間我們的機器學習，我們可以賦值一個“離職風險”分數并將它們從高到低進行排列。這些計算都是動態和即時的，因此當一個人力資源分析師，商業伙伴或者領導詢問在一個特別的員工子群體（例如，指定了一個角色、情景、任期以及績效水平）中誰有“離職風險”時，系統會基于最近適用于用戶的數據自動的提供相關結果。

手里持有這些信息，人力資源可以采取行動來應對最脆弱的群體或者是那些準備離職的人。

人力資源在預測分析中至關重要的作用

盡管有炒作的嫌疑，預測分析將不會取代人類的干預：他們將不會告訴你一個清晰的行動方案，尤其是在處理那些有情感的數據時。

預測分析比關于誰將離職所包含的東西更多，它還包括為什么他們要離職。在許多放面，預測為什么離職比指名某個人更加有價值，因為它通過直擊原因的根源來使人力資源采取深切的、精準的，長期的行動來降低離職率。