离职原因分析(【附A】分析报告:员工离职原因分析)

离职原因分析

研究目的本研究的目的是通过分析1300个员工数据,分析他们在职时间长短,以及相关的影响因素。为未来招聘以及人力资源管理提供帮助。
背景介绍众所周知,顾客是企业重要的无形资产。但是,员工又何尝不是呢?甚至更加重要。只要员工开心了,顾客才可能开心。由此可见,员工在企业成长发展过程中的巨大作用。
更加具体地说,一方面,现代商业社会竞争激烈,企业的核心员工往往掌握着重要的客户资源,技术秘密,或者最少也是熟悉该企业的文化氛围。一旦离职,会对企业造成不可忽略的损失,甚至是致命伤。而另外一方面,通过更好的待遇条件获得竞争对手的核心人员,不失为一种成长的捷径。尤其是对于疯狂成长的中小企业,他们没有人才积累,承受巨大市场竞争压力,没有时间等待。因此,“挖”竞争对手的“墙脚”大概是不可避免的方式。当然,这些企业自己也面临被别人“挖墙角”的压力。如果一个重要员工离职,而企业需要找到一个合理的替代,会因此产生很多成本。这些成本中,首当其冲的是时间。时间不仅仅是金钱,时间更重要的是商业机遇,失之不再来。其次,是货币成本。如果通过一个猎头公司获得一个重要员工,企业一般要给猎头公司支付等同于该员工三个月薪酬的费用。这可不是一笔可以忽略的费用!
因此,优秀的企业一定要懂得如何留住自己的员工。那么靠什么留住员工呢?俗话说,事业留人、待遇留人、还有感情留人。但是,即使是事业相同,待遇一样,感情相近,我们仍然可以发现有的员工在职时间长,有的短。这说明,员工离职的各种原因中,有企业的原因,也有员工的原因。例如,有的员工更加适合现有的企业文化,他的在职时间就会长,否则就会短。因此,分析并了解影响员工在职时间长短的因素意义重大。这会对未来企业招聘,以及人力资源管理提供帮助。
数据介绍本案例的数据来源于国内某重要商业银行人力资源部门。其中总共有1300个样本。每一个样本对应于该银行当年的一位销售人员,他们的主要工作就是销售信用卡。因此对学历工作经验等要求都不高,但是相应的离职率也很高。如果数据表明该员工离职,这说的是当年离职。更具体地说,我们详细记录了以下信息:
工作年限(Y )这是我们关心的因变量。它记录的是某一个员工已经在企业工作了多长时间,以月计。但是,值得一提的是,这并不代表Y就是我们所说的生存时间(Survival Time)。因为,对于那些已经彻底离职的员工,该变量确实代表着他的生存时间。但是,对于那些还没有离职的员工,我们也不知道在未来的什么时候他们会离职。所以,对于这些员工,他们的生存时间是大于或者等于已经实现了的工作年限Y。但是,到底会是多少不清楚。
是否离职(C)这是一个0-1变量。C=1表示该员工已经离职,相反C=0表示该员工仍然在职。这个变量极其重要,是对因变量的一个重要补充。或者说,Y和C一起才构成了我们的因变量。生存数据(Survival Data)之所以被称之为生存数据主要是因为的存在。为什么?假设一个员工的真实生存时间为Z。那么C=1表示该员工已经离职,所以我们知道Y就是真正的生存时间,即:Y=Z。但是,如果C=0,我们知道Y不是真实的生存时间,而真实的生存时间必须是是Z≥Y。因此,我们知道是一个被截断(Censored)的数据。而截断是生存数据的最本质特点,而不“生存”本身。例如,如果这里没有截断,我们精确地看到了真实的生存时间,那么因为生存时间是一个非负的连续数字,因此对log(Z)做一个普通的线性回归就非常好了。没有必要费尽讨论下面的生存分析方法。
前面介绍的是该数据的因变量,下面再介绍一下解释变量。
户籍(X1)这是一个定性变量,有两个可能的取值,即:异地还是本地。有的研究报告表明,对某些企业而言,本地员工离职的可能性更大,因为本地员工所掌握的本地社会资源丰富,面临更多的选择,因此离职可能性更大。但是,也有研究报告显示,异地员工有可能只是将现在的工作作为一个临时过渡,他们更有可能对那些能够为其解决户口的单位感兴趣。
性别(X2)这也是一个定性变量,有两个可能的取值,即:男或女。我们有足够的理由怀疑性别的重要性。例如,某些工作需要比较大的体力投入,那么可能不怎么适合女性工作。如果是这样,那么女性的离职率可能就要高一些。相反,有的工作(例如:幼教),传统的女性参与多一些,也许男性员工的适应性就要相对差一些。对于本案例的银行,性别能否产生足够影响我们无从知晓。
年龄(X3)
这也是一个定量变量,记录的是该员工当时的年龄。如果认为盲目地跳槽尝试是年轻人的专利,那么对于年龄大一些的员工,他们有可能渴望稳定,因此离职率会偏低。但是,也有一种不同的说法,那就是员工的年龄越大,经验越丰富,越有可能成为竞争对手引诱的对象,因此离职率会更高。
以上便是本案例所采集到的所有变量和指标。非常简单也非常不完全。很多重要的公司层面的指标没有放进去。例如,薪酬设计、教育培养、工作部门等。这里我们仅仅希望达到一种抛砖引玉的作用,希望大家能够做得更好。
描述分析我们首先对数据做简要描述分析。首先值得一提的是,本数据总样本量为1300,其中1005人在我们的观测期内离职,而剩下的295人被截断,截断比例为22.69%。整个样本的生存函数如图1所示。从中可以看出,以中位数计,平均的在职时间为5个月左右,甚至不到半年(即:6个月)。这说明,该企业员工的离职状况令人担忧。
图1:全部样本生存函数
接下来,我们尝试按照各个解释变量分组,然后重新计算生存函数,并作对比分析。我们首先考虑户籍因素,如图2所示。从中可以看出,相比较而言,本地员工的生存时间明显地高于异地员工,具体原因不得而知,值得关注。
图2:分户籍生存函数
我们再按照不同性别对比分析如下。请见图3。从中可以看到,相对于女性而言,男性员工的在职时间明显偏短。
图3:分性别生存函数
最后,我们把所有员工按照年龄以每10年为一个单位分成三组。其中g=2表示20到30,其中g=3表示30到40,其中g=4表示40以上。结果如图4所示。从中可以看到,20岁组的员工的在职时间明显低于其他两组。
图4:分年龄生存函数
模型分析在描述分析的基础上,我们通过加速失效模型对各个因素同在职时间之间的关系作了模型分析。各个参数的极大似然估计分析如下。详细结果请见表1。
从中可以看到,同异地员工相比,本地员工的忠诚度似乎更高一些,他们的在职时间会更长。同女性员工相比,男性员工的忠诚度似乎低一些,他们的在职时间更短。最后,我们还发现年长的员工的忠诚度会更高一些,在职时间更长。同样的数据,我们也尝试用Cox等比例风险模型分析,所获得的定性结论基本一致。为节省篇幅不再重复阐述。为完整起见,我们将详细的结果汇报于表2中。
总结讨论本研究分析了1300个员工的在职情况,研究了他们在职时间长短同其户籍、性别,以及年龄之间的关系。从中发现,本地员工比异地员工在职时间更长,男性员工比女性员工更容易离职,年长员工的忠诚度更高。我们不排除还有其他的重要因素影响员工离职,值得未来关注。
王汉生教授简介北京大学光华管理学院商务统计与经济计量系蓝天环保讲席教授;
北京大学商务智能研究中心主任;
微信公众号“狗熊会”创始人;
美国统计学会Fellow(2014);
国家杰出青年基金获得者(2016)。
在理论研究方面,主要关注同移动互联网以及量化投资相关的数据分析。
在业界实践方面,王汉生教授是国内较早从统计数据分析角度关注并研究搜索引擎营销,社交网络数据,以及位置轨迹数据分析的学者。
如果您也觉得本文不错,就请转发吧!
  
如果您对我们的内容感兴趣,请关注微信公众号“狗熊会”,或扫描下方二维码
 点击“阅读原文”下载数据和代码

离职原因分析相关文章

为您推荐

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注