員工離職率高是目前許多中小企業會面臨的問題，招聘培養的成本與核心人才的流失也制約著企業的發展。所以如何吸引和留住人才成為了企業主們必須認真考慮和重視的事情。
今天，我們從資料分析的角度開看看員工離職的原因。
01 業務背景
據統計去年大約有16%的員工離開公司，管理層認為，這種程度的員工流失對公司不利，一是導致專案推遲，影響公司的收入，同時也降低了在合作伙伴和客戶的信任感；二是需要維持大量的人力資源處理離職、招聘新員工、培訓新員工，同時新員工也存在無法勝任工作的問題。
02 分析問題
本分析的問題主要有：
- 該公司整體的離職率是多少？
- 哪類員工離職率相比平均水平較高？
- 為什麼此類員工的離職率高？
- 建議該公司採取什麼樣的舉措？
03 分析思路
現狀分析：基於5W2H框架，分析高離職率員工的特徵。
根因分析：先定性後定量，先基於相關性分析找到影響離職的核心要素，再定量分析各要素的詳細情況。
提出建議：基於人貨場的思路提出建議，並基於決策樹預測員工離職的傾向性。
04 具體分析操作
現狀分析：哪類員工離職率高
分析指標：
- 何地：部門、崗位
- 誰：性別，年齡、婚姻狀態、職位級別
- 何時：和現任主管共事年數、司齡、總工作年數
- 為什麼：工作滿意度、工作環境滿意度、工作關係滿意度、工作生活平衡度、績效登記、專案參與度、出差
- 多少：總員工數、在職員工數、離職率
視覺化圖表：
指標卡、圓環圖、堆積柱形圖、明細表、對比柱形圖、詞雲、箱型圖。
分析結論：
透過各維度的分析，離職員工畫像為：研發和銷售部門的基層崗位、入職時間短（3年以內）、級別低（助理級別）、年齡小（18–23歲）、工作經歷少（3年以內）、和當前主管共事時間短（1年內）、工作滿意度和環境滿意度低。
離職員工來源：離職237人主要集中在研發和銷售部門，佔總離職人數的95%；離職人員主要集中在基層崗位，其中實驗室技術員、銷售經理、研究員、銷售代表佔總離職人數的84%。
各部門離職率：總體離職率16%，銷售部門和人力資源部門資源的離職率顯著高於平均水平，分別為21%、19%，研發部門的離職率較低為14%。
各司齡區間離職率：司齡3年以內離職率最高，為30%，隨著司齡逐漸變大，基本呈下降趨勢。
職位級別離職率：助理級別離職率最高，為26%，其次是中級級別，為15%。
各出差頻率的離職率：經常出差的員工離職率最高，為25%。
各年齡區間離職率：18–23歲的員工離職率最高，男性18–23歲離職率為41%，女性18–23歲離職率為56%；對於男性來說，未婚者相比已婚者的離職率普遍更高。
各工作年數（所有工作經歷）區間離職率：總工作年數3年以內離職率最高，為44%，隨工作年數逐漸變大，基本呈下降趨勢。
按與現任主管共事年數區間的離職率：共事在1年內離職率最高，為32%，隨著年數增多，基本呈下降趨勢。
透過比對平均值和分佈，離職員工的工作滿意度和工作環境滿意度相比未離職員工低，其他指標指標差異不大。
根因分析：為什麼員工離職率高
分析指標：
- 離職相關：加班、月收入、總工作年數、司齡、職級……
- 月收入相關：職級、總工作年數、年齡、司齡、管理者崗位……
- 基層崗位：銷售代表、實驗室技術員、人力資源、銷售經理、研究員……
視覺化圖示：
散點圖、明細表、箱型-折線組合圖、柱形圖
分析結論：
基於和離職相關性最高的top5因素為：加班、月收入、總工作年數、司齡、職級，而月收入和總工作年數、司齡、職級的相關性非常高，因此主要圍繞加班和月收入為主線展開分析。
加班導致工作壓力大，進而離職：五個基層崗位人群（銷售代表、實驗室技術員、人力資源崗位、銷售經理、研究員）的加班率為24%-33%，此部分加班人群的離職率顯著高於非加班人群的離職率，但加班人群和非加班人群的收入幾乎無差異。
以銷售代表為例，加班人群的流失率為67%，非加班人群的流失率為29%，加班人群的平均月收入約為2500+，非加班人群的平均月收入約為2600+。
月收入較公司平均水平差距大，雖有加薪，但仍無法挽留住基層員工：四個基層崗位人群（銷售代表、研究員、實驗室技術員、HR）佔公司總員工的49%，但平均月收入為2626–4623，仍遠低於公司平均水平的6503，此四個崗位的離職率較高。以銷售代表為例，平均月收入為2626，但離職率為40%。
月收入與專案投入、績效未掛鉤，無法激發積極性，向上通道窄：月收入與專案參與度、績效評級的相關性很低，說明對專案付出多、績效優異的員工拿到更高薪酬的可能性低。而月收入與總工作年數、司齡存在顯著的關係，年輕員工的薪酬待遇普遍比老員工低。以上兩個因素導致年輕員工的向上通道窄，無法激發工作積極性，進而導致離職。
提出建議：如何降低離職率
透過對離職人群畫像和離職原因的分析，代入一位名為Alex員工，可以想象如下場景：Alex是一位21歲的未婚男性，入職XYZ公司的銷售代表崗位剛滿1年，在去年的重點新藥銷售專案中頻繁去醫院客戶城市出差、加班加點終於在年底取得了較好的成績，主管對Alex的年度專案參與度和績效等級都給了不錯的評價。
今年Alex的月收入雖然有所提升，但仍然相比該公司收入水平差很多，相比外部公司也差。Alex認為去年的專案付出沒有得到應有的回報，並且他也發現和自己類似年齡和司齡的員工的收入都非常低，這讓他減少了工作的積極性，同時對未來的發展充滿了擔憂，進而向主管提出離職。
對該公司提出如下4條建議：
- 工作環境：直接主管加強對頻繁出差、加班人群的關懷，同時識別是否可以透過線上會議減少部分非必要的出差，透過增強培訓輔導、開發工具的方式提升員工的工作效率，減少加班。
- 績效體系：對績效等級評價精細化，避免只存在兩類等級導致吃大鍋飯，績效評級要根據專案參與度拉開差距，同時面向員工宣傳清晰績效標準。
- 薪酬體系：加強績效對職級的影響，使得高績效導向高職級進而導向高月收入、股票水平，使得員工能看到付出帶來的正向效果，提升工作的積極性。
- 離職預測：定期對人員離職情況進行回顧和預測，提前對高離職傾向員工進行關懷和溝通，避免員工已提出離職才被動相應。
員工離職傾向性預測
思路：此問題為基於有限的因變數（即透過相關性分析得到的高相關性變數）預測員工是否離職，屬於二分類預測問題，基於決策樹演算法進行學習和預測
效果：基於80%測試資料(1176條)進行學習，20%的資料(294條)進行測試，測試資料的預測準確率為83%
應用方法：將員工的如下（加班情況、月收入、總工作年數、司齡、職級、當前崗位工作年數、婚姻情況、和現任主管的共事時間、股票水平、年齡）等因變數資料進行錄入或整合，對離職傾向進行預測，進而輔助HR和業務主管提前介入。同時要例行分析員工離職的高相關性因素分析，避免因變數發生變化導致模型預測不準確
本案例的作者為貓狗雙全，作品榮獲帆軟2023BI資料分析大賽最佳資料故事獎，點選連結，體驗分析工具FineBI。
※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※
我是「數據分析那些事」。常年分享數據分析乾貨，不定期分享好用的職場技能工具。各位也可以關注我的Facebook，按讚我的臉書並私訊「10」，送你十週入門數據分析電子書唷！期待你與我互動起來~
文章推薦
回顧十週入門數據分析系列文：
關注數據君的臉書：
我是「數據分析那些事」。常年分享數據分析乾貨，不定期分享好用的職場技能工具。按贊我的臉書，會有豐富資料包贈送唷！
