离职率的统计,HR都不陌生。如果只是简单分析离职了多少人,离职率是多少,呈现出来的数据未免有些单薄。就算是分层分类(如按部门、按年龄),展现出来的数据也不够生动。
下面的一些场景,您一定非常熟悉:
HR:老板,近3个月,公司整体的离职率为18%。
老板:嗯,然后呢?18%是高还是低?
HR:这个~~~~
HR:老板,最近这一年,年龄段在30-35岁的人流失最为严重。
老板:我怎么记得去年是35-40岁年龄段呢?
HR:这个~~~~
可见,单薄的数据分析很难提供有用的洞见,也无法打动领导。笔者通过工作中的一个实际案例,分享一下HR通过数据讲故事的技巧。
这是一家本土的制造型企业,在管理诊断期间,咨询顾问希望对公司的离职率进行分析,与其他数据结合,证明公司存在人才的断档。首先,咨询顾问获取了近3年的离职数据。如下图:
大家可以发现,近三年,离职率上涨非常明显,从个位数涨到了两位数。这种离职率的突然上升背后一定问题,否则就算是公司人数增多,也不可能带来这样剧烈的离职率变化。
接着,思考的方向是,既然17、18和19年离职率这么高,就需要看看到底是哪个部门推高了离职率,于是咨询顾问对各部门展开分析。发现排在前三的部门正好是这个公司关键的部门,离职率均超过了30%。
此外,咨询顾问顺腾摸瓜,既然这三个部门离职率比较高,如果再用学历去判断,或许还会有新的发现。于是在学历维度上,通过这三个关键部门的离职率与公司平均离职率的比较,发现了问题。
上图中,蓝色是公司的平均离职率,而橘红色是关键部门的离职率。可以看出,关键部门流失的人员,本科和专科的比例要高于公司的平均水平,这说明这三个部门中学历较高的人才,对公司的不满意程度更高。
在实际咨询中,这些内容与其他数据共同讲述了这样的一个故事:
公式的销售额持续增加,员工对公司的认可度很高,但是随着公司的发展,人的问题渐渐浮出水面,这些现象有:管理人员学历偏低,年龄存在断层;技术研发人员学历偏低;离职率年年攀升,不仅如此,关键部门和高学历的人才流失更为严重……。这些现象产生的原因是组织运行和人才管理出了问题……。
从上述的小例子中,我们或许可以瞥见HR数据分析的常用套路:
1、先找结论,再寻找数据去证明
你的结论非常重要,这也符合金字塔原理;不是你有什么数据,就说什么结论。
2、有趋势,才能说明问题
生产型企业离职率本来就很高,如果没有持续增加的趋势,那么高离职率不能说明问题,也无法触动阅读者。
3、分层分类,对比凸显价值
数据要通过对比才有价值,而要对比,最好的办法是对数据分层分类;如本例中,离职率持续增高,原因很多,有可能是公司效益不好,也可能是新生代员工进入生产部门,无法适应被约束的工作氛围,但是这都不能支撑你的结论。
4、以小见大,将数据串成固故事线
不要摊大饼的去分析很多数据,然后整理一个大部头的报告,这样阅读者会很难受。咨询中常用故事线来代指我们的报告结构,你的数据可通过转折、递进等方式,向利益相关者展现一个非常有吸引力的故事。