摘要:RT
数据分析的结论会和日常的认知有冲突,这个是不可避免的。
在培训过程中,一些学员反映数据分析和自己的认知产生了冲突,把他们反映的情况和迷茫的问题总结归纳,找出几个典型和大家聊聊。
1.数据分析结果与员工离职定律冲突
我们会发现有很多总结出来的离职定律,同时在这个基础上衍生了一些管理方法,例如:
1)“136离职定律”。即员工入职1个月、3个月、6个月、1年、3年和6年这些阶段的员工容易离职。
入职1个月,离职与HR关系较大
入职3个月,离职与直接上级关系较大
入职6个月,离职与企业文化关系较大
入职1年,离职与职业晋升关系较大
入职3年,离职与发展平台关系较大
入职6年,员工离职的可能性很小
2)“232离职定律”。即员工入职2周、3个月和2年这些阶段的员工容易离职。
入职2周,离职与薪酬福利关系较大
入职3个月,离职与HR关系较大
入职2年,离职与晋升发展关系较大。
当然也有其它离职定律,只是给大家随意举两个。我们会发现,仅仅是这两个定律它们的描述情况就不一样。
这些离职定律是在一定条件下总结出来的,每一个都有其局限性,并不具备普适性。如果生硬的用在公司管理中,可能会适得其反。
如果把公司的离职数据加以分析,我们会发现不同的情况,不会再去遵循所谓的“离职定律”。
如下图,是某公司离职数据分析,会发现入职1个月内因文化原因离职是最大原因,入职1-3年主要是因薪酬原因离职,随着工龄的增长对发展晋升的需求也增大,到第4年达到顶峰,也是这个工龄段离职的最大原因。
该公司的离职数据分析与前述的两个离职定律并不相符,这也就是为什么强调大家自己做数据分析,也解释了为什么有的学员会迷茫,自己学的知识居然被数据分析结果颠覆了。
2.对平均数的疑惑
面对一组数字,平均数是最常用的一项分析,例如平均年龄、平均工龄、平均工资、平均分数等,但是有没有想过平均数也有限制?
A公司平均工资为40万元/人,B公司平均工资为30万元/人,说明A公司的薪酬标准高,这个结论对不对呢?
假定A、B公司各3人,A公司3人工资分别为10万、10万、100万,B公司3人工资全部为30万,那到底是A公司薪酬标准高还是B公司薪酬标准高呢?
如果你作为求职者,看到两家公司的平均工资,你会选择哪个公司?我想大多数人应该会选择A公司对不对?
这个事例会让好多人产生错误的判断,在工作中同样如此,根据平均数作出的决策,很有可能是错误的决策,所以不要盲目相信平均数,要多角度分析数据,真正从数据产生洞察。
3.为什么指标不能实际计算
有没有碰到过这种情况?看到一些指标,自己也想在实际工作中应用,但是却发现这个指标没办法计算出来?
可以肯定的是,有些指标是想象中的情况,在实践中没办法应用。
例如经常被咨询到:未转正人员离职率如何计算、本科以上学历离职率如何计算等。
离职率=离职人数/(期初人数+入职人数)
根据这个公式可以得出:
未转正人员离职率=未转正人员离职人数/(期初未转正人数+入职人数)
这个指标乍一看没问题,但是认真考虑一下:期初未转正人数与未转正人员离职人数相等,入职人数有可能等于0,所以这个指标的结果出现100%是非常有可能的。如果再加上各个维度分析,这个指标的波动会非常大。
试想一下,这个指标得出的结果能让我们产生洞察吗?
如果通过认真推导,会发现有些指标有其应用的局限性,有的指标是没办法计算或者计算后没办法应用的,理论和实践出现了差异,甚至这个差异还很大。
随着数据分析的普及和研究深入,一些观念和做法已经滞后于时代发展,HR必须不断学习和发展,接受新知识和新思想,才能让自己立与不败之地。
10楼 韵儿88yuner
打卡
9楼 tom更好的
我分析离职率的时候大多都是用离职面谈的原因做的,这样数据相对真实一些。
7楼 蓝蓓蕾
老师说的都非常有道理。
6楼 行知幼稚园
平均数确实是最容易迷惑人的。
5楼 sanhui
打卡学习
3楼 piihgbg
数据更能真实的反映问题所在,一些定律只适用大多数,并不是绝对的。
2楼 烂柿子
学习了
1楼 大卡
齐涛老师——
本篇文章来自齐涛老师的分享。大家可以在评论区多多留言与老师互动,也可以点击老师头像订阅,关注老师上线的多套热销课程!