Как управлять текучестью персонала с помощью Webtutor (кейс)
Много разговоров про то, что Вебтютор уже не Learning management system (LMS), а Talent Management system (TMS), еще говорят про интегрированное управление талантами.
Я думал, что эти вещи самоочевидны, но поскольку интегрированное управление талантами не случается, то я решил показать на простом примере, что такое это такое.
Управление текучестью персонала является одним из самых интегрированных hr бизнес процессов, надеюсь, спорить никто не будет: текучесть зависит от персональных качеств сотрудника, практик и политик компании, внешних факторов, отношений с руководителем и т.п... Т.е. управление происходит практически на всех этапах жизни сотрудника в компании и через все hr бизнес процессы: начиная от входного интервью, заканчивая exit интервью.
Я уже много раз пытался объяснить, как управлять текучестью через Вебтютор, сегодня очередная попытка - на примере кейса.
Обращаю внимание, что данный кейс - первый шаг в управлении текучестью. Может быть не самый важный, но необходимые.
Этот шаг называется на языке статистики - дескртиптивные или описательные статистики.
Если пользователи Вебтютора сделают данный кейс, я обещаю продолжить делать последовательные шаги по управлению текучестью. На ваших данных быть может.
Я обещаю показать, как информация, содержащаяся в Вебтюторе может превратиться в реальный инструмент управления текучестью.
По сути я расскажу о технологии, которая заложена в этой статье Забудьте про резюме: Большие Данные определяют решение рекрутера
И если я вас заинтересовал, приступает к первому кейсу
Информация о работниках, которые 1) "живы" и еще работают и 2) уволены по инициативе работодателя, тоже важна, но будет использоваться в дальнейшем.
Здесь сразу первый вопрос: а вы ведете инфо о том, по чьей инициативе было увольнение?
В Вебтютор обычно не содержится информации о стаже уволенных сотрудников, но всегда есть следующие поля:
Все. Данные присылайте в файле excel на е майл edvb@websoft.ru
Минимальное значение переменной "стаж" для моих данных - 1 месяц
Максимальное - 197 месяц.
Т.е. были работники, которые ушли из компании, проработав месяц, а кто то ушел, проработав 197 месяцев или более 16 лет.
Среднее значение стажа по моим данным - 34, 67 месяца
Медиана - 24
Т.е. в среднем в компании уволившийся работник отработал 34, 67 месяца и 50 % увольняющихся по своей инициативе не переходят рубеж стажа в 24 месяцев.
Какие данные получатся у вас? Жду ваши решения.
Помимо решений хочу получить обратную связь: не кажется ли текст сложным?
Я думал, что эти вещи самоочевидны, но поскольку интегрированное управление талантами не случается, то я решил показать на простом примере, что такое это такое.
Управление текучестью персонала является одним из самых интегрированных hr бизнес процессов, надеюсь, спорить никто не будет: текучесть зависит от персональных качеств сотрудника, практик и политик компании, внешних факторов, отношений с руководителем и т.п... Т.е. управление происходит практически на всех этапах жизни сотрудника в компании и через все hr бизнес процессы: начиная от входного интервью, заканчивая exit интервью.
Я уже много раз пытался объяснить, как управлять текучестью через Вебтютор, сегодня очередная попытка - на примере кейса.
Обращаю внимание, что данный кейс - первый шаг в управлении текучестью. Может быть не самый важный, но необходимые.
Этот шаг называется на языке статистики - дескртиптивные или описательные статистики.
Если пользователи Вебтютора сделают данный кейс, я обещаю продолжить делать последовательные шаги по управлению текучестью. На ваших данных быть может.
Я обещаю показать, как информация, содержащаяся в Вебтюторе может превратиться в реальный инструмент управления текучестью.
По сути я расскажу о технологии, которая заложена в этой статье Забудьте про резюме: Большие Данные определяют решение рекрутера
И если я вас заинтересовал, приступает к первому кейсу
Стаж. Описательные статистики
Управление текучестью персонала начинается с описательных статистик. Для этого предлагаю скачать данные по уволившимся работникам из Вебтютор, используя генератор отчетов. Поскольку мы говорим об управлении текучестью, то имеет смысл брать информацию только по тем работникам, кто принял решение уволиться сам. Кроме того, определитесь, какие позиции вас интересуют, и возьмите для анализа только "горячие" позиции (например, в банке имеет смысл работать с позицией операциониста отдельно от позиции бек офиса).Информация о работниках, которые 1) "живы" и еще работают и 2) уволены по инициативе работодателя, тоже важна, но будет использоваться в дальнейшем.
Здесь сразу первый вопрос: а вы ведете инфо о том, по чьей инициативе было увольнение?
В Вебтютор обычно не содержится информации о стаже уволенных сотрудников, но всегда есть следующие поля:
- Дата приема
- Дата увольнения
Итого у вас получится колонка "стаж", которую я дальше буду именовать переменной. Задание:
- Постройте гистограмму распределения частот стажа (см. ниже). Я в своей гистограмме взял шагом полгода стажа. Вы можете поиграться с шагом и определить сами, какой период стажа более показателен.
- Определите минимальное и максимальное значение переменной "стаж"
- Вычислите среднее и медиану переменной "стаж"
Все. Данные присылайте в файле excel на е майл edvb@websoft.ru
Приложение 1
По моим данным получилось вот такое распределение стажа уволенных.Максимальное - 197 месяц.
Т.е. были работники, которые ушли из компании, проработав месяц, а кто то ушел, проработав 197 месяцев или более 16 лет.
Среднее значение стажа по моим данным - 34, 67 месяца
Медиана - 24
Т.е. в среднем в компании уволившийся работник отработал 34, 67 месяца и 50 % увольняющихся по своей инициативе не переходят рубеж стажа в 24 месяцев.
Какие данные получатся у вас? Жду ваши решения.
Пысы
Это только первый шаг в управлении текучестью персонала.Помимо решений хочу получить обратную связь: не кажется ли текст сложным?
