پیش‌بینی ترک خدمت و شبیهساز «چه میشود اگر»
نامه استعفا معمولاً پایان یک مسیر است، نه شروع آن. پیش‌بینی ترک خدمت می‌کوشد این مسیر را زودتر نشان دهد تا هنوز جایی برای گفتگو باشد. در این مقاله می‌خوانید این پیش‌بینی چطور کار میکند، کدام عوامل معمولاً در آن اثر دارند، شبیهساز «چه میشود اگر» چه چیزی می‌گوید و چه چیزی نمی‌گوید، و چرا امتیاز ریسک فقط کمکی برای یک گفتگوست، نه حکمی درباره یک انسان.
محصول آماده کارن تکنولوژی
این را روی داده واقعی کسب‌وکار خودتان ببینید
آنچه در این مقاله می‌خوانید، در محصولات کارن پیاده‌سازی شده است. در جلسه دمو، همان را روی داده و فرآیند خودتان اجرا می‌کنیم.
درخواست دمو رایگان یا تماس بگیرید: ۰۲۱-۸۸۶۱۴۲۸۲در این صفحه
چرا استعفا غافلگیر میکند
مدیر معمولاً می‌گوید «ناگهان استعفا داد». از نگاه آن کارمند احتمالاً این طور نبوده است. شاید ماه‌ها اضافهکار داشته، مدتی است ارتقایی نگرفته و کم‌کم از جلسات و پروژه‌ها فاصله گرفته است. این نشانه‌ها در جاهای مختلف ثبت شده‌اند، ولی کسی آن‌ها را کنار هم ندیده است.
رفتن یک نیروی کلیدی فقط یک جای خالی نیست. دانش و رابطه‌های او هم می‌روند و باید نفر تازه جذب و آموزش داده شود. به همین دلیل دیدن زودهنگام ارزش دارد. مسئله جلوگیری از رفتن همه نیست. گاهی رفتن یک نفر برای او و سازمان بهترین تصمیم است. هدف این است که این اتفاق بدون اطلاع و بدون فرصت گفتگو نیفتد.
پیش‌بینی ترک خدمت چطور کار میکند
پیش‌بینی ترک خدمت از روی داده‌های منابع انسانی برای هر نفر یک امتیاز ریسک می‌سازد. این امتیاز می‌گوید افراد با الگوی مشابه چقدر بیشتر در معرض رفتن‌اند. دو رویکرد رایج وجود دارد:
- مدل امتیازدهی توضیح‌پذیر: عوامل مشخص با وزن معلوم با هم جمع می‌شوند. سهم هر عامل روشن است و می‌توان آن را توضیح داد.
- مدل آموزش‌دیده روی سابقه سازمان: الگو از داده خروج‌های گذشته یاد گرفته میشود. این کار به داده تاریخی کافی و تمیز نیاز دارد و در سازمان کوچک معمولاً عملی نیست.
در هر دو حالت، خروجی احتمال است، نه پیش‌گویی. مدل از خانواده کارمند، پیشنهاد شغلی تازه یا تصمیم شخصی او خبر ندارد. این نکته باید در همه استفاده‌ها از امتیاز یادتان بماند.
کدام عوامل معمولاً اثر دارند
| عامل | چرا مهم است | نکته تفسیر |
|---|---|---|
| مشارکت | افت مشارکت میتواند نشانه فاصله گرفتن باشد | روند مهمتر از یک عدد است |
| اضافهکار | اضافهکار طولانی فرسودگی می‌آورد | اضافهکار مقطعی با دائمی فرق دارد |
| زمان از آخرین ارتقا | نبود پیشرفت انگیزه ماندن را کم میکند | در هر مسیر شغلی معنای متفاوتی دارد |
| فاصله حقوق با بازار | پیشنهاد بیرونی را جذاب‌تر میکند | به داده معتبر بازار نیاز دارد |
| سابقه | ریسک در مقاطع مختلف سابقه یکسان نیست | اثرش خطی نیست |
| عملکرد | نشان می‌دهد رفتن چه اثری بر سازمان دارد | باید با ارزیابی منصفانه آمده باشد |
این عامل‌ها همبستگی را نشان می‌دهند. یعنی نمی‌گویند حتماً اضافهکار علت رفتن است. برای پیدا کردن علت واقعی باید با خود فرد حرف زد.
تعداد ترک خدمت مورد انتظار چیست
اگر احتمال هر نفر را جمع بزنید، شماره تقریبی رفتن‌ها در یک گروه به دست میآید. این شاخص برای برنامه‌ریزی جذب و بودجه مفید است. مثال فرضی: احتمال رفتن چهار نفر در یک تیم ۰.۶، ۰.۳، ۰.۲ و ۰.۱ است. جمع این‌ها ۱.۲ است، یعنی انتظار داریم حدود یک نفر از این تیم برود.
به این عدد توجه کنید. این شماره نمی‌گوید چه کسی می‌رود. ممکن است آن نفر با احتمال ۰.۶ بماند و آن نفر با احتمال ۰.۱ برود. پس برای برنامه‌ریزی گروهی به کار میآید، نه تصمیم فردی. چنین دیدی را در پیش‌بینی ریزش مشتری هم می‌بینید، با این فرق که اینجا طرف حساب شما همکار خودتان است.
ستاره‌های در خطر؛ کجا اول نگاه کنیم
همه ریسک‌ها یک اندازه مهم نیستند. ترکیب عملکرد بالا با ریسک بالا گروهی می‌سازد که به آن «ستاره‌های در خطر» می‌گویند. منابع محدود را اول باید اینجا گذاشت. این دید با ماتریس ۹خانه استعداد خوب کنار هم می‌نشیند. اگر برای نفر مهمی جانشین هم ندارید، اولویت او بالاتر می‌رود.
شبیهساز «چه میشود اگر» چه می‌گوید
امتیاز ریسک فقط می‌گوید وضعیت چیست. شبیهساز «چه میشود اگر» ورودی‌ها را برای یک نفر تغییر می‌دهد و امتیاز تازه را نشان می‌دهد. مثلاً اگر حقوق به بازار نزدیک شود، اضافهکار کم شود یا ارتقا اتفاق بیفتد، مدل چه می‌گوید؟ از این راه میشود گزینهها را مقایسه کرد.
ولی یک تله مهم وجود دارد. شبیهساز جواب مدل را می‌دهد، نه جواب واقعیت را. مدل می‌داند فاصله حقوق در امتیاز چه وزنی دارد، ولی نمی‌داند این نفر واقعاً به دلیل حقوق می‌رود یا به دلیل مدیرش. اگر او به دلیل مدیرش برود، افزایش حقوق شاید عدد را کم کند، ولی او را نگه ندارد.
امتیاز، کمک به گفتگوست نه حکم
خطرناک‌ترین استفاده از این امتیاز، برخورد با آن به‌عنوان حکم است. اگر مدیری بداند یک نفر «پرریسک» است، ممکن است او را از پروژه مهم کنار بگذارد یا ارتقایش را عقب بیندازد. این خودش میتواند باعث رفتن او شود. چند قاعده را از همان اول روشن کنید:
- برای تنبیه نیست. امتیاز هرگز نباید مبنای اخراج، کاهش حقوق یا حذف فرصت شود.
- به خود فرد نگویید «امتیاز شما بالاست». بگویید می‌خواهید بدانید کارش چطور پیش می‌رود و چه چیزی میتواند بهترش کند.
- دسترسی را محدود کنید. نمای فردی فقط برای منابع انسانی و مدیر مسئول باشد، نه همه مدیران.
- به کارکنان بگویید. اگر چنین تحلیلی دارید، پنهان نگهش ندارید. چه دادهای و برای چه هدفی را توضیح دهید.
- خطا را بپذیرید. هر امتیاز میتواند اشتباه باشد. اگر گفتگو چیز دیگری نشان داد، به گفتگو اعتماد کنید.
گفتگوی خوب برای این کار نام مشخصی دارد: مصاحبه ماندگاری (stay interview). مثل مصاحبه خروج است، ولی پیش از آنکه دیر شود. بپرسید چه چیزی او را اینجا نگه داشته و چه چیزی باعث میشود به رفتن فکر کند. منطق منصفانه نگاه کردن به افراد را در ارزیابی هوشمند بدون بی‌عدالتی هم توضیح داده‌ایم.
بعد از گفتگو هم کار تمام نمی‌شود. نتیجه را به شکل یک برنامه کوتاه بنویسید: چه کاری، با چه مسئولی و تا چه تاریخی. شاید جواب یک پروژه تازه باشد، یا کم شدن اضافهکار، یا مسیر جابه‌جایی داخلی. شاید هم معلوم شود آن نفر قصد رفتن ندارد و امتیاز خطا کرده است. این نتیجه هم ارزشمند است. برای گفتگوی بعدی زمان بگذارید. گفتگویی که پیگیری نشود، از گفتگو نکردن هم بدتر است، چون انتظاری ساخته و جوابی نداده است.
مدل را چطور بسنجیم
پیش از اعتماد به هر مدلی، آن را روی داده سازمان خودتان بسنجید. عددی که روی داده دیگری به دست آمده به سازمان شما منتقل نمی‌شود. یک راه ساده: امتیازهای چند ماه پیش را با اینکه واقعاً چه کسانی رفته‌اند مقایسه کنید. آیا رفتن‌ها بیشتر در گروه پرریسک بوده است؟ اگر سازمان کوچک است، با احتیاط نتیجه بگیرید، چون تعداد خروج‌ها کم است و نوسان زیاد.
مدل دو جور خطا میکند. گاهی کسی را پرریسک می‌داند که قصد رفتن ندارد و گاهی کسی را نمیبیند که در حال رفتن است. اگر پیامد امتیاز فقط یک گفتگوی خوب باشد، خطای نوع اول هزینه کمی دارد. آن کارمند هم گفتگوی خوبی داشته است. ولی اگر امتیاز به محرومیت از فرصت‌ها برسد، همین خطا به آدمی بی‌تقصیر آسیب می‌زند. این هم دلیل دیگری است که امتیاز باید فقط در خدمت گفتگو بماند. خطای نوع دوم را هم فراموش نکنید: پایین بودن امتیاز به معنی امن بودن نیست و جای گفتگوی معمول مدیر با تیمش را نمی‌گیرد.
نمونه عملی: Caren AI-OS
برای دیدن این مفاهیم در یک محصول، پلتفرم سرمایه انسانی را در Caren AI-OS، محصولی از کارن تکنولوژی، مثال می‌زنیم. ریسک ترک خدمت هر نفر با یک مدل امتیازدهی و پیش‌بینی توضیح‌پذیر حساب میشود و عوامل مؤثر کنار آن میآید: مشارکت، اضافهکار، زمان از آخرین ارتقا، فاصله حقوق با بازار، سابقه و عملکرد.
فهرست «ستاره‌های در خطر» و تعداد ترک خدمت مورد انتظار هم وجود دارد. در شبیهساز، حقوق، اضافهکار، مشارکت یا ارتقا را تغییر می‌دهید و اثر را روی امتیاز می‌بینید. اهرم‌ها به ترتیب اثر پیشنهاد می‌شوند و می‌توان برنامه نگه‌داشت ثبت کرد. این برنامه به یادگیری هوشمند سیگنال می‌دهد تا دوره مناسب پیشنهاد شود. کنار این‌ها، تحلیل شبکه سازمانی نشان می‌دهد آیا آن نفر پل میان واحدهاست یا نه.
هر عددی که در این نمای محصول می‌بینید داده نمونه است و نشان‌دهنده نتیجه در یک سازمان نیست. کیفیت مدل باید روی داده خود شما سنجیده شود. قیمت Caren AI-OS بسته به ابعاد سازمان، پلتفرم‌های متصل و مدل استقرار تعیین میشود.
نگه‌داشت نیروی کلیدی را زودتر شروع کنید
در یک جلسه معرفی، ریسک ترک خدمت و شبیهساز را با داده نمونه مرور می‌کنیم.
پرسش‌های متداول
نه. عدد برای او معنای روشنی ندارد و میتواند اعتماد را خراب کند. اصل وجود این تحلیل را به همه بگویید، ولی در گفتگوی فردی درباره کار، رشد و نیازهای او صحبت کنید. همین گفتگو مهمتر از هر عددی است.
نباید. امتیاز ریسک برای کمک به ماندن افراد طراحی شده، نه برای انتخاب کسانی که باید بروند. استفاده از آن در تعدیل، احتمال تبعیض و مشکل حقوقی را بالا می‌برد و اعتماد کارکنان به کل این تحلیل را از بین می‌برد.
تاریخ استخدام و ارتقا، حقوق، اضافهکار و نتیجه ارزیابی معمولاً در منابع انسانی و حقوق و دستمزد وجود دارند. داده مشارکت معمولاً از نظرسنجی میآید. فاصله حقوق با بازار هم به یک منبع معتبر حقوق نیاز دارد. اگر دادهای ندارید، آن عامل را حدس نزنید.
مصاحبه خروج وقتی انجام میشود که تصمیم گرفته شده است و نتیجهاش به درد نفرهای بعدی میخورد. مصاحبه ماندگاری با کسی انجام میشود که هنوز اینجاست و هنوز میشود کاری کرد. بهتر است مدیر مستقیم آن را انجام دهد.
این معمولاً نشانه مشکلی در سطح تیم است، نه افراد. مثلاً تغییر مدیر، فشار پروژه یا سیاست تازه میتواند علت باشد. به‌جای گفتگوهای جداگانه، اول به عامل مشترک نگاه کنید. بررسی اضافهکار و مشارکت همان تیم نقطه شروع خوبی است.
به سرعت تغییر داده بستگی دارد. اضافهکار ماهانه تغییر میکند، ولی نظرسنجی مشارکت شاید فصلی باشد. پس بهروزرسانی ماهانه برای بیشتر سازمانها منطقی است. مهمتر از خود تناوب این است که روند دیده شود، نه فقط آخرین عدد.
بهتنهایی نه. شبیهساز میتواند گزینهها را برای یک نفر مقایسه کند، ولی عدالت داخلی، بودجه و سیاست حقوق و دستمزد را نمیبیند. افزایش حقوق یک نفر روی بقیه تیم هم اثر دارد. خروجی شبیهساز را یکی از ورودیهای این تصمیم بدانید.
