Самая необычная и оригинальная HR-метрика в HR в целом и удержании персонала в частности
ПРИГЛАШАЮ ОТСЛЕЖИВАТЬ НАС В ТЕЛЕГРАМ
Если бы был такой конкурс на оригинальность HR-метрик, я бы, безусловно, сорвал гран-при. И это в продолжение вчерашнего поста о цифровой грамотности.
И в актуальную ныне тему удержания персонала.
Посмотрите на диаграммы
- По оси X – стаж работы уволенных сотрудников,
- по оси Y – число / доля сотрудников, уволившихся на том или ином промежутке стажа.
На диаграмме, где горка слева резко вниз, экспоненциальное распределение, на второй диаграмме, где слева сначала надо забраться на горку – логнормальное распределение.
Хотел сначала дать в виде теста, но, кажется, тест очень простой: очевидно, что для компании экспоненциальное распределение хуже, чем логнормальное. Экспоненциальное говорит о том, что сотрудники начинают сразу и активно убегать с первых дней работы в компании. Бегут просто как на лыжах с горки. И значит, функции найма, адаптации и удержания у нас менее эффективные (с удовольствием подискутирую, если не согласны).
Заметьте, я не обсуждаю даже, возможные причины такого распределения, я просто фиксирую, что распределение уволившихся это инструмент диагностики менеджмента компании.
И вот представьте, что руководитель компании, ставит своему HR задачу изменить характер распределения текучести. Не просто снизить текучесть персонала, а изменить ее характер.
А ведь это еще и про изменение той самой корпоративной культуры (дискутируемо), которую мы так активно «изменяем». А сейчас еще и инструмент измерения изменения корпоративной культуры получаем. Чтобы не просто на словах, а на цифрах показать это изменение.
Хотя мне могут возразить, что никакой оригинальности здесь нет, многие HR-аналитики крестовый поход против текучести персонала начинают с изучения распределения стажа увольняющихся сотрудников: какая доля, например, ушедших на испытательном сроке, в первый год работы и т.п. И в этом смысле да, я согласен, предлагаемая мной HR-метрика измерения распределения увольняющихся это продолжение того, что делают коллеги, только на более высоком уровне абстракции, математики и научности.
В самом моем подходе тоже ничего особо оригинального. История знает пример, когда шведский инженер Валодди Вейбулл изучал износ деталей, в итоге открыл распределение износа деталей, названное его именем. Распределение Вейбулла позволяет диагносцировать помимо прочего брак деталей. Если мы глубже погрузимся в распределение износа людей, может быть, и мы точнее научимся диагносцировать брак в найме, адаптации и удержании персонала?
ПРИГЛАШАЮ ОТСЛЕЖИВАТЬ НАС В ТЕЛЕГРАМ