每一個老板都想猜透員工的心思，想找出那些身在曹營身在漢的員工，可每每都會有員工出其不意地給老板送上一份辭呈。

對于人才密集型的行業而言，人才外流恐怕是管理者最頭疼的事之一，如果能夠提前洞悉到員工的行為和想法，就能夠在員工丟下一紙辭呈前采取措施進行挽留。

華爾街日報披露了一種有趣的方法，包括沃爾瑪、瑞士信貸集團和 Box 正在通過大數據“算”出最有可能跳槽的員工。

這些公司的 HR 部門會收集員工的工作任期、員工調查、溝通模式甚至性格測試等一系列數據，這些數據往往能夠揭示員工去留的動機，從而分析判斷員工的離職傾向性。

沒有一種單一的數據可以預測員工去留。離職背后的動機通常很復雜，收入多寡、同事關系、公司前景、職業規劃等等，在不同公司，這些變量的影響力又有很大的差異。

比如在 Box 公司，一名員工的收入和與上司的關系重要性遠不如對于團隊的感覺。而在瑞士信貸，員工的表現和團隊規模又顯示出強大的影響力。

人力資源軟件公司 Ultimate Software Group 公司就在為它們的客戶做這樣的分析。根據不同公司的特點和環境，Ultimate Software Group 公司的數據科學家結合測試等一系列變量建構一種算法，從而對哪些員工可能會在近期辭職。類似于信用評分，每名員工都有一個留任預測的指數。

對于公司管理者而言，準確的信息是判斷和決策的依據。同理，大數據預測算法的核心取決于數據是否準確、追蹤是否全面、算法是否科學。

VoloMetrix 是一家總部位于西雅圖的銷售、生產力及人力管理初創企業，他們做的是員工活動跟蹤解決方案，方法是在不侵犯員工隱私的基礎上，通過日歷、電子郵件等接口收集和分析數據，從而獲得有關主題、時間、協作類型以及參與者的角色和地理位置等信息。這些數據經過分析匯總最終可以形成整個公司的溝通和協作行為全景圖，并可以對每一位員工的效率做出科學的評估。

對于大部分雇主而言，通過算法分析的目的并不在于驅趕有離心的員工，而在于挽留人才以及搞清楚背后的動機，解決公司弊病。但這并不意味著算法絕對可靠，更多時候它只能作為一個參考，讓雇主多一個心眼。

“我們絕對不會說找員工談話的唯一理由是算法讓我們這樣做的。”AOL 人力分析主管 John Callery 表示，AOL 想提高留任指數還為時尚早，測試預測模型就需要至少一年時間。

大數據的預測并不僅僅局限于離職傾向性的分析中，很多模型都可以為人力資源提供參考。比如沃爾瑪就通過數據分析預測哪些員工可以晉升，從而有計劃地組織和安排員工的崗位的替換和交接。這家零售商巨頭每年就會晉升 16 萬-17 萬名員工。

凡事預則立不預則廢。正如沃爾瑪負責人員分析的全球副總裁 Elpida Ormanidou 說：

“如果我們能夠提前三個月，我們就能夠盡快地組織招聘和培訓，沒有人希望職位一直空缺著。”

文章來自網絡，版權歸作者所有，如有侵權請聯系刪除