Концепция оттока сотрудников является одним из столпов исследований человеческих ресурсов и бизнеса в целом. Проблема истощения кадров – когда сотрудники уходят быстрее, чем их нанимают – может означать множество необнаруженных проблем в компании (Frye et al., 2018). Требуется глубокий анализ, чтобы гарантировать, что темпы увольнения не связаны с беспокойством сотрудников (Frye et al., 2018). По этой причине важно рассмотреть различные способы измерения истощения, полезного использования данных и прогнозирования темпов истощения на основе некоторых фундаментальных характеристик бизнеса. Чтобы ответить на соответствующие вопросы, следующее исследовательское предложение рассматривает тему оттока сотрудников.
Исследовать вопрос
Вопрос исследования фокусируется на статистике как инструменте анализа показателей отсева. Вопрос может состоять из нескольких сегментов, главным из которых является:
-
Как аналитика может помочь компании понять причины оттока сотрудников?
Дополнительно можно поставить несколько второстепенных исследовательских вопросов, таких как:
-
Можно ли предсказать темпы оттока с помощью аналитики?
-
Могут ли компании использовать статистику, чтобы понять конкретные причины, которые увеличивают или уменьшают отток сотрудников, чтобы манипулировать темпами оттока?
Базовый фон
Проблему истощения можно рассматривать с нескольких точек зрения, поскольку для роста компании необходима определенная степень истощения. Например, сокращение штата может быть связано с экономией затрат работодателя, если последний обнаружит, что меньшее количество работников может в достаточной степени выполнить все задачи (Repaso et al., 2022). В то же время высокая текучесть кадров несет в себе множество существенных рисков для любого бизнеса, поскольку требует от компании тратить деньги на найм и обучение новых сотрудников чаще, чем это необходимо (Repaso et al., 2022). Негативные последствия значительно перевешивают потенциальную выгоду и ставят бизнес в сложное положение.
Более того, истощение можно измерить как на уровне всей компании, так и на уровне отдела, а проблемы можно разделить на общие и локальные. Компания может страдать от высокого уровня увольнения сотрудников в одном отделе и не суметь вовремя увидеть проблему и справиться с ней (Frye et al., 2018). Эти причины подчеркивают необходимость статистики об убыли сотрудников. В нескольких исследованиях изучалось использование технологий прогнозирования, машинного обучения, искусственного интеллекта и различных статистических методов (Kamath et al., 2019; Pratt et al., 2021; Raza et al., 2022). Тем не менее, необходимо добавить к существующей стипендии оценку возможности прогнозирования и анализа для компаний, позволяющих снизить свои расходы и улучшить удержание сотрудников.
Методология
В предлагаемом исследовании будет использоваться количественная методология, чтобы показать конкретное влияние статистического анализа на отток сотрудников. В качестве примера можно использовать исследование Repaso et al. (2022), которые анализируют данные компаний, собранные из Kaggle, и используют статистический анализ на основе машинного обучения. Хотя в настоящем проекте нет необходимости использовать машинное обучение, можно воспользоваться идеей описательного исследования. В ходе исследования будут собраны данные Kaggle, в том числе тот же набор основных характеристик, а также темпы оттока компаний за определенный период времени. Эти данные будут проанализированы с использованием регрессионного анализа для исследования потенциальных корреляций между двумя переменными.
Возможные источники данных
Для сбора необходимых данных исследователю необходимо получить информацию о компаниях выбранной отрасли или сегмента. Такие данные, как уровень отсева, могут быть недоступны для общественности. Однако для целей настоящего исследования все данные доступны на сайте Kaggle (2022). Поэтому для расследования можно использовать один источник информации. Использование данных из одного доступного источника устраняет проблему несогласованности и неполноты данных, создавая прочную основу для надежных выводов.
Рекомендации
Фрай А., Бумхауэр К., Смит М., Витовский Л. и Фабрикант С. (2018). Увольнение сотрудников: что заставляет сотрудника увольняться? Обзор науки о данных SMU, 1 (1), 9.
Кэггл. (2022). Утечка сотрудников.
Камат, Д.Р., Джамсандекар, Д.С., и Наик, Д.П. (2019). Подход машинного обучения для анализа текучести кадров. Международный журнал тенденций в научных исследованиях и разработках – IJTSRD, вып. Спецвыпуск-FIIIIPM2019, 62-67.
Пратт М., Будхан М. и Какула С. (2021). Оценка оттока сотрудников с использованием алгоритма случайного леса. Балтийский журнал современных вычислений, 9 (1), 49–66.
Раза А., Мунир К., Альмутаири М., Юнас Ф. и Фарид ММС (2022). Прогнозирование оттока сотрудников с использованием подходов машинного обучения. Прикладные науки, 12(13), 6424.
Репасо, JAA, Капариньо, ET, Гермоген, MGG и Перес, JG (2022). Определение факторов, приводящих к оттоку сотрудников, с использованием методов интеллектуального анализа данных. IJ Образование и менеджмент, 12 (3), 22–29.