然而傳統(tǒng)的人力資源業(yè)務決策常常依賴直覺或過往管理實踐，很容易產生決策偏差，運用數據和事實驅動決策不斷被提上議程。谷歌的首席人才官曾說過：“谷歌的HR決策從來都不是來自哪個最佳實踐，一定只會來自內部數據的分析”。

科學的離職預測可以改變以往決策的模糊性，從定性或主觀分析進階為量化、客觀的分析，讓決策者清晰看到員工的離職風險、流失成本，促使管理者采取合理措施針對性解決問題。

大廠紛紛通過離職預測實現人才保留：

“藍色巨人”IBM首席執(zhí)行官弗吉尼亞·羅曼提曾說：“想挽留一名員工，最好趕在他做出離職的決定以前?！?/strong>IBM用AI預測員工離職，及時發(fā)現員工的辭職念頭，和員工討論加薪、獎金、補貼等等辦法，進而商討出雙贏的對策通過，“離職預測”為IBM節(jié)約了近3億美金。

谷歌借助自己開發(fā)的“人才保留算法”，能夠積極并成功的預測到哪些員工可能會離職。這項舉措讓管理者在為時過晚之前采取行動，并為員工留任提供個性化解決方案的空間。

早在2012年，騰訊就開始用數據分析員工離職率，數據顯示進公司滿3年的畢業(yè)生們流失率是普通員工的3倍（畢業(yè)3年往往進入適婚年紀，而房價攀升導致購房無望），為此騰訊推出“安居計劃”幫助員工提早買房，參與安居計劃的員工流失率不到1%。

為了幫助廣大企業(yè)更科學便捷開展離職預測，近期，用友人力云重磅推出員工離職預測功能，幫助企業(yè)提前準確識別高離職風險員工，保障組織的持續(xù)健康穩(wěn)定發(fā)展，讓員工離職預測不只存在于大廠的神話中。

工作壓力、職業(yè)發(fā)展規(guī)劃、薪資報酬、人際關系等因素均可成為離職導火索，用友人力云通過員工基本情況、績效數據、個人發(fā)展及薪酬福利情況、敬業(yè)度情況，洞察員工離職風險；還可以識別考勤變化等異常行為數據，多維度數據對員工離職進行預測，基于離職概率高、中、低風險等級情況與九宮格分析結果，為業(yè)務決策提供有力支持。

（員工離職預測示意圖）

如何更好地留住離職風險高的人才呢？系統(tǒng)支持離職預測模型DIY，對于重點關注人才，可以調整影響員工離職的關鍵因素，例如改變出差頻率、調整漲薪幅度、提供升職空間等，探索員工留用最佳方案，便于后續(xù)與員工開展保留談話。

（離職重新預測示意圖）

不同類型、不同發(fā)展階段的企業(yè)對于離職風險的敏感程度不盡相同，同樣的離職概率對于一家互聯(lián)網企業(yè)而言可能是中風險，但對于一家傳統(tǒng)制造集團而言就是高風險。

在人力云系統(tǒng)中，可以靈活配置員工離職風險高、中、低對應的閾值，從而給到企業(yè)管理者更符合企業(yè)現狀的風險提示與分析結果。

（風險等級配置示意圖）

管理者不僅應該了解特定員工的離職風險，更需要掌握組織離職風險全貌。用友人力云通過環(huán)狀圖、九宮格等形式，清晰呈現員工離職預測概率及九宮格分布情況，全盤展現企業(yè)中離職中高風險的人數及占比。

（離職風險分布分析示意圖）

（九宮格分析示意圖）

系統(tǒng)可以全面分析離職影響因素，展現影響全組織樣本離職概括的TOP15影響因素，幫助管理者了解哪些因素是促使人才流失的關鍵點，提早采取應對措施做出改進。

（離職相關性解析示意圖）

很多行業(yè)都存在新入職員工離職率高的問題，如果大量員工剛加入企業(yè)不久便離職，很有可能是因為在招聘階段我們沒有精準定位合適的員工畫像。員工base在哪里更合適？具備什么樣特質和經驗的人才更穩(wěn)定？這些決策過往只能依靠于經驗判斷。

而現在，動動手指在員工離職預測場景內模擬高穩(wěn)定員工畫像，選定預期候選人的工作年限、工作地點、工作技能等數據，系統(tǒng)可基于虛擬員工畫像給出離職風險預測，幫助HR伙伴快速捕捉高穩(wěn)定性員工畫像。

將高穩(wěn)定性員工畫像應用于后續(xù)招聘、內部晉升工作，即可實現更科學的選用育留，決策有據可依。

（基于虛擬員工畫像的離職預測示意圖）

離職預測工具真的準確嗎？如何提升預測的準確性？相信很多HR朋友在啟用員工離職預測前會有類似的疑惑。用友人力云員工離職預測功能不僅支持隨時查看預測效果，更支持企業(yè)通過持續(xù)的培養(yǎng)訓練，提升預測準確度。

在系統(tǒng)內，HR不僅可以了解到當前離職預測的效果，還可以導入更多的員工在職、離職數據，使離職預測系統(tǒng)更符合企業(yè)管理特征，從而更準確預測員工離職概率。