сделать домашней  добавить в избранное  карта сайта RSS
Имя 
Пароль  забыли?
Присоединяйтесь!

Новые материалы

   Названы самые высокооплачиваемые вакансии в Башкирии
   Не все профессии равны. Вчерашние школьники идут в телевизионщики и PR
   Новочебоксарские безработные граждане обучаются востребованным профессиям
   Где в Уфе заработать 100 тысяч рублей в месяц
   Сколько в среднем получают владимирские врачи?

Семинар
"HR-Аналитика в R"

Москва, 16-17 ноября 2017 года


______________________________

ВНИМАНИЕ
Желаете узнать свою стоимость на рынке?

Сколько я стою на рынке
______________________________
 
Подпишитесь на
рассылку
Вебинары HRM

*Подписка на НОВОСТИ HRM
Пожалуйста, укажите ваш e-mail адрес:
  


 

Облако тегов
agile альфастрахование альфастрахования аналитика для hr apple ассессмент-центр автоматизация hr-бизнес процессов автоматизация бенчмаркинг бизнес-процессы бизнес симуляция бизнес тренинги для руководителей бизнес тренинги онлайн бизнес дистанционное обучение персонала дистанционное обучение e-learning e learning электронное обучение электронные курсы hr-аналитика hr-бренд hr-конференции hr-метрики hr-видео hr инновации исследования it josh bersin кадровый резерв карьера клиентоориентированность клиентский сервис для развития продаж клиентский сервис тренинг клиентский сервис компетенции корпоративная культура корпоративное обучение корпоративные бизнес тренинги коучинг kpi лидерство лидеры linkedin менеджмент модель компетенций мотивация персонала мотивация неформальное обучение обучение персонала обучение сотрудников предприятия обучение сотрудников обучение оценка эффективности обучения оценка персонала организационная культура персонал подбор персонала поиск работы продажи психология разработка речевых модулей для работы с претензиями рекрутеры рекрутинг рекрутмент roi рынок труда собеседование социальное обучение социальные сети стандарты клиентского сервиса стандарты обслуживания клиентов стив джобс таланты текучесть персонала тестирование тренинги по клиентскому сервису тренинги по сервису тренинги тренинг угловое преобразование фишера управление качеством обслуживая клиентов управление персоналом управление талантами управление текучестью персонала управление знаниями управление вебинары вовлеченность персонала websoft знания

все теги


События

полный список

Последние обсуждения

  06.10.2017 18:48:47
Открываем набор на Менеджера по обучению и развитию!
  29.09.2017 14:03:51
Подготовка к отбору, тестирования. Кто проходил?
  26.09.2017 15:00:21
Требуется профессиональный рекрутер
  05.09.2017 13:57:49
Резюме технического директора на производстве
  05.09.2017 10:31:52
Резюме на должность технического директора или главного инженера на производстве


Опросы
  Актуальные направления работы HR вашей организации 2017
Все опросы

HR-Блоги
Бабушкин Эдуард 15.09.2015 17:56:00

Как влияют переработки на текучесть персонала - 2 (кейс по hr-аналитике)

Продолжение кейса Как влияют переработки на текучесть персонала - 2 (кейс по hr-аналитике).
Суть вкратце: я исходил из версии, что переработки отрицательно влияют на текучесть, т.е. увеличивают текучесть.
Однако анализ показал другое.
Систематические переработки снижают риск увольнения в 2,6 раза в сравнении с теми, кто не перерабатывает в компании.
Если же работник имел переработки в первый месяц работы, то риск увольнения в сравнении с теми, кто не имел переработок в первый месяц снижается в 1, 34 раза.
Давайте посмотрим на график
Как влияют переработки на текучесть персонала - 2 (кейс по 
hr-аналитике)

По оси X - стаж работы в месяцах. ось Y - процент сотрудников, оставшихся работать в компании на том или ином месяце стажа. Синей линией показана динамика тех, кто перерабтывал в первый месяц работы в компании, пунктирной - кто не перерабатывал.
Т.е. например, через полгода работы в компании осталось чуть более 50 % тех, кто не перерабатывал и примерно две трети (66 %) тех, кто переработал в первый месяц работы в компании.
Я думаю, есть повод для разговора с Заказчиком, правда?
Есть несколько версий:

  • Если переработки назначаются случайным образом, то получается, что люди получили дополнительные деньги и их это вдохновило на дальнейшую работу;
  • Если переработки не случайны, т.е. работники сами напрашиваются, то по тому, кто накинулся на переработки в первый месяц работы, можно прогнозировать стаж человека в компании (хотя версия вызывает сомнения, поскольку переработки возникают не по желанию администрации (ну нет смысла ей переплачивать);
  • Совсем коварный вариант: приписывают переработки своим людям.
  • Мотивация: допустим, что на мотивированных переработки влияют позитивно (они оплачиваются вдвойне), а на не мотивированных они сказываются негативно. У Наследова в книге "Математические методы психологического исследования" приводится классный пример двухфакторного дисперсионного анализа, когда разные уровни измерения двух номинативных переменных оказывают разное влияние на метрическую переменную. 

Проверка мотивационной версии

В идеале процедура должна была выглядеть примерно так: мы измеряем мотивацию работников и оцифровываем: 1 - мотивированный, 0 - не мотивированный. Кроме того, у нас есть переработки: 1 - есть переработки на первом месяце работы в компании, 0 - нет переработок в компании на первом месяце. 
Почему я беру переработки на первом месяце? С тем, чтобы избежать получения корреляции вместо причинности. Т.е. вполне возможно, что тех, кто работает дольше нагружают больше. И в этом смысле переработки могу являться следствием, а не причиной более длительного стажа. Поэтому я исхожу из указания Заказчика, что в первый месяц переработки достаются случайным образом. И дальше возможна такая ситуация:
  • мотивированные воспринимают переработки как возможность дополнительного заработка, т.е. со знаком плюс;
  • немотивированные - как дополнительную нагрузку или со знаком минус.
И для первых тогда коэффициент регрессии должен быть положительным, а для вторых - отрицательным - снижающим срок жизни в компании.
У нас нет возможности вычислить мотивированных и не мотивированных, поэтому я придумал простой ход. 
Он спорный, но за неимением лучшего смотрите.
Я, как указывал ранее, брал только тех, кто устроился на работу в 2014 году. Те, кто за это время не уволился, можно считать мотивированными, а тех, кто успел устроиться на работу и уволиться же - немотивированными. (Условно говоря!!!)
Далее я беру только "немотивированных", т.е. только тех, кто устроился и уволился в 2014 году. Если моя гипотеза верна, то переработка в первый месяц будет в уравнении регрессии со знаком минус или снижать срок работы в компании
Нам надо построить уравнение регрессии для двух переменных: 1) стаж и 2) наличие / отсутствие переработок в первый месяц работы в компании
Линейная регрессия в данном случае нам не очень подходит для стажа, поскольку стаж носит не нормальное распределение
См. распределение стажа принятых и уволенных работников в 2014 году
Как влияют переработки на текучесть персонала - 2 (кейс по 
hr-аналитике)
По оси X - время работы в компании в днях.
Данные 
Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
   34.0    62.0    89.0   104.7   136.0   285.0 
И здесь замечу, что я брал только тех, кто отработал не менее 30 дней в компании, чтобы наличие / отсутствие переработок искажалось тем фактом, что человек уволился до того, как успел дожить до этих переработок.
Чтобы построить линейную регрессию, логарифмируем стаж и получаем вот такое распределение
Как влияют переработки на текучесть персонала - 2 (кейс по 
hr-аналитике)
Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
  3.526   4.127   4.489   4.527   4.913   5.652 
Считаем регрессию для логарифмированной переменной стажа
Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept)  4.47380    0.03267 136.959  < 2e-16 ***
n            0.17249    0.05878   2.935  0.00358 ** 
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 0.4911 on 325 degrees of freedom
Multiple R-squared:  0.02582, Adjusted R-squared:  0.02282 
F-statistic: 8.613 on 1 and 325 DF,  p-value: 0.003576
R^2 как то совсем скромный, но коэффициент значим на уровне 0.00358 и, главное, он положителен.
И это не опровергает гипотезу про немотивированных, но ставит ее под большое сомнение. 
В качестве интересного дополнения давайте сравним показатели регрессии, если мы не будем логарифмировать стаж
Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept)   99.155      3.551  27.921  < 2e-16 ***
n             18.013      6.390   2.819  0.00511 ** 
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 53.39 on 325 degrees of freedom
Multiple R-squared:  0.02387, Adjusted R-squared:  0.02087 
F-statistic: 7.947 on 1 and 325 DF,  p-value: 0.005111
Мы видим, что коэффициент также значим, а разница в коэффициенте несущественная. 
Зато смысл коэффициента становится осязаемым: наличие переработок в первый месяц работы в компании добавляет от 6 до 30 дней работы в компании (с учетом 95 % интервала).

Как влияют переработки на текучесть персонала - 2 (кейс по hr-аналитике)


Метки данной записи: управление текучестью персонала текучесть персонала аналитика для hr hr-аналитика

Комментарии

Для того, чтобы размещать статьи в Блоге, Вам необходимо авторизоваться или зарегистрироваться или

Share |

 


О проекте      Реклама       Подписка       Контакты       Rambler's Top100 Яндекс цитирования ©2000-2011, HRM