Сотрудник подал заявление «по собственному», и для вас это стало неожиданностью? Так быть не должно. Уход ключевых специалистов можно предсказать. Существуют определённые признаки и данные, которые указывают на это за несколько месяцев. Разбираемся, как прогнозировать текучесть и выявлять сотрудников в группе риска.
1. Зачем прогнозировать увольнения
Цена текучести
- Затраты на подбор — 50–200% от годового оклада сотрудника
- Потеря производительности команды
- Снижение морального духа в коллективе
Предотвратить можно
- До 40% увольнений можно предотвратить
- Признаки появляются за 1–3 месяца до ухода
2. Признаки скорого ухода
Поведенческие маркеры
| Признак | Что делать |
|---|---|
| Обновил резюме | Отслеживать активность в LinkedIn |
| Работает «на автомате» | |
| Пропускает встречи 1:1 | Избегает общения с руководителем |
| Спрашивает о внутренних вакансиях | Хочет остаться в компании, но сменить роль |
Данные из HR-систем
| Признак | Метрика |
|---|---|
| Нет профессионального роста | Оценка эффективности не растёт |
| Нет повышения | Стаж в должности более 2 лет без продвижения |
| Низкий eNPS | Сотрудник относится к категории «критиков» |
| Опоздания и пропуски |
Данные опросов
- На вопрос «Хотите ли вы развиваться?» отвечает «некуда»
- Снижение оценки в ответе на вопрос «Порекомендуете ли вы компанию?»
- Ответ «нет» на вопрос «Достаточно ли вам поддержки?»
3. Модели прогнозирования
Простая: «Красные флаги»
Расчёт баллов (Score) на основе признаков:
| Признак | Вес |
|---|---|
| Низкий eNPS | 3 |
| Нет повышения более 2 лет | 2 |
| Опоздания более 3 раз | 2 |
| Обновлено резюме | 3 |
Если итоговый балл больше 5 — сотрудник в зоне риска.
Средняя: Балльная система
Начисление баллов по каждому параметру:
- eNPS: «промоутеры» — 0, «нейтралы» — 1, «критики» — 3
- Стаж: более 1 года — 0, менее 1 года — 1
- Эффективность: высокая — 0, соответствует — 1, низкая — 3
Сумма баллов определяет уровень риска.
Продвинутая: Машинное обучение
Использование Python / R:
- Деревья решений (Decision Tree)
- Логистическая регрессия (Logistic Regression)
Факторы определяют вероятность ухода.
4. Пошаговое внедрение
Шаг 1. Соберите данные
- Результаты выходных интервью
- Исторические данные из HR-систем
- Результаты опросов вовлечённости
Шаг 2. Найдите корреляции
Что предшествовало увольнениям в прошлом?
- 70% случаев — низкий eNPS за 3 месяца до ухода
- 50% случаев — отсутствие повышения более 18 месяцев
- 30% случаев — участившиеся опоздания
Шаг 3. Создайте систему оценки
Простую балльную систему можно вести в таблице:
| Сотрудник | eNPS | Стаж | Эффективность | Риск (Score) |
|---|---|---|---|---|
| Иванов | 3 | 2 | 2 | 7 |
| Петров | 0 | 1 | 0 | 1 |
Шаг 4. Настройте мониторинг
Ежемесячно:
- Обновляйте баллы
- Проверяйте динамику
Шаг 5. Примите меры
Если риск выше 5 баллов — проведите разговор.
5. Частые ошибки
Ошибка 1. Слишком поздно
Начинаем действовать, когда заявление уже подписано.
Ошибка 2. Один фактор
Смотрим только на eNPS, хотя факторов гораздо больше.
Ошибка 3. Нет действий
Собрали данные, но ничего не предприняли.
Ошибка 4. Поиск идеала
Ждём модель со 100% точностью (95% accuracy). Простая модель с точностью 70% уже полезна. Лучше иметь работающий инструмент, чем идеальный план на бумаге.
Как исправить: Начните с простой балльной системы и постепенно её улучшайте.
Ошибка 5. Работа только с «высоким риском»
Фокус только на тех, у кого максимальный балл. При этом «средний риск» — а это 60% команды — остаётся без внимания. Именно они — главные кандидаты на уход.
Как исправить: Работайте и со «средним риском», переводя их в «низкий». В этом сегменте скрыт главный потенциал удержания.
Ошибка 6. Разовая акция
Провели оценку в январе и забыли. А потом удивляемся росту текучести, не видя общей картины.
Как исправить: Проводите оценку ежемесячно. Отслеживайте тренд: было 10% сотрудников в зоне риска, стало 15% — это повод для тревоги.
Ошибка 7. Вера в цифры больше, чем в людей
Система показывает «низкий риск», а сотрудник уже написал заявление. Модель не видит всего.
Как исправить: Сочетайте данные системы с наблюдениями. Спрашивайте у руководителей: «Кто, по-вашему, в зоне риска?»
6. Таблица: факторы риска
| Фактор | Вес | Действие |
|---|---|---|
| eNPS «критик» | 3 | Личный разговор |
| Стаж более 2 лет без повышения | 2 | Обсуждение карьерного трека |
| Опоздания | 1 | Выяснение причин |
| Обновление профиля в LinkedIn | 3 | Предложить новые задачи или развитие |
| Низкая оценка 360° | 2 | Сбор обратной связи |
7. Чек-лист
- Данные собираются регулярно
- Система оценки (scoring) создана
- Мониторинг настроен
- План действий определён
8. FAQ
В: Какая точность считается хорошей?
О: 70–80% — отличный результат для модели.
В: Как часто проводить оценку?
О: Ежемесячный пересмотр данных.
В: Что делать с сотрудниками из группы высокого риска?
О: Провести разговор. Цель — не уволить, а понять причины и найти решение.
Выводы
Прогнозировать уходы — реально. Алгоритм прост: данные — поиск корреляций — балльная оценка — действия. Не ждите увольнения, работайте на опережение.
Поделиться
