HR Analytics: ใช้ข้อมูลคนบอกว่าทำไมคนลาออก และใครกำลังจะไป ก่อนใบลาออกมาถึง

การลาออกของคนเก่งแพงกว่าที่คิด ทั้งค่าหาคนใหม่ ค่าฝึก และความรู้ที่หายไป แต่คนไม่ได้ลาออกกะทันหัน เขาส่งสัญญาณล่วงหน้าในข้อมูล ทั้งการมาสาย การลาที่เปลี่ยนไป และผลงานที่แผ่ว HR Analytics คือการอ่านสัญญาณเหล่านี้เพื่อรักษาคนไว้ตอนที่ยังรั้งได้
การลาออกของพนักงาน โดยเฉพาะคนเก่ง เป็นต้นทุนที่แพงกว่าที่เจ้าของธุรกิจส่วนใหญ่คิด เพราะไม่ได้เสียแค่คนคนนั้น แต่เสียค่าหาคนใหม่ ค่าเวลาที่ตำแหน่งว่าง ค่าฝึกคนใหม่ให้ทำงานได้ และที่ประเมินค่าไม่ได้คือความรู้และความสัมพันธ์กับลูกค้าที่หายไปกับคนที่ออก ปัญหาคือธุรกิจส่วนใหญ่รู้ว่าคนจะลาออกตอนที่ใบลาออกมาถึงโต๊ะ ซึ่งเป็นจังหวะที่สายเกินจะรั้ง เพราะคนที่ตัดสินใจแล้วและมักหางานใหม่ได้แล้วยากที่จะเปลี่ยนใจ แต่ความจริงที่เป็นประโยชน์คือ คนไม่ได้ตัดสินใจลาออกในวันเดียว การหมดใจค่อย ๆ เกิดขึ้นเป็นเดือน และในช่วงนั้นมักมีสัญญาณที่เห็นได้ในข้อมูล การมาสายที่ถี่ขึ้นจากคนที่เคยตรงเวลา รูปแบบการลาที่เปลี่ยนไปซึ่งอาจเป็นการไปสัมภาษณ์ที่อื่น ผลงานหรือการมีส่วนร่วมที่แผ่วลง HR Analytics คือการใช้ข้อมูลคนที่มีอยู่แล้วอ่านสัญญาณเหล่านี้
อ่านสัญญาณและถามคำถามที่ถูก ก่อนสายเกินไป
HR Analytics ไม่ใช่เรื่องซับซ้อนที่ต้องมีทีมข้อมูลใหญ่ แต่เริ่มจากการใช้ข้อมูลที่ระบบ HR มีอยู่แล้วให้เป็นประโยชน์ อย่างแรกคือการดูภาพรวมการลาออกเพื่อเข้าใจปัญหาเชิงระบบ อัตราการลาออกของแต่ละแผนกต่างกันไหม ถ้าแผนกหนึ่งลาออกสูงผิดปกติ อาจไม่ใช่เรื่องของคน แต่เป็นเรื่องของหัวหน้าหรือสภาพงานในแผนกนั้น คนที่ลาออกส่วนใหญ่อยู่ได้นานแค่ไหน ลาออกในช่วงไหนของการทำงาน ข้อมูลเหล่านี้ชี้ว่าปัญหาอยู่ตรงไหนของวงจรการทำงาน อย่างที่สองคือการดูสัญญาณรายบุคคลของคนที่มีค่าต่อองค์กร เมื่อเห็นว่าคนเก่งคนหนึ่งเริ่มมีพฤติกรรมที่เปลี่ยนไปจากเดิม นั่นคือจังหวะที่หัวหน้าควรหาโอกาสคุยด้วยความจริงใจว่าเป็นอย่างไร มีอะไรที่ช่วยได้ไหม ก่อนที่เขาจะตัดสินใจ ซึ่งการคุยตอนนั้นบางครั้งเปลี่ยนใจคนได้ ต่างจากการคุยตอนยื่นใบลาออกที่มักสายไปแล้ว ข้อควรระวังคือ HR Analytics ต้องใช้เพื่อเข้าใจและช่วยเหลือคน ไม่ใช่เพื่อจับผิดหรือเฝ้าระวังจนพนักงานรู้สึกถูกสอดส่อง และต้องเคารพความเป็นส่วนตัวของข้อมูลพนักงาน เมื่อใช้อย่างถูกต้อง HR Analytics ช่วยให้ธุรกิจรักษาคนเก่งไว้ได้ตอนที่ยังรั้งได้ และแก้ปัญหาเชิงระบบที่ทำให้คนลาออกก่อนที่จะเสียคนไปทีละคน
- ดูอัตราลาออกรายแผนก แผนกที่สูงผิดปกติมักชี้ปัญหาหัวหน้าหรือสภาพงาน
- สังเกตสัญญาณของคนเก่งที่เปลี่ยนไป แล้วคุยด้วยความจริงใจก่อนเขาตัดสินใจ
- ใช้เพื่อเข้าใจและช่วยคน ไม่ใช่จับผิด และเคารพความเป็นส่วนตัว
ที่ Whale Task เราวางระบบ HR และ dashboard ที่ทำให้ข้อมูลคนเป็นประโยชน์ ให้ธุรกิจในเชียงใหม่และภาคเหนือ ด้วยประสบการณ์ข้ามหลายอุตสาหกรรมกว่า 10 ปี ตั้งแต่การสรุปภาพรวมการลาออกรายแผนก ไปจนถึงการเห็นแนวโน้มที่ช่วยให้หัวหน้าดูแลคนได้ทันก่อนเสียคนเก่ง โดยเคารพความเป็นส่วนตัวของข้อมูลพนักงาน ถ้าธุรกิจของคุณเสียคนเก่งไปเรื่อย ๆ โดยรู้ตอนใบลาออกมาถึงและอยากเข้าใจว่าทำไมและใครกำลังจะไป เริ่มจากการปรึกษาฟรีได้ ดูบริการระบบ HR และวิเคราะห์ข้อมูลของเราที่หน้าบริการ
บริการที่เกี่ยวข้อง
ระบบเงินเดือนและ HR สำหรับ SME
ลงเวลา กะ OT ลางาน และคำนวณเงินเดือน จบในระบบเดียว จ่ายถูกและตรงเวลา
WhaleScope
ดูโครงสร้างตลาดของทุกหมวดธุรกิจไทย บน WhaleScope
รายชื่อบริษัท ผู้เล่นรายใหญ่ และอัตราคงอยู่ของแต่ละหมวด — จากข้อมูลจดทะเบียน 2 ล้านนิติบุคคล
อ่านต่อ

พนักงานเปลี่ยนบ่อยในเมืองท่องเที่ยว: ทำอย่างไรให้ความรู้ไม่ลาออกตามคน
ร้านอาหาร ที่พัก และธุรกิจบริการในเมืองท่องเที่ยว อยู่กับความจริงที่พนักงานเปลี่ยนทุกฤดูกาล ธุรกิจที่เหนื่อยน้อยที่สุดไม่ใช่ที่ที่คนไม่ลาออก แต่คือที่ที่งานถูกเขียนเป็นขั้นตอนจนคนใหม่ทำงานได้ในสามวัน ไม่ใช่สามเดือน

โรงเรียนกวดวิชาไม่ได้แพ้กันตอนรับสมัคร แต่แพ้กันตอนจบคอร์ส: วิธีวัดและยกอัตราต่อคอร์สที่ถูกลืม
สถาบันสอนส่วนใหญ่ทุ่มงบหาน.ร.ใหม่ แต่ไม่เคยวัดว่านักเรียนเดิมหายไปกี่เปอร์เซ็นต์ตอนจบคอร์ส ทั้งที่การต่อคอร์สแทบไม่มีต้นทุน บทความนี้ให้ตัวเลขที่ต้องวัด ตัวอย่างที่สิบห้าจุดของอัตราต่อคอร์สเท่ากับเงินแสนต่อรอบ สี่เหตุผลจริงที่ผู้ปกครองไม่ต่อ และระบบชวนต่อที่เริ่มก่อนคอร์สจบ ไม่ใช่หลังหายไปแล้ว

การเบิกงวดงานและเงินประกันผลงาน: กระแสเงินสดของงานก่อสร้างที่ต่างจากธุรกิจทั่วไป
งานก่อสร้างไม่ได้จ่ายเงินครั้งเดียวจบ แต่เบิกเป็นงวดตามงานที่ทำเสร็จ และเจ้าของงานหักเงินประกันผลงานไว้ส่วนหนึ่งจนจบโครงการ ผู้รับเหมาที่ไม่เข้าใจจังหวะเงินนี้มักขาดสภาพคล่องทั้งที่งานไปได้ดี การบริหารการเบิกงวดและเงินประกันจึงเป็นหัวใจของการอยู่รอด

Cohort Analysis: ดูลูกค้าเป็นรุ่น แทนค่าเฉลี่ยที่หลอกตา
ค่าเฉลี่ยรวมซ่อนความจริงไว้มาก ลูกค้าที่เข้ามาเดือนนี้อาจอยู่กับคุณนานกว่าหรือสั้นกว่าเดิมมาก Cohort Analysis แยกลูกค้าเป็นรุ่นตามช่วงเวลา ทำให้เห็นแนวโน้มที่ค่าเฉลี่ยกลบไว้
