每一个老板都想猜透员工的心思，想找出那些身在曹营身在汉的员工，可每每都会有员工出其不意地给老板送上一份辞呈。

对于人才密集型的行业而言，人才外流恐怕是管理者最头疼的事之一，如果能够提前洞悉到员工的行为和想法，就能够在员工丢下一纸辞呈前采取措施进行挽留。

华尔街日报披露了一种有趣的方法，包括沃尔玛、瑞士信贷集团和 Box 正在通过大数据“算”出最有可能跳槽的员工。

这些公司的 HR 部门会收集员工的工作任期、员工调查、沟通模式甚至性格测试等一系列数据，这些数据往往能够揭示员工去留的动机，从而分析判断员工的离职倾向性。

没有一种单一的数据可以预测员工去留。离职背后的动机通常很复杂，收入多寡、同事关系、公司前景、职业规划等等，在不同公司，这些变量的影响力又有很大的差异。

比如在 Box 公司，一名员工的收入和与上司的关系重要性远不如对于团队的感觉。而在瑞士信贷，员工的表现和团队规模又显示出强大的影响力。

人力资源软件公司 Ultimate Software Group 公司就在为它们的客户做这样的分析。根据不同公司的特点和环境，Ultimate Software Group 公司的数据科学家结合测试等一系列变量建构一种算法，从而对哪些员工可能会在近期辞职。类似于信用评分，每名员工都有一个留任预测的指数。

对于公司管理者而言，准确的信息是判断和决策的依据。同理，大数据预测算法的核心取决于数据是否准确、追踪是否全面、算法是否科学。

VoloMetrix 是一家总部位于西雅图的销售、生产力及人力管理初创企业，他们做的是员工活动跟踪解决方案，方法是在不侵犯员工隐私的基础上，通过日历、电子邮件等接口收集和分析数据，从而获得有关主题、时间、协作类型以及参与者的角色和地理位置等信息。这些数据经过分析汇总最终可以形成整个公司的沟通和协作行为全景图，并可以对每一位员工的效率做出科学的评估。

对于大部分雇主而言，通过算法分析的目的并不在于驱赶有离心的员工，而在于挽留人才以及搞清楚背后的动机，解决公司弊病。但这并不意味着算法绝对可靠，更多时候它只能作为一个参考，让雇主多一个心眼。

“我们绝对不会说找员工谈话的唯一理由是算法让我们这样做的。”AOL 人力分析主管 John Callery 表示，AOL 想提高留任指数还为时尚早，测试预测模型就需要至少一年时间。

大数据的预测并不仅仅局限于离职倾向性的分析中，很多模型都可以为人力资源提供参考。比如沃尔玛就通过数据分析预测哪些员工可以晋升，从而有计划地组织和安排员工的岗位的替换和交接。这家零售商巨头每年就会晋升 16 万-17 万名员工。

凡事预则立不预则废。正如沃尔玛负责人员分析的全球副总裁 Elpida Ormanidou 说：

“如果我们能够提前三个月，我们就能够尽快地组织招聘和培训，没有人希望职位一直空缺着。”

文章来自网络，版权归作者所有，如有侵权请联系删除