پیش بینی نرخ ترک خدمت کارکنان بر اساس الگوهای پنهان در نتایج ارزیابی عملکرد سالانه

ترک خدمت کارکنان، به ویژه نیروهای کلیدی و با عملکرد بالا، یکی از پرهزینه ترین چالش های پیش روی سازمان ها در عصر کنونی محسوب می شود. رویکردهای سنتی مدیریت استعفا غالبا واکنش گرا بوده و پس از وقوع رویداد اقدام می کنند، در حالی که سازمان های پیشرو به دنبال الگوهای پیش بینی کننده مبتنی بر داده هستند. مقاله حاضر با هدف ارائه چارچوبی برای پیش بینی نرخ ترک خدمت کارکنان بر اساس الگوهای پنهان موجود در نتایج ارزیابی عملکرد سالانه تدوین شده است. پژوهش با رویکرد آمیخته (کمی-کیفی) انجام شده و داده های عملکردی یک بازه سه ساله از یک سازمان خدماتی گردآوری و با استفاده از الگوریتم های یادگیری ماشین مدل سازی شده است. یافته ها نشان می دهد که مهم ترین پیش بینی کننده های ترک خدمت عبارت اند از: کاهش نرخ رشد مهارتی، انحراف منفی میانگین عملکرد از روند انتظاری، و الگوهای عقب نشینی پنهان در رفتار کارکنان. مدل ارائه شده توانسته با دقت ۸۷ درصد، کارکنان در معرض ریسک بالا را حداقل سه ماه پیش از استعفا شناسایی کند. این مقاله نشان می دهد که داده های ارزیابی عملکرد سالانه، فراتر از کاربرد سنتی آن در مدیریت عملکرد، می تواند به عنوان ابزاری قدرتمند برای پیش بینی و مدیریت ریسک ترک خدمت مورد استفاده قرار گیرد.

کلیدواژه ها:

ترک خدمت کارکنان ، پیش بینی ریزش ، ارزیابی عملکرد سالانه ، الگوهای پنهان ، داده کاوی ، یادگیری ماشین