许多公司试着这样做过。前哥伦比亚大学教授Eric Siegel在他的新书《预测性分析》中谈到了惠普的飞行风险项目。该程序利用数据预测哪位惠普员工最有可能辞职。Siegel（在接受采访时）说，这样的项目“变得越来越常见，尤其是在大型组织中。”在实验群组中，Siegel写道，如果惠普掌握这些知识，能够将员工流转率从20%减少到15%.

    在我第一次听到这种观点的时候，我认为这听起来有一点像《老大哥》节目的风格，或者像从《少数派报告》中出来的东西。但随后我意识到两件事：

    首先，观察哪些员工可能离开，需要介入公司广泛使用的相同过程——来找出哪些客户最有可能叛变。当然，谋生似乎比工作环境更重要，比你是否想换到一间更有挑战性的匹萨连锁店权重更高。但只要负责任地使用数据，这不意味着某人会被挤出去，在他们自己想辞职或者不予升迁之前。毕竟，大多数公司希望保留他们的员工。知道你看重的员工可能辞职，会让作为经理的你给那个人加薪，或者给他更有趣的任务。这个结果对团队成员还不错。

    其次，经理们都会预测哪些员工有可能辞职——有的判断可能不太公平。Siegel指出，“一般来说，进行数据驱动决策的意义是放弃拍脑袋的决定，更多转向实证验证过的决策。”如果经理知道员工怀上第二个孩子，可能会认为她产假结束不会回来，因为三年前某人也这样做过。但数据可以提醒经理，任何个人的去留决定都基于多种因素，人无法很好权衡。数据也会告诉经理，比起那些给以更多责任的员工，外出休假一段时间实际上会让员工流转的风险降低——而不是增加。Siegel说，“核心科学是如何整合多种因素”。

    你是怎么判定哪些员工最有可能辞职的？

厦门猎头