離職率是企業用以衡量企業內部人力資源流動狀況的一個重要指標，通過對離職率的考察，可以瞭解企業對員工的吸引和滿意情況。對於人資小夥伴來說，如何分析離職率，如何在月末、季末、年末的報告中對離職率進行分析和報告是一個令人頭疼的事兒。

今天軟妹就來教大家一整套分析離職率等重要人資指標的【思維+工具+方法】，幫助大家利用資料分析對業務指標資料做一個全面的分析，並提出可行的決策！

本次範例使用了自助式BI工具FineBI，它簡單易用，只需拖拽操作即可進行數據分析。FineBI還擁有豐富的可視化和智能圖表功能，是人資小夥伴進行數據分析的神器！快點擊下方試用按鈕，和軟妹一起開始資料分析之旅吧~

如今，不論什麼事情都講究投入產出比，講究有效動作。而不是看似花了時間實際上沒起到什麼作用的無效動作。人資單純去統計離職率的資料，列出離職人員名單，並沒有什麼意義，現在大部分公司要求的，是要業務人員面對資料，都能做出一些具有商務洞察的資料分析，而不是僅僅羅列數字。

那要怎麼做報告，才能讓老闆刮目相看呢？

答案：資料視覺化。

將資料轉化為圖表，直觀地呈現業務狀況。還可以利用資料分析對業務指標資料做一個全面的分析，並提出可行性決策，讓老闆眼前一亮！比如像下圖這樣：

想要製作視覺化報告，方法有不少，使用大家最常用的Excel就可以製作。但是Excel的缺陷也很明顯，Excel無法做出模塊固定化的儀表板，使用起來機械呆滯，也不能支援巨量資料，很容易卡頓。程式碼大佬的話可以用python或者Echarts做，效果會比較好，但是對一般業務人員來說，代價太大了。

這裡軟妹推薦技術小白使用商業智慧BI工具來製作視覺化報告，操作簡單，能快速上手！比如我們這次用到的商業智慧自助分析工具FineBI，操作起來簡便、靈活，但功能卻十分強大。

業務人員只需要用滑鼠進行拖拽便能對資料做出篩選、排序、匯總等，自助靈活地達成期望的資料結果，並選取FineBI智慧推送的圖表和Dashboard戰情室實現資料的視覺化。

立即點擊下方按鈕，體驗一下強大的大數據分析軟件FineBI吧！相信無論您是新手還是專業分析師，FineBI都將成為您數據分析之路的得力助手！

在這裡我給大家梳理一下使用FineBI製作離職率分析報告的思路，主要分為以下四步：

①資料準備與整合——人才資料的梳理、提取、清洗；

②資料處理、指標搭建——根據業務特點建立指標體系；

需要重點關注的指標有如下一些，大家可以根據實際情況進行使用：

• 員工離職率=期間員工離職人數\(期初員工人數+本期增加員工人數)*100%
• 新員工離職率=期間入職半年內就離職的員工人數\期間離職員工人數*100%
• 高績效員工離職率=期間離職人數中平均績效為A的員工人數\期間離職員工人數*100%
• 高司齡員工離職率=期間離職人數中司齡在三年以上的員工人數\期間離職員工人數*100%
• 高職級員工離職率=期間離職人數中職級在 p5 以上的員工人數\期間離職員工人數*100%
• 離職健康度=（1-總離職率 * 0.2 +新員工離職率 * 0.2 +高績效員工離職率 * 0.2 +高職級員工離職率 * 0.2 +高司齡員工離職率 * 0.2 ）*100（這裏用了一個等比加權，實際應用中可根據公司關注點調控權值。）

③資料視覺化——使用多種類型的圖表進行資料視覺化，讓資料一目了然；

④資料分析——製作出資料分析報告、數據報表或儀表板，分析資料，為業務提升找到優化點。

說了這麼多理論，想必大家對如何製作離職率報告已經心裡有數了，下面就用一個例子帶大家進行一番實操演練，詳細演示使用FineBI製作視覺化分析報告的整個流程。

點擊下方按鈕，一起開始今天的學習吧~

臨近月末，人資部門的欣怡需要每月定期向上級匯報本月的人資工作情況，她發現近期公司的離職人數好像變高了，但是之前都沒有對離職率進行統計分析，欣怡對公司職員離職的總體趨勢掌握得不充分，她需要做一個針對離職率的數據分析儀表板幫助她了解整體趨勢。

欣怡使用了上面提到的離職率公式：離職率=（期間離職人數）/(期末在職人數+期間離職人數)。

即 2022 年的離職率=2022 年的離職人數/2022 年年末在職人數+期間離職人數，從年齡、部門、職級、文化程度四個方面分析離職情況。（若用戶有入職年限、薪資等相關數據，可以從更多方面進行分析）

為了對資料進行快速、有效的分析，欣怡使用了這款商業智慧自助分析工具FineBI，使用四個步驟完成了離職率分析報告：資料準備、資料處理、資料視覺化、資料分析。

FineBI具有非常強大的資料準備功能，支援超過30種以上的數據庫表和SQL數據源，支援Excel、txt等文件資料集，支援多維資料庫、程序資料集的等各種資料源，適用於對實時性要求較高的資料分析場景。

我們將本次資料分析範例的Excel表格「人員統計表」上傳至 FineBI。（範例表格和更詳細的操作步驟可以在離職分析操作文檔中獲取）

FineBI對資料的處理也十分靈活和便捷，通過FineBI中的篩選過濾、合併計算等功能，完全不需要寫SQL語句或者是其他代碼，就能快速完成資料的處理。

1）我們首先篩選出員工的離職日期。

點擊「字段設置」，取消勾選「入職日期」：

離職日期過濾出非空數據，如此便篩選出所有離職人員。如下圖所示：

添加備注列「離職」，如下圖所示：

2）接下來需要将離職日期與入職日期合并到一欄中。

添加下載的示例數據「人員統計表」，重命名爲「入職離職合并表」：

點擊「字段設置」，取消勾選「離職日期」：

添加備注欄「入職」，如下圖所示：

與「離職信息表」進行上下合并，将入職日期與離職如期合并到一欄中，並将合并結果改爲「日期」。如下圖所示：

可以通過備注字段判斷日期是離職日期還是入職日期。

3）做完基本的數據處理之後，我們需要在FineBI中構建分析的組件，也就是使用FineBI簡便靈活的計算功能（比如過濾組件、公式等），就能夠快捷計算一些核心的離職率指標。

離職率的公式為：離職率=期間離職人數／（期末在職人數+期間離職人數）。

所以我們需要計算的，有如下幾個指標：

• 計算期間離職人數
• 計算期末在職人數
• 計算離職率

添加組件，進入組件界面添加時間參數，操作如下圖所示：

首先計算期間離職人數。

複制「記錄數」，将其重命名爲「期間離職人數」。對其進行明細過濾，篩選出「備注爲離職」且「日期屬於過濾組件全年」的數據：

然後需要計算期末在職人數。

期末在職人數的計算公式為：期末在職人數=期末累計入職人數-期末累計離職人數。

計算期末累計入職人數：複制「記錄數」字段，重命名爲「期末累計入職人數」，并對其進行明細過濾。過濾條件如下圖所示：

當過濾組件選擇 2019 年時，過濾結果即爲 2019 年年末累計入職的所有人數。

計算期末累計離職人數：複制「記錄數」字段，重命名爲「期末累計離職人數」，並對其進行明細過濾。過濾條件如下圖所示：

添加計算字段，期末在職人數=期末累計入職人數-期末累計離職人數。如下圖所示：

最後就可以計算離職率了。

離職率=期間離職人數／（期末在職人數+期間離職人數），添加計算字段，輸入公式即可：

基於自助式BI，小夥伴們可以在前端自由組合指標和維度，進行自助數據處理和探索式分析，幫助部門挖掘出數據中隱藏的關係，再也無需苦苦等待IT排期~

3、資料視覺化

FineBI支援50多種圖表樣式，基本上涵蓋了市面上所有從基礎類到高階類的圖表，並且還具有優秀的動態效果和強大的交互體驗，可以滿足你所有資料視覺化的需求！

在使用時能夠根據需求設定各類特性，並且在行動端、LED大屏也能自我調整展示。

因為「離職率、期間在職人數、期間離職人數」為需要重點關注其波動的指標，我們使用KPI指標卡這個類型的圖表來進行展示。

分别制作「離職率、期間在職人數、期間離職人數」的指标卡（製作方法參見：KPI指标卡），製作「期間離職人數」的指标卡操作如下圖所示，其他指标卡的制作同理。

最後，需要創建儀表板來進行圖表的組合和展示。

點擊「添加儀表板」按鈕，添加儀表板：

将剛剛制作好的組件拖拽至儀表板：

在儀表板中拖入「年份」過濾組件，勾選「綁定參數」，點擊，勾選「參數」，如下圖所示：

結合製作好的其他圖表與表格，我們就可以從多個維度對離職率進行分析了，最終的看板實現效果如圖所示：

通過使用FineBI製作的離職率分析看板，分析可以得到如下結論：

• 總體情況：2020年離職率為27.65%。總體離職率偏高，比前兩年也高很多。離職率=期間離職人數／（期末在職人數+期間離職人數）
• 從職級上看：隨著公司整體流失率上升，高層人員的流失也呈上升趨勢，P6、P7流失接近三分之一。管理隊伍的不穩定，容易導致決策隊伍頻繁換帥，應當引起高度重視。
• 從部門上看：銷售部離職率超過總體離職率，但整體符合行業銷售的流失率。客服部門本科流失率達到31%，流失率走高。需要分析原因。
• 從月份上看：一二月份離職率較低，正值農曆月份的春節。所以受年終獎年假等原因離職率較低。四五月份是離職高峰期，可能與市場上四五月份人才需求量變高有原因，四五月份人員流動變高。

用對了工具，人資離職率分析輕而易舉！當然，FineBI的功能絕不僅限於此。立即點擊下方按鈕，開始發掘FineBI的無限可能吧！有了FineBI的陪伴您的數據分析之旅必將更加精彩豐富！