Tỉ lệ nghỉ việc trong một kỳ thường được tính bằng số người nghỉ trong kỳ chia cho số nhân viên bình quân của kỳ đó. Con số tổng chỉ là điểm xuất phát. Muốn biết vì sao người ta đi, bạn phải tách theo nhóm — thâm niên, bộ phận, ca làm, người quản lý trực tiếp — và đọc thêm phần lý do nghỉ. Trợ lý AI giúp tách nhóm, tính lại và gom lý do rất nhanh, với điều kiện dữ liệu đưa vào đã được ẩn danh đúng cách.
Bài này viết cho người làm nhân sự ở công ty vừa và nhỏ, chủ chuỗi cửa hàng, quản lý xưởng muốn hiểu vì sao nhân viên nghỉ. Bài không bàn cách thiết kế chỉ tiêu đánh giá nhân viên (phần đó thuộc trang AI Kết Quả), mà tập trung vào đọc số nghỉ việc: tính đúng, tách đúng, kiểm đúng, và báo cáo cho ban giám đốc mà không biến thành cuộc truy tìm ai có lỗi.
Tính tỉ lệ nghỉ việc đúng cách và vì sao các công ty tính khác nhau
Cách tính phổ biến là: số người nghỉ trong kỳ chia số nhân viên bình quân trong kỳ, nhân 100. Số bình quân thường lấy trung bình của số đầu kỳ và cuối kỳ, hoặc trung bình số nhân viên cuối mỗi tháng nếu bạn có. Ví dụ giả định: một chuỗi cà phê đầu năm có 80 người, cuối năm có 90 người, trong năm có 34 người nghỉ. Số bình quân là 85, tỉ lệ nghỉ việc năm khoảng 40 phần trăm.
Chỗ các công ty tính khác nhau nằm ở chữ "người nghỉ". Có nơi tính cả người bị cho thôi việc, có nơi chỉ tính người tự nghỉ. Có nơi tính cả nhân viên thời vụ, thực tập sinh, có nơi loại ra. Người hết hợp đồng thử việc không đạt có được tính không? Không có đáp án đúng duy nhất, nhưng phải thống nhất một định nghĩa, ghi lại, và dùng nhất quán từ kỳ này sang kỳ khác. Nếu không, con số "tăng" hay "giảm" chỉ phản ánh việc đổi cách đếm.
Nên tách ít nhất hai loại: nghỉ tự nguyện (người lao động chủ động đi) và nghỉ không tự nguyện (công ty chấm dứt). Hai loại này có nguyên nhân và cách xử lý khác hẳn. Một năm tỉ lệ tổng không đổi nhưng nghỉ tự nguyện tăng mạnh là tín hiệu đáng lo hơn nhiều so với con số tổng gợi ra.
Khi nhờ AI tính, hãy đưa định nghĩa vào câu lệnh thay vì để nó tự chọn. Ví dụ: "Tính tỉ lệ nghỉ việc theo tháng: người nghỉ là người có ngày nghỉ việc trong tháng, chỉ tính nhân viên chính thức, không tính thời vụ; số bình quân là trung bình số người đầu tháng và cuối tháng. Tách riêng cột tự nguyện và không tự nguyện."
Ẩn danh dữ liệu nhân sự trước khi đưa cho AI
Dữ liệu nghỉ việc là dữ liệu cá nhân của người lao động, có khi kèm lý do nhạy cảm như sức khoẻ, gia đình, mâu thuẫn với cấp trên. Đưa thẳng danh sách có tên vào chatbot là rủi ro cho cả người lao động lẫn công ty. Các bước dưới đây giữ được giá trị phân tích mà không lộ ai.
- Xoá tên, số căn cước, số điện thoại, địa chỉ, tài khoản ngân hàng. Thay mã nhân viên bằng một mã ngẫu nhiên mới không suy ngược được.
- Đổi ngày sinh thành nhóm tuổi (dưới 25, 25–34, 35–44…), đổi ngày vào làm và ngày nghỉ thành thâm niên tính theo tháng nếu không cần ngày cụ thể.
- Gộp những nhóm quá nhỏ. Bộ phận chỉ có hai người, hoặc một nhóm tuổi chỉ có một người nghỉ, thì người trong công ty nhìn là biết ai. Gộp vào nhóm "khác" hoặc nhóm lớn hơn.
- Lý do nghỉ viết tay: đọc lướt và xoá những chi tiết nhận dạng (tên người quản lý, tên người thân, bệnh cụ thể) trước khi đưa vào. Nếu không làm kịp, chỉ đưa phần lý do đã được chọn từ danh sách có sẵn.
- Không đưa lương từng người. Nếu cần xem tác động của mức lương, đổi thành nhóm khoảng lương hoặc vị trí trên thang lương.
- Dùng công cụ AI được công ty cho phép và đọc phần cài đặt dữ liệu của tài khoản. Nếu công ty chưa có quy định dùng AI, nên xin ý kiến người phụ trách trước khi làm.
Một mẹo nhỏ: sau khi ẩn danh, hãy đưa tệp cho một đồng nghiệp ngoài phòng nhân sự xem thử có đoán ra được ai không. Nếu đoán được, tiếp tục gộp nhóm.
Tách nhóm: con số tổng giấu gì
Tỉ lệ tổng 40 phần trăm của chuỗi cà phê trong ví dụ giả định chưa nói được gì nhiều. Tách theo thâm niên và bộ phận thường lộ ra bức tranh khác hẳn. Bảng dưới là ví dụ giả định.
| Nhóm | Nhân viên bình quân | Số người nghỉ | Tỉ lệ nghỉ |
|---|---|---|---|
| Thâm niên dưới 3 tháng | 15 | 14 | khoảng 93% |
| Thâm niên 3–12 tháng | 30 | 13 | khoảng 43% |
| Thâm niên trên 1 năm | 40 | 7 | khoảng 18% |
| Ca tối (mọi thâm niên) | 25 | 16 | khoảng 64% |
| Ca ngày (mọi thâm niên) | 60 | 18 | 30% |
Đọc bảng này, câu chuyện không còn là "nhân viên ở đây hay nghỉ" mà là "người mới gần như không ở lại qua ba tháng đầu, và ca tối nghỉ nhiều gấp đôi ca ngày". Hai phát hiện này dẫn tới hai hướng xử lý khác nhau: một là quy trình tuyển và đào tạo tuần đầu, hai là điều kiện của ca tối.
Lưu ý tỉ lệ tính trên nhóm nhỏ dao động mạnh. Nhóm 15 người mà nghỉ 14 nghe đáng sợ, nhưng đó cũng là nhóm luôn có người vào người ra. Một chỉ số bổ trợ hữu ích là tỉ lệ nghỉ trong 90 ngày đầu: trong số người được tuyển trong một quý, bao nhiêu phần trăm nghỉ trước khi đủ 90 ngày. Chỉ số này đo trực tiếp chất lượng khâu tuyển và hội nhập.
Đọc lý do nghỉ việc cùng AI mà không tự lừa mình
Lý do ghi trên đơn thường là lý do lịch sự. "Lý do gia đình", "muốn thay đổi môi trường" xuất hiện rất nhiều vì người nghỉ không muốn va chạm. AI gom nhóm những lý do này rất gọn, nhưng gom giỏi đến đâu cũng không biến lời xã giao thành nguyên nhân thật.
Phỏng vấn thôi việc có giá trị hơn đơn nghỉ. Nếu công ty có ghi chép phỏng vấn thôi việc do người không phải quản lý trực tiếp thực hiện, đó là nguồn tốt nhất. Câu lệnh mẫu: "Đây là 34 ghi chép phỏng vấn thôi việc đã ẩn danh. Hãy gom thành tối đa sáu nhóm lý do, mỗi nhóm nêu số ghi chép thuộc nhóm đó và trích hai câu tiêu biểu nguyên văn. Không suy diễn ngoài nội dung có trong ghi chép."
Bắt AI đếm, đừng để nó cảm nhận. Chatbot hay viết những nhận xét kiểu "nhiều nhân viên cảm thấy không được ghi nhận". Hỏi lại: bao nhiêu ghi chép nói điều đó, là những ghi chép số mấy. Nếu chỉ hai trên ba mươi tư, đó không phải "nhiều".
Đối chiếu lý do với số. Nếu nhiều người nói lý do là lịch làm, xem tỉ lệ nghỉ ca tối có cao thật không. Nếu nhiều người nói về thu nhập, xem người nghỉ có tập trung ở một khoảng lương nào không. Lý do và số cùng chỉ về một hướng thì mới đáng tin.
Đừng truy người quản lý qua dữ liệu ẩn danh. Khi tách theo quản lý trực tiếp, nhóm thường rất nhỏ. Kết quả chỉ nên là tín hiệu để trao đổi riêng, hỗ trợ người quản lý đó, không phải bằng chứng để kỷ luật. Mục đích phân tích là sửa hệ thống, không phải tìm người chịu tội.
Tương quan không phải nguyên nhân: những cách đọc sai hay gặp
Phân tích nghỉ việc rất dễ trượt sang kết luận nhân quả. Ví dụ giả định: AI phát hiện nhân viên được đào tạo nội bộ có tỉ lệ nghỉ thấp hơn hẳn. Kết luận vội là "đào tạo giúp giữ chân nhân viên". Nhưng có thể chiều ngược lại: chỉ những người đã định ở lâu mới được cử đi học, hoặc chỉ cửa hàng có quản lý tốt mới tổ chức đào tạo. Muốn biết đào tạo có tác dụng thật không, cần so những nhóm giống nhau ở mọi mặt khác, hoặc thử có kế hoạch ở một số cửa hàng trước.
Một bẫy khác là so hai kỳ không cùng điều kiện. Tỉ lệ nghỉ quý sau Tết thường cao ở nhiều ngành lao động phổ thông vì người lao động hay chuyển việc sau khi nhận thưởng. So quý một năm nay với quý bốn năm ngoái rồi kết luận "tình hình xấu đi" là sai cách. So cùng kỳ năm trước hợp lý hơn.
Bẫy thứ ba là nhìn tỉ lệ mà quên số tuyệt đối. Bộ phận kế toán ba người, một người nghỉ, tỉ lệ 33 phần trăm. Bộ phận bán hàng sáu mươi người, mười người nghỉ, tỉ lệ khoảng 17 phần trăm. Về tỉ lệ thì kế toán "tệ" hơn, nhưng về công tuyển dụng và chi phí đào tạo lại, bán hàng mới là chỗ tốn kém.
Khi đọc kết quả AI đưa ra, hãy yêu cầu nó tự liệt kê các cách giải thích khác cho mỗi phát hiện: "Với mỗi điểm bạn nêu, đưa ra ít nhất hai cách giải thích khác ngoài cách bạn đã nêu, và dữ liệu nào cần thêm để phân biệt." Câu lệnh này giúp bản báo cáo bớt tự tin thái quá.
Bộ câu hỏi phân tích nên chạy mỗi quý
Thay vì phân tích lại từ đầu mỗi lần, hãy giữ một bộ câu hỏi cố định và chạy lại trên dữ liệu mới. Như vậy các kỳ so được với nhau và bạn nhận ra xu hướng.
- Tỉ lệ nghỉ tự nguyện và không tự nguyện của quý, so cùng kỳ năm trước.
- Tỉ lệ nghỉ trong 90 ngày đầu của những người tuyển trong quý trước.
- Tỉ lệ nghỉ theo bộ phận, theo ca, theo chi nhánh, chỉ hiển thị nhóm từ năm người trở lên.
- Năm nhóm lý do nghỉ nhiều nhất và số ghi chép mỗi nhóm, so với quý trước.
- Thâm niên trung vị của người nghỉ (dùng trung vị vì vài người rất lâu năm làm trung bình bị kéo lên).
- Những thay đổi trong công ty quý đó (đổi ca, đổi quản lý, đổi chính sách thưởng) để đặt cạnh số liệu.
Câu lệnh mẫu để chạy lại mỗi quý: "Dùng đúng định nghĩa và bộ câu hỏi đính kèm, phân tích tệp nghỉ việc quý này đã ẩn danh. Trình bày theo đúng thứ tự câu hỏi, mỗi câu trả lời kèm số và so với quý trước nếu có. Nhóm dưới năm người ghi là không đủ dữ liệu."
Báo cáo cho ban giám đốc: ngắn, có số, có đề xuất thử
Ban giám đốc hiếm khi cần bảng tách mười chiều. Họ cần biết ba điều: tình hình có đang xấu đi không, xấu ở đâu, và nên thử làm gì. Một trang báo cáo tốt mở đầu bằng tỉ lệ nghỉ tự nguyện so cùng kỳ, tiếp theo là một hai phát hiện quan trọng nhất kèm con số, sau đó là đề xuất có thể thử trong quý tới và cách đo xem có tác dụng không.
Đề xuất nên ở dạng thử nghiệm có đo lường thay vì cam kết cho cả công ty. Ví dụ giả định: "Thử chương trình kèm cặp tuần đầu cho người mới ở ba chi nhánh trong quý tới, so tỉ lệ nghỉ 90 ngày với các chi nhánh còn lại." Cách viết này giúp ban giám đốc dễ đồng ý và giúp bạn có dữ liệu thật để đánh giá, thay vì tranh luận cảm tính.
Bạn có thể nhờ AI soạn nháp trang báo cáo từ bảng kết quả đã kiểm, với yêu cầu không dùng từ ngữ quy lỗi, không nêu bất kỳ chi tiết nào nhận ra được một cá nhân. Sau đó tự đọc lại từng câu: câu nào không có số làm căn cứ thì bỏ hoặc ghi rõ là nhận định. Với những vấn đề liên quan đến hợp đồng lao động, chấm dứt hợp đồng hay tranh chấp, phần phân tích số không thay được ý kiến của người am hiểu pháp luật lao động và quy định hiện hành.
Câu hỏi thường gặp
Tỉ lệ nghỉ việc bao nhiêu là cao?
Không có mức chung. Ngành bán lẻ, ăn uống, lao động thời vụ thường có tỉ lệ cao hơn hẳn văn phòng chuyên môn. Cách so hữu ích là so với chính công ty bạn qua các năm, so giữa các bộ phận, và chú ý nghỉ tự nguyện hơn con số tổng.
Có nên tính người nghỉ trong thời gian thử việc không?
Nên theo dõi, nhưng tách riêng. Gộp vào tỉ lệ chung làm con số khó so giữa các kỳ có lượng tuyển khác nhau. Theo dõi riêng nhóm này qua tỉ lệ nghỉ trong 90 ngày đầu giúp đánh giá khâu tuyển dụng và hội nhập.
Dùng AI để dự đoán ai sắp nghỉ việc có nên không?
Công ty nhỏ thường không đủ dữ liệu để dự đoán đáng tin cho từng cá nhân, và việc gắn nhãn "sắp nghỉ" cho một người dễ gây đối xử bất công. Dùng phân tích ở cấp nhóm để cải thiện điều kiện làm việc an toàn và có ích hơn nhiều.
Dữ liệu nghỉ việc đã ẩn danh có còn là dữ liệu cá nhân không?
Nếu từ dữ liệu đó vẫn đoán ra được một người cụ thể, nó vẫn nhạy cảm như dữ liệu cá nhân. Vì vậy cần gộp nhóm nhỏ và bỏ chi tiết đặc thù. Về nghĩa vụ pháp lý cụ thể, bạn nên kiểm quy định hiện hành về bảo vệ dữ liệu cá nhân.
Nên dùng trung bình hay trung vị cho thâm niên của người nghỉ?
Trung vị thường phản ánh đúng hơn, vì một vài người làm rất lâu năm rồi nghỉ hưu sẽ kéo trung bình lên cao. Báo cả hai con số cũng được, nhưng dùng trung vị để kể câu chuyện chính.
AI gom lý do nghỉ việc có đáng tin không?
Gom nhóm thì nhanh và khá hợp lý, nhưng bạn nên yêu cầu nó đếm số ghi chép mỗi nhóm và trích câu nguyên văn, rồi tự đọc lại một phần ghi chép để kiểm. Nếu nhóm nào chỉ có vài ghi chép, đừng đưa nó lên thành phát hiện chính.