弊社クライアントから
「パルスサーベイ」の結果から、退職予測をしたい
と言われることがあります。
他にも、
・「勤怠データ」から退職予測がしたい
・「ストレス耐性スコア」から退職予測がしたい
などの依頼を受けることがあります。
一般的には、
・パルスサーベイの結果が悪化すると「退職しやすい」
・勤怠が悪くなると「退職しやすい」
・○○のスコアが悪いと「退職しやすい」
という結果が示されることがありますが、実は「退職しやすい」ことと「退職を予測できる」ことは、全く違う話です。
※これは、「ハイパフォーマーになりやすい」と「ハイパフォーマーを予測できる」ことでも同様です。
この2つを混同してしまうと、
「退職しやすい傾向が出ていたから、話を聞きに行ったら、まったく退職しそうになかった」
「ハイパフォーマー傾向が出ていたから、採用したのに、活躍しなかった」
ということになりがちです。
今回はこの「退職しやすい」と「退職を予測できる」の違いについて、解説します。
「退職しやすい」（＝統計的有意に差がある）場合とは？
例として「退職率が10%」の1000人の企業を考えます。
この企業で分析を行ったところ、パルスサーベイの結果が悪化した人100人のうち、20%の確率で退職（＝退職率20%）することがわかりました。
これは、
「パルスサーベイが悪化する」と「退職しやすい」（＝統計的優位な差がある）
という結論になります。
※もちろん、そもそも平均に差がない（＝スコアが悪化していても退職しやすくない）場合には、当然「退職予測」はできません。（パルスサーベイに、退職者と在職者で、差がないクライアント企業も多いです。）
「退職が予測できる」場合とは？
一方、上記の場合、
・パルスサーベイが悪化した人でも、残り80%は退職していない
状況です。
そのため、
「パルスサーベイが悪化しても、退職しない確率が高い（80%）」
＝「パルスサーベイが悪化した人を、退職予測」とすると、80%は外れる（＝予測できていない）
状況になります。
実運用で退職予測に利用することを考えると、「○○の指標が悪いと、退職者が50%を超える（50％は退職予測があたる）」程度の確率になって初めて、現場としては【退職を予測】できる状況になります。
そのため、「退職予測」をしようとする場合には、「退職と予測した人のうち、何％が実際に退職したのか（※専門用語でいうと”再現率”）」が、実運用する上で重要になります。
※「再現率」が高くても「適合率」（実際の退職者のうち、何割を説明できるのか）が低すぎても、意味のある予測とは言えない点も難しいです。
まとめ
今回、
「退職しやすい」（統計的に有意である）と「退職の予測ができる」が違う
ということについて、紹介しました。
「相関係数」に関する勘違い（参考記事）と同様に「統計的有意差」による勘違いも、多く見られるため、重要な意思決定をミスジャッジしているケースが散見されます。
（もちろん統計的有意差も正しく使えば、非常に有効な手段です。）
弊社で提供しているアッテル（Attelu）では
・ワンクリックで統計的有意差の有無を確認
・予測精度をシミュレーション
できる機能を提供（β版期間中 お試し１ヵ月無料）していますので、ＨＲのデータ分析にご興味がある方は、ぜひお声がけいただけますと嬉しく思います。
※執筆者：塚本鋭
東京大学・大学院において、機械学習や大規模シミュレーションに関する研究に従事。人工知能学会研究会優秀賞・東京大学工学系研究科長賞（総代） 等を受賞。 大学院修了後、株式会社野村総合研究所にコンサルタントとして入社し、ICT・メディア領域を担当。2013年1月より株式会社クラウドワークスに8番目の社員として参画し、2014年12月に上場を経験。データ分析・産官学連携を軸としながら、B2B事業立ち上げ、カスタマーサポート部門立ち上げ、子会社副社長等を歴任。2018年より現職。
