悩める人事の方必見! 『いっと』プロダクトチーム 本気で『離職』を考える!

2022.8.10

【離職率改善 キーワード】定性分析と定量分析

検索エンジンで「離職率 改善」と検索すると、タレントマネジメント系システムや、エンゲージメント向上システムの広告を多く目にします。

離職率改善に特化している様子ではありませんが、定量的な従業員分析をもとに、離職率の改善を図るという活用方法の記載がありました。

しかし、こと離職率改善をメイン目的にした場合、定量分析では「しっくりこないな…」というお話を人事の方からよく伺いますが、まずは離職率改善を考える際の【定性分析】と【定量分析】の違いについて、ご紹介したいと思います。


結論、どちらの分析方法も必要です。という話にはなるのですが、【定量分析】は画像の通り「現状や傾向を大枠で把握」する為の分析方法です。

その為、離職に対して “マクロ” な捉え方となり、定量分析のみだと、環境整備/福利厚生拡充などの「企業改善」に近い対策方法がメインとなってきます。

一方【定性分析】は、全体の傾向ではなく、個々の「要因や理由」を把握するための分析方法です。

その為、離職に対して “ミクロ” な捉え方をするので、離職理由の解決に直結する対策を行う事が可能となります。

しかし、大事なことは【定量・定性】どちらも大事であるという事です。


ではなぜ【定量・定性】どちらも大事なのかを説明するために、上記のような「離職者共通点を定量分析で検討」した事例をご紹介します。

縦軸に「在職年数」、横軸に「月間残業時間」を設定し、在職者と退職者情報を入れていれてみると、在職年数が若く、残業時間が多い人ほど、離職しやすいという【仮説】を立てることができます。

定量分析では、平均値である “赤線” に近付ける事が『離職率改善』の指標となりますが、この場合3つの懸念が生じます。

① 在職年数と残業時間が離職に影響するという “仮説” は正確であるか?

② 上記 “仮説” が正しい場合、離職者には2軸以外の特殊要因は存在しないか?

③ 特殊要因と “仮説” の相関性はどの程度あるか?

特殊要因の例として、退職者だけに共通する「業務内容や職場環境」などが想定されますが、これらを検証する為に、仮説や特殊要因を検証できる【定性的なアプローチ】が重要となります。

つまり、【定量分析】である程度、検証が必要な “検証事案” をあぶり出す事や、在職者へ【定性的なアプローチ】を行う場合、実施する “対象者” のリストアップを行うために、定量分析が必要となります。

このように、定量分析と定性分析は【相互補完】の関係性にあるため、離職対策にはどちらも非常に重要な分析方法となります。

その為、冒頭で挙げたような「しっくりこないな…」という感覚は、定量分析だけで対策を決めているので、離職理由に対してクリティカルな対策ができていない感覚が、どこか念頭にお有りなのかと思います。

『いっと』では、定量分析も行えますが【定性的なアプローチ】に重きを置いたサービスを展開しております。
第三者の専門家がお客様に代わって、従業員の “4つのホンネ” をヒアリングします。

ぜひ、離職に繋がる原因を把握して職場環境を見直したいと考えている方は『いっと』をご利用くださいませ。

ホンネインタビューシステム『いっと』

#定性分析 #定量分析 #離職率

上辺だけの対策ではなく、
本質的企業改善うなら…

お問い合わせ

トップへ戻る