The Viva Glint Alerts report and Attrition Risk Index

Der Warnungsalgorithmus von Microsoft Viva Glint findet statistisch signifikante Muster, Ausreißer und Abweichungen von den Ergebnissen in Umfragedaten und zeigt Bevölkerungsgruppen oder demografische Gruppen an, die Folgendes aufweisen:

• Niedrige oder hohe Bewertungen
• Wichtige Änderungen in den Bewertungen

Der Bericht Warnungen befindet sich auf der Registerkarte Berichte des Administratordashboards. Warnungen sind nur für Administratoren sichtbar.

Hinweis

Um sich für eine Warnung zu qualifizieren, werden statistisch relevante Erkenntnisse mithilfe des p-Werts (Standard: 0,05) ermittelt, Schwellenwerte für die mindestgesamtheitsgröße (Standard: 20 Befragte) und die minimale Punktzahldifferenz oder -änderung (Standard: 8 Punkte) ausgewählt.

Auswählen von Attributen in den allgemeinen Einstellungen zum Generieren eines Warnungsberichts

Wichtig

Attribute müssen in den allgemeinen Einstellungen vorab ausgewählt sein, damit ein Warnungsbericht generiert werden kann. Erstellen Sie Warnungen basierend auf bestimmten Benutzerattributen. Wenn keine Attribute ausgewählt sind, werden keine Warnungen erstellt.

Populationen werden durch die Attribute in Ihrer Mitarbeiterattributedatei definiert. Der Warnungsalgorithmus sucht nach Mustern innerhalb einzelner Attribute (z. B. Team: Sales > Corporate Sales) und Kombinationen von Attributen (z. B. Geschlecht und Amtszeit > 5 Jahre). Wenn eine Population oder demografische Gruppe Bewertungen für Elemente aufweist, die statistisch signifikant sind, wird diese Gruppe für eine Warnung markiert.

Konfigurieren Sie, welche demografischen Attribute vom Warnungsalgorithmus verwendet werden:

• Warnungen für niedrige und hohe Bewertungen: Für niedrige und hohe Bewertungen verwendet der Algorithmus Vergleiche mit dem externen Benchmark und dem Unternehmensdurchschnitt.
• Warnungen für Änderungen an Bewertungen: Der Algorithmus sucht nach wichtigen Änderungen an den Bewertungen zwischen der aktuellen Umfrage und dem letzten Erscheinen jedes Elements in einer Umfrage.
• Hierarchien: Warnungen sind für Hierarchien intelligent und zeigen nur die höchste relevante Ebene für ein bestimmtes Umfrageelement an.

Lernen aus arbeitsfähigen Beispielen

Beispiel Nr. 1:

Wenn alle Teilpopulationen in Engineering niedrige Bewertungen zu Zweck und Rolle aufweisen, aber eine Teilpopulation von Engineering (z. B. Engineering & Tenure > 5 Jahre) niedrige Bewertungen für Karriere aufweist, sind zwei Warnungspopulationen sichtbar:

• Engineering für beide Fragen – Zweck und Rolle
• Engineering & > 5 Jahre Für die Frage nach Karriere

Hinweis

Wenn bestimmte demografische Gruppen stark mit anderen demografischen Daten korreliert sind, können mehrere Warnungen für die gleiche zugrunde liegende Population generiert werden.

Beispiel Nr. 2:

Denken Sie daran, dass jeder in Sales in Location (Kalifornien) im letzten Jahr eingestellt wurde und dass jeder, der im letzten Jahr im Vertrieb eingestellt wurde, nach Kalifornien ging. Wenn diese Gruppe eine niedrige Bewertung aufweist, generiert der Algorithmus möglicherweise zwei Warnungen– eine für Sales in California und Sales in California mit Tenure < 1 Jahr, da die beiden Gruppen identisch sind.

Abriebrisikoindex

Das erhöhte Abriebrisiko, Teil des Berichts "Warnungen", ist entscheidend für die Bereitstellung von Informationen zu Populationen, die möglicherweise einem erhöhten Umsatzrisiko ausgesetzt sind.

Glint kann die Auswirkungen von Bewertungsunterschieden und Gesamtreaktionsprofilen jeder Population für die Abwertung von Mitarbeitern vorhersagen. Der Attrition Risk Index ist ein Modell, das mit aggregierten Umsatzdaten aller Glint-Kunden trainiert wurde und ein erhöhtes Risiko für freiwillige Abgänge basierend auf Standardartikelbewertungen vorhersagt.

Bevölkerungsgruppen, die mit einem erhöhten Abriebrisiko identifiziert wurden, sind diejenigen, die eine höhere zukünftige Abriebrate aufweisen als der Durchschnitt Ihres Unternehmens.

Basierend auf umfangreichen Kreuzvalidierungsstudien haben Risikowarnungen bei der Verwendung unserer Standardumfragefragen/-elemente eine Genauigkeit von mindestens 80 % und in vielen Fällen sogar eine höhere Genauigkeit. Wenn eine Grundgesamtheit für ein erhöhtes Abriebrisiko gekennzeichnet ist, besteht mindestens eine Wahrscheinlichkeit von 80 %, dass die Abnutzung erhöht wird.

Das Modell verwendet Glint-Standardelemente, um Vorhersagen zu treffen, damit die nützlichsten Informationen verfügbar sind. Ergebniselemente – eSat und Empfehlung – sind immens leistungsstark und stellen einen Proxy für viele Erkenntnisse dar, sodass eine minimale Menge von Elementen mindestens eSat und Recommend enthalten sollte.

Tipp

Integrieren Sie den Bericht "Warnungen" regelmäßig in Ihr Viva Glint-Dashboard.

Hinweis

Das Modell mit erhöhtem Abriebrisiko wurde im Oktober 2022 aktualisiert.

Einrichten des Warnungsberichts

Konfigurieren Sie, welche demografischen Attribute Sie in Warnungen über allgemeine Einstellungen auf dem Administratordashboard einschließen möchten. So konfigurieren Sie sie zunächst oder ändern sie im Laufe der Zeit:

1. Navigieren Sie zu Berichterstellung und dann Attribute für Warnungen.

2. Schränken Sie aus den Attributen, die Sie in Ihrer Mitarbeiterattributedatei vorab ausgewählt haben, auf die Elemente ein, die für das Abriebrisiko in Ihrer Organisation am wichtigsten sind .

   • Verwenden Sie das Suchfeld, um Attribute hinzuzufügen.
   • Löschen Sie Attribute, indem Sie das X neben den Attributen auswählen, die sie nicht für den Bericht verwenden möchten.

   Tipp

   Wählen Sie nur Attribute aus, die für Warnungen erforderlich sind, z. B. wichtige Hierarchien, Mandanten und Generierung. Vermeiden Sie Attribute mit vielen Werten, die nicht gruppiert werden können, z. B. Einstellungsdatum, Geburtsdatum und E-Mail-Adresse des Vorgesetzten. Die Verwendung aller Attribute bietet keine hilfreichen Erkenntnisse.

3. Wählen Sie Schwellenwerte für die mindeste Populationsgröße (Standardeinstellung 20 Befragte) und die Mindestbewertungsunterschiede (Standardwert: acht Punkte) aus, die für eine Warnung qualifiziert sind. Sie können sich dafür entscheiden, keine Warnungen für Populationen anzuzeigen, die kleiner als 25 Befragte sind, oder unterschiede, die kleiner als 10 Punkte sind. Filtern Sie die Populationen mithilfe des Schiebereglers im Bericht Warnungen nach Größe.