Viva Glint警报报告和流失风险索引

Microsoft Viva Glint的警报算法可查找在统计上显著的模式、离群值和与调查数据中的分数的偏差，并发现人口或人口统计组具有以下特征：

• 低分或高分
• 分数的显著变化

警报报告位于管理员仪表板的“报告”选项卡上。 警报仅对管理员可见。

在“常规设置”中选择属性以生成警报报告

总体由员工属性文件中的属性定义。 警报算法搜索单个属性中的模式， (例如 Team： Sales > Corporate Sales) 和属性组合 (例如性别和任期 > 5 年) 。 如果人口或人口统计组具有统计显著项的分数，则会为该组标记警报。

配置警报算法使用的人口统计属性：

• 针对低分和高分的警报： 对于低分和高分，该算法使用与外部基准和公司平均值进行比较。
• 有关分数更改的警报： 该算法查找当前调查与上次在调查中显示每个项之间的分数的显著变化。
• 层次 结构： 警报对层次结构很智能，并且仅显示任何给定调查项的最高相关级别。

从工作示例中学习

示例 #1：

如果工程中的所有子群体在 “目的” 和 “角色”方面得分都很低，但工程 (的一个子群体（例如， 工程 & 任期 > 5 年) “职业”的分数较低），则将显示两个警报总体：

• 这两个问题的工程 - 目的和角色
• 工程 & 职业生涯问题任期 > 5 年

示例 #2：

考虑去年 在加州 (销售部门) 的每个人都被录用，而且去年在销售部门雇用的每个人都去了加州。 如果此组的分数较低，则算法可能会生成两个警报 - 一个针对 加州的销售，另一个针对 加州的销售额 < ，期限为 1 年，因为这两个组相同。

流失风险指数

警报报告的一部分，“提升的流失风险”是提供有关可能处于较高营业额风险的人口信息的关键。

Glint可以预测每个群体对员工流失的分数差异和总体响应配置文件的影响。 流失风险指数是基于所有Glint客户端的聚合营业额数据训练的模型，根据标准项目分数预测自愿减员的风险增加。

识别出流失风险较高的人群是未来流失率高于公司平均水平的人群。

根据广泛的交叉验证研究，使用标准调查问题/项目时，风险警报的精度至少为 80%，在许多情况下甚至更高。 如果总体被标记为减员风险增加，则流失增加的可能性至少为 80%。

该模型使用Glint标准项进行预测，以便提供最有用的信息。 结果项 - eSat 和推荐 - 功能非常强大，是许多见解的代理，因此最少的一组项目应至少包括 eSat 和推荐。

设置警报报表

配置要包含在管理员仪表板上的“常规设置中的警报”中的人口统计属性。 若要最初对其进行配置，或者要随时间推移进行更改，请：

1. 导航到 “报告”， 然后 导航到“警报的属性”。

2. 从员工属性文件中预选的属性中，将范围缩小到组织中 对流失风险最重要的 项。

   • 使用“搜索”框添加属性。
   • 通过在报表上选择不需要的属性旁边的 X 来删除属性。

   提示

   仅选择警报所需的属性，例如层次结构、期限和生成。 避免使用具有许多无法分组的值的属性，例如雇用日期、出生日期和经理电子邮件。 使用所有属性并不能获得有用的见解。

3. 选择最小总体大小的阈值 (默认为 20 名受访者) 最低分数差异 (默认值为 8 分，) 符合警报条件。 对于小于 25 个受访者或分数差异小于 10 分的人口，可以选择不看到警报。 使用警报报表中的滑块按大小筛选总体。