Lähtöhaastattelut eivät kerro koko totuutta: Miten ennustaa irtisanoutumisia ennen niiden tapahtumista
- Pohjoismainen vaihtuvuuden paradoksi
- Lähtöhaastattelujen rajoitukset
- Irtisanoutumisten ennustaminen: Pohjoismainen lähestymistapa
- Edistykselliset ennustusteknologiat henkilöstöhallinnossa
- Proaktiiviset vaihtoehdot
- Johtopäätös
Digitaalisen muutoksen ja muuttuvien työllisyysmallien aikakaudella arvokkaiden työntekijöiden säilyttäminen on organisaatioille kriittisen tärkeää. Vaikka lähtöhaastattelut ovat edelleen yleinen käytäntö, ne tarjoavat usein tietoa liian myöhään – vasta silloin, kun työntekijä on jo päättänyt lähteä. Pohjois-Euroopasta saadut tutkimustulokset osoittavat, että ennakoivat menetelmät voivat merkittävästi parantaa henkilöstön pysyvyyttä, jolloin yritykset voivat ennustaa ja estää irtisanoutumisia ennen niiden tapahtumista.
Pohjoismainen vaihtuvuuden paradoksi
Vaikka Pohjoismaissa on vahva sosiaaliturva ja korkea työntekijöiden hyvinvointi, työntekijöiden vaihtuvuus on yllättävän korkea. Esimerkiksi Norjassa työntekijävaihtuvuus oli 47 %, Tanskassa 43 % ja Suomessa 28 % – selvästi maailman keskiarvoa korkeampi. Tätä ilmiötä kutsutaan ”Pohjoismaiseksi vaihtuvuuden paradoksiksi.”
Tanska on erityisen mielenkiintoinen tapaus. Vaikka maassa on vahvat ammattiliitot ja institutionaaliset työntekijöiden vaikutusmekanismit, vaihtuvuus on edelleen korkea. Tutkijat yhdistävät tämän joustoturvamalliin (flexicurity) – joustavuuden (työnantajille) ja turvallisuuden (työntekijöille) yhdistelmään, joka tekee rekrytointi- ja irtisanomisprosesseista huomattavasti sujuvampia verrattuna muihin maihin.
Taulukko 1. Työntekijöiden vaihtuvuus Pohjoismaissa
| Maa | Vaihtuvuusaste (%) | Keskeiset syyt |
|---|---|---|
| Norja | 47% | Korkea työmarkkinoiden liikkuvuus |
| Tanska | 43% | Joustoturvamalli, liberaali työoikeus |
| Suomi | 28% | Suuri kysyntä osaaville työntekijöille |
Lähtöhaastattelujen rajoitukset
Vaikka 92 % yrityksistä toteuttaa lähtöhaastatteluja, niiden tehokkuus on kyseenalainen useista syistä:
- Liian myöhään tehdyt toimenpiteet – Haastattelut tehdään vasta, kun työntekijä on jo päättänyt lähteä, mikä estää ennaltaehkäisevät toimenpiteet.
- Psykologiset esteet – Työntekijät eivät aina ole täysin rehellisiä, koska he eivät halua pilata suhteita entiseen työnantajaan.
- Rajoitettu vaikutus – Monet yritykset eivät hyödynnä lähtöhaastattelujen tietoja konkreettisten muutosten tekemiseksi.
Irtisanoutumisten ennustaminen: Pohjoismainen lähestymistapa
Sen sijaan, että organisaatiot luottaisivat taaksepäin katsoviin lähtöhaastatteluihin, Pohjoismaissa käytetään ennakoivia menetelmiä irtisanoutumisriskin tunnistamiseen.
Tapaustutkimus: Koneoppiminen Ruotsin puolustusvoimissa
Ruotsin puolustusvoimat hyödynsivät koneoppimista (Random Forest -mallia) irtisanoutumisten ennustamiseen 89 %:n tarkkuudella. Tutkimus osoitti, että poissaolot korreloivat vahvasti tulevien irtisanoutumisten kanssa, mikä tukee aiempia tutkimuksia vaihtuvuudesta.
Organisaatioverkostoanalyysi (ONA) IT-alalla
Eräs eurooppalainen IT-yritys sovelsi organisaatioverkostoanalyysiä (ONA) irtisanoutumisten ennustamiseen. Analyysi keskittyi kahteen keskeiseen mittariin:
- Vaikutusvalta yrityksen sisällä – Työntekijät, joilla oli heikko yhteys työyhteisöön, irtisanoutuivat useammin.
- Vastaanotettujen ja annettujen vuorovaikutusten suhde – Tiimeissä, jotka saivat enemmän yhteydenottoja kuin antoivat, irtisanoutumisriski oli korkeampi.
Taulukko 2. Ennakoivat menetelmät HR
| Menetelmä | Käyttökohde | Keskeiset mittarit |
|---|---|---|
| Koneoppiminen (Random Forest) | Sotilasorganisaatiot | Poissaolot, käyttäytymismuutokset |
| Organisaatioverkostoanalyysi (ONA) | IT-yritykset | Työpaikan vuorovaikutus, tiimien yhteydet |
| NLP-analyysi | Yritysympäristöt | Kommunikaation sävy, työntekijöiden tyytyväisyys |
Edistykselliset ennustusteknologiat henkilöstöhallinnossa
Ennakoiva analytiikka ja tekoäly
Modernit ennakoivan analytiikan mallit analysoivat työsuhteen pituutta, suoritusarviointeja ja työntekijöiden sitoutumista irtisanoutumisriskin arvioimiseksi.
Luonnollisen kielen käsittely (NLP)
NLP:n avulla voidaan analysoida työntekijöiden viestintäkuvioita ja tunnetiloja, mikä antaa varhaisia merkkejä motivaation laskusta.
Proaktiiviset vaihtoehdot
Pysyvyyskeskustelut (Stay Interviews)
Lähtöhaastattelujen sijaan pysyvyyskeskustelut keskittyvät työntekijöiden säilyttämiseen. Esimerkkejä kysymyksistä:
- Mitä voimme tehdä, jotta et haluaisi koskaan lähteä?
- Millaiset uramahdollisuudet motivoisivat sinua?
Aloitushaastattelut (Entry Interviews)
Organisaatiopsykologi Adam Grant ehdottaa aloitushaastatteluja lähtöhaastattelujen sijaan. Ne tehdään työntekijän ensimmäisellä viikolla ja keskittyvät heidän odotuksiinsa, tavoitteisiinsa ja ensivaikutelmiinsa.
Jatkuvat palautemekanismit
Tutkimukset osoittavat, että lisääntynyt työskentelyjoustavuus (etätyö, joustavat aikataulut) vähentää työntekijöiden vaihtuvuutta Pohjoismaissa.
Johtopäätös
Pohjoismaiden kokemus osoittaa, että perinteiset lähtöhaastattelut eivät ole tehokkaita irtisanoutumisten ehkäisemisessä. Ennakoivat menetelmät, kuten koneoppiminen, verkostoanalyysi ja NLP, tarjoavat huomattavasti paremman lähestymistavan riskiryhmässä olevien työntekijöiden tunnistamiseen ja säilyttämiseen.
HR-johtajille työntekijöiden säilyttämisen tulevaisuus ei ole selvittää, miksi ihmiset lähtevät, vaan ennustaa ja ehkäistä irtisanoutumisia hyödyntämällä tietoon perustuvia ja ihmislähtöisiä strategioita.
References
- Predictive Analytics in Employee Retention and Engagement Strategies
- Exit Interviews as a Tool to Reduce Parting Employees’ Complaints About Their Former Employer and to Ensure Residual Commitment
- Developing an Advanced Prediction Model for New Employee Turnover Using Machine Learning
- Applying Machine Learning to Human Resources Data: Predicting Employee Turnover

