👀「最近幾個月離職好像變多了，你幫我看一下吧」
這是一句 HR 很常接到的需求
但這樣的問題，其實不應該只是透過一張離職率趨勢圖就被快速回覆
很多人以為，離職分析就是：
🔹撈出離職人數
🔹畫趨勢圖、做部門排行
🔹加個職等或年份探討
但這樣的報表，頂多只能「回報現象」，卻無法幫助主管「判斷問題在哪、該如何行動」
我最近設計了一張 Power BI 的一頁式離職報表
不是從「有哪些資料可以分析」出發
而是先釐清「我要幫主管看出哪些現象與決策線索」
在這個前提下，我拆成四個觀察角度，每一個都對應到潛在的組織議題：
📊 部門離職率
這是最常見的觀察面向，但我不只是關注哪個部門離職最多
而是比較「誰與組織平均差距最大」，因為這種差距
更能反映制度、文化或管理方式上的考量
📈 離職月份趨勢
數據不會說謊，但趨勢會說故事
我把離職時間攤平成時間軸，觀察是否出現週期性高峰
這往往與制度調整、考核發放、或組織管理有關
甚至是壓力累積的訊號
📉 平均任職年資
離職率高不一定代表有問題
但如果年資也短，就可能揭露 onboarding、適應、或文化不符的潛在風險
這是一個容易被忽略、但能有效補強穩定度的指標。
🧱 職等 × 是否離職
關鍵不在於哪個職等離職多，而是看整體結構是否正在鬆動
初階人員流動是常態
但中階職等集中離職，代表的是知識、管理力與組織穩定的流失
這往往需要策略層級的回應，而非只是人力補強
這張報表的設計邏輯，從來不是「我會畫什麼圖」，而是「我要幫誰解決什麼問題」。也正是因為這樣，它才能在主管面前發揮作用，引導出下一個值得討論的方向。
📌 我一直相信：
資料分析的價值，不是來自畫了什麼圖，
而是為了回答什麼問題，設計出這張圖。
這是我在處理離職分析時的第一步思考
接下來幾週，分享更多關於這張報表背後的設計邏輯與分析架構，包含：
🔹怎麼從一句模糊的問題「最近離職很多」拆解出這四個觀察角度？
🔹為什麼選這些圖？而不是看離職原因、性別、年齡？
🔹每張圖的指標怎麼定義？欄位怎麼準備？
🔹報表畫好後，怎麼拿這張圖與主管說明，引發更深層的討論？
你們在工作中是怎麼處理離職數據的？
最讓你印象深刻的觀察是什麼？
留言跟我分享 👇