Data a analytika o zaměstnancích • 8 MIN ČTENÍ
Prediktivní analýza HR: od zpětného pohledu k předvídání
JUN 10, 2026
Většina reportingu HR Vám říká, co se stalo. Prediktivní analytika Vám říká, co se pravděpodobně stane dál. Zde je návod, jak tento posun uskutečnit.
Rozdíl mezi deskriptivní a prediktivní analytikou
Deskriptivní analytika odpovídá na otázku: co se stalo? Váš měsíční report počtu zaměstnanců, míra odchodovosti a údaje o absencích jsou deskriptivní. Vypovídají o minulosti a jsou cenné pro sledování trendů. Prediktivní analytika odpovídá na otázku: co se pravděpodobně stane? Prediktivní model odchodovosti identifikuje zaměstnance se zvýšeným rizikem dobrovolného odchodu ještě před tím, než podají výpověď. Prediktivní model absence upozorňuje na týmy se vzorci naznačujícími vznikající problém s absencí. Rozdíl je důležitý, protože deskriptivní analytika Vám ukazuje problémy až poté, co nastanou; prediktivní analytika Vám dává příležitost zasáhnout ještě předtím, než nastanou.
Jak začít s prediktivní analýzou
You do not need a data science team to begin. The first step is accumulating enough historical data in a single system (your HRIS) to identify meaningful patterns. The most accessible predictive model for most HR teams is a flight risk model: identify the characteristics that historically preceded voluntary departures in your organisation. Tenure, time since last pay review, time since last promotion, engagement score trend, and manager quality score are common predictors. Once you have identified the pattern, you can flag employees who match the profile for a proactive retention conversation.
