⚠️ 人员与离职风险提示
月度入职 / 离职 / 净增(2024.01 起)
近 12 个月(滚动至 2026-11)累计入职 250 人、离职 224 人,净增 +26 人;月均入职 20.8、离职 18.7,招聘基本只能追平流失。离职峰值出现在 2026 年 8 月(28 人)。最近 3 个月(2026-09 至 2026-11)入职 53 / 离职 40,前 3 个月为 65 / 70(净增 13 vs -5)。
- 按近 12 个月月均离职 18.7 人倒推招聘储备:每月在招人数不低于 22 人(1.2 倍安全系数),并在离职高峰月(2026 年 8 月)前 1 个月启动储备。
- 把「当月净增 ≥ 0」纳入招聘负责人月度考核;最近 3 个月净增 13 人,若连续 2 个月为负,需在周会上说明缺口岗位与补员计划。
- 每月 5 日前核对飞书总表的入职/离职日期字段(当前 4 条离职日期早于入职的记录需修正),日期缺失会让月度趋势失真。
年度入职离职对比与离职率
截至 2026 年 11 月:年初 275 人 → 入职 244 / 离职 207 人 → 当前 312 人,离职率 39.9%,较 2025 年(43.9%)下降 4.0 pct、较 2024 年(37.0%)上升 2.9 pct。三年离职率均高于 36%,2026 年净增 37 人,是靠 244 人的入职量堆出来的(入职量是净增的 6.6 倍),人员规模增长的成本很高。
- 把 2027 年离职率目标设为 ≤30%(较当前降约 10 pct),拆到部门:C 端运营、跨境运营、仓储物流各降 5 pct,其余部门持平。
- 「离职率 + 新员工 3 个月留存率」双指标进部门负责人季度考核,权重不低于 15%,避免只考核招聘到岗数。
- 年度招聘预算按「计划净增 + 预计离职回补」编制(即 入职量 = 净增目标 + 预计离职人数),不要只按岗位空缺报需求。
离职人员在职时长分布(关键)
可计算在职时长的 824 人中,443 人在职不足 3 个月(占 53.8%),6 个月内离职 563 人(68.3%),1 年内合计 674 人(81.8%)。平均在职 6.9 个月、中位数仅 2.5 个月——一半人干不到 3 个月就走了,说明流失主要发生在「招聘匹配」和「入职带教」两段,而非成熟员工被挖。
- 对占比 53.8% 的 3 个月内离职人群,统一执行 30/60/90 天节点面谈(第 7 天由主管、第 30 天由 HR、第 60 天由部门负责人),面谈记录进飞书表,作为转正依据。
- 招聘环节增加 3 项硬性预筛:住址到岗通勤时间 ≤45 分钟、期望薪资与岗位区间差 ≤15%、近两份工作平均在职 ≥12 个月;不满足的需在面试记录里写明放行理由。
- 把「3 个月内离职率」按招聘渠道拆分统计(BOSS / 内推 / 人力网),连续两个季度最差的渠道下调 30% 预算,转到内推。
离职人员所属部门 TOP10
离职人数最集中的是 C端运营部 115 人(在职 30,累计离职为在职的 3.8 倍)、跨境运营 93 人(在职 40,累计离职为在职的 2.3 倍)、仓储物流部 55 人(在职 22,累计离职为在职的 2.5 倍);B端运营部 49、客服部 36 人。把离职人数和当前在职人数放在一起看,人越多的部门离职绝对量自然越大,但「累计离职 / 当前在职」超过 2 倍意味着这个部门的岗位基本处于「招进来—走掉」的循环里。
- 对累计离职/在职比 >2 倍的部门(C 端运营、跨境运营、仓储物流)各抽 10 人做离职访谈,30 天内输出「离职原因 TOP3 + 改进项」,避免只填一张离职表就结束。
- 这三个部门的新员工带教改为「1 对 1 师徒制 + 每周一次 15 分钟复盘」,师徒双方绑定 3 个月留存指标。
- 招聘端对这三类岗位增加「岗位实景体验」(半天跟岗),让候选人在入职前看到真实工作强度,降低入职后 2 周内的闪退。
在职人员部门分布
当前在职 312 人,前三大部门为 B端运营部 47、跨境运营 40、迈品 30,合计 117 人(37.5%)。人数 ≥25 人的部门有 6 个(B端运营部 47、跨境运营 40、迈品 30、C端运营部 30、内容开发部 30、客服部 25),按 1 名主管管理 15–20 人的常规幅度,这些部门都存在管理跨度偏大的问题。
- 人数 ≥25 人的 6 个部门(B端运营部、跨境运营、迈品、C端运营部、内容开发部、客服部)各配置 1 名组长/主管,把管理幅度压到 20 人以内,否则带教和留存都落不到人。
- 部门人力预算按「在职人数 × 近 12 个月该部门离职率」测算补员成本,优先给离职率高且人数多的部门(C 端运营、跨境运营、仓储物流)配编制。
- 每季度更新一次部门人数结构,出现单部门占比 >15% 时(当前 B 端运营 15.1%)评估组织拆分或增设副职。
在职学历分布(2025 vs 2026 年入职对比)
按当前在职员工的入职年份对比:2025 年入职 53 人、2026 年入职 128 人。本科及以上占比从 17.0% 升到 25.8%,硕士由 0 人增至 4 人;大专占比从 47.2% 降到 41.4%,高中及以下基本持平(22.6% → 22.7%)。整体学历结构在小幅上移,但大专仍是主力(53 人,41.4%)。
- 按岗位分层设学历基线,不要一刀切:运营/财务/产品/技术岗以本科为基线,客服/仓储/单证岗以大专为基线,超基线录用需用人部门书面确认。
- 把「本科及以上占比」作为招聘质量指标按季度跟踪(当前 2026 批次 25.8%),目标是每年提升 3–5 pct,而不是短期拉高。
- 2026 批次仍有 13 人学历未填、2025 批次 7 人,把入职登记表的「学历」设为必填项并回补历史数据,否则学历结构分析会持续失真。
在职人员用工性质
在职 312 人中,291 人登记了明确用工性质(其余 21 人该字段为空或填写「/」):转正 202 人(69.4%)、试用 21 人(7.2%)、挂靠 24 人(8.2%)、含兼职 31 人(10.7%)、含实习 8 人(2.7%)、返聘 7 人。非标准全日制用工合计 63 人(21.6%),占比不低,是合规和排班管理的重点人群。
- 试用期 21 人建立到期提醒(提前 15 天),避免「试用期超期未转正」的用工风险;转正评估表与 30/60/90 天面谈记录绑定,缺记录不转正。
- 挂靠 + 兼职 + 实习共 63 人,逐人核对用工协议、意外/工伤险覆盖、工时与排班记录,30 天内补齐缺失项,形成台账。
- 非标准用工占比 21.6% 建议按季度复核一次必要性:长期(>6 个月)以兼职/挂靠形式在岗的岗位,评估是否转为正式编制。
📐 口径与数据说明
- 统计口径(2026-11-05 修订):所有人头类指标统一以「姓名」列为准,姓名只要有内容就纳入统计,仅剔除完全空白的行(空值 / 纯空白 / 导出产生的 "nan" 占位文本)。剔除情况:在职表剔除姓名空白 1 行;离职表剔除 2 行;招聘表剔除 14 行。入职/离职按「事件数」统计,同一人离职后再入职会各计一次(入职表中有 14 人属此情况)。
- 数据来源:花名册总表 / 花名册新员工入职 / 花名册离职员工 / 招聘邀约表 均直连飞书多维表格「人事行政管理」,每次刷新实时拉取;备用金在线直读腾讯文档《备用金明细》2026 年子表(MCP 接口,在线直读,腾讯文档《备用金明细》·2026年备用金,同步于 2026-11-20 14:23),在线不可用时自动回退到下载目录里最新的导出文件,两条路径都无需手工放置。
- 离职率口径:年度离职率 = 当年离职人数 ÷(年初在职人数 + 当年入职人数)。年初在职人数由「年末在职 − 当年入职 + 当年离职」倒推(2026 年末在职取当前在册 313 人)。
- 学历年份对比口径:「在职学历分布(2025 vs 2026)」按当前在职员工的入职年份分组(2025 年入职 53 人 / 2026 年入职 128 人),学历沿用归一口径;未填写入职日期的员工不参与对比。
- 已清洗:离职日期早于入职日期的 4 条记录(李先芬、卢海霞、高山、杜立杰)已计入离职总人数,但不参与月度/年度趋势,建议在飞书表中核对修正;学历 14 种写法已归一;在职时长按离职日 − 入职日计算(月)。
- 数据安全:看板仅展示聚合统计,不含身份证号、联系方式、银行卡号等敏感字段;原始表未做任何修改。