滚动离职率是衡量企业在特定时间段内员工流动情况的重要指标,它通过计算一定周期内离职员工数量与该周期内平均员工数量的比值，来反映企业人力资源的稳定性，与单月或单季离职率相比，滚动离职率（通常以滚动12个月为例）能够平滑短期波动，提供更长期、更客观的人员流动趋势，帮助企业更准确地识别人才流失规律、评估管理措施效果，并为人力资源规划提供数据支持，其计算过程涉及数据采集、周期设定、指标选取及公式应用等关键步骤，具体如下：
核心概念与计算公式
滚动离职率的核心在于“滚动”二字，即选取一个固定的时间窗口（如最近12个月），动态计算该窗口内的离职情况，以最常见的滚动12个月离职率为例，其计算公式为：
滚动12个月离职率 = （过去12个月累计离职员工人数 / 过去12个月的平均员工人数）× 100%
公式中,“过去12个月累计离职员工人数”指从当前月份起往前推12个月内，所有因主动离职、被动离职（如辞退、退休等）或其他原因离开企业的员工总数，通常以自然月为统计单位，避免重复计算（如某员工在同一年度内多次离职的情况需按实际发生次数统计，但实践中此类情况较少）。“过去12个月的平均员工人数”则是该时间段内各月月末员工人数的算术平均值，计算公式为：
过去12个月平均员工人数 = （第1个月月末人数 + 第2个月月末人数 + … + 第12个月月末人数） / 12
计算步骤详解
数据采集与整理
首先需要明确统计口径,即“离职员工”的定义（是否包括实习生、劳务派遣人员等）、“员工人数”的统计时点（通常为月末最后一天）以及数据来源（如人力资源信息系统、考勤系统、离职审批记录等），确保数据准确、完整是计算的基础，例如需排除因数据录入错误导致的重复离职或遗漏离职情况。
确定统计周期
根据企业需求选择滚动周期,除常见的滚动12个月外，还可选择滚动6个月、滚动3个月（适用于短期项目制团队）或滚动24个月（适用于长期趋势分析），以滚动12个月为例，假设当前统计时点为2023年12月，则统计周期为2022年1月1日至2023年12月31日。
计算累计离职人数
汇总统计周期内各月的离职员工人数,某企业在2022年1月至2023年12月期间，各月离职人数分别为：10人、8人、12人、15人、11人、9人、13人、7人、14人、10人、16人、12人，则累计离职人数为10+8+12+15+11+9+13+7+14+10+16+12=137人。
计算平均员工人数
获取统计周期内各月月末的员工人数,计算算术平均值，假设该企业2022年1月至2023年12月各月月末人数如下表所示：
| 月份 | 2022年1月 | 2022年2月 | 2022年3月 | 2022年4月 | 2022年5月 | 2022年6月 | 2022年7月 | 2022年8月 | 2022年9月 | 2022年10月 | 2022年11月 | 2022年12月 | 2023年1月 | 2023年2月 | 2023年3月 | 2023年4月 | 2023年5月 | 2023年6月 | 2023年7月 | 2023年8月 | 2023年9月 | 2023年10月 | 2023年11月 | 2023年12月 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 月末人数（人） | 500 | 495 | 502 | 510 | 508 | 515 | 520 | 518 | 525 | 530 | 528 | 535 | 540 | 538 | 545 | 550 | 552 | 558 | 560 | 565 | 570 | 575 | 580 |
注：滚动12个月统计需2022年1月-2023年12月共24个月数据，但平均人数仅取最近12个月（2023年1月-2023年12月）的月末人数，即540+538+545+550+552+558+560+565+570+575+580+580=6673人，平均员工人数=6673/12≈556.08人。
代入公式计算结果
将累计离职人数（137人）和平均员工人数（556.08人）代入公式：
滚动12个月离职率 = （137 / 556.08）× 100% ≈ 24.64%
注意事项与优化方向
- 统计口径一致性：确保不同时期的离职率计算采用相同的离职定义和员工统计范围，避免因口径变化导致数据失真，若某月将实习生纳入员工总数统计，后续月份也需保持一致。
- 区分离职类型：总离职率无法反映离职质量，建议拆分为主动离职率、被动离职率等，例如主动离职率更能体现企业对人才的吸引力，计算公式可调整为“主动离职人数 / 平均员工人数×100%”。
- 结合行业与企业规模：不同行业（如互联网行业离职率普遍高于制造业）、不同规模企业的正常离职率区间存在差异，需结合外部基准数据对比分析，而非单纯看数值高低。
- 动态监控与趋势分析：滚动离职率需连续计算多个周期（如每月更新），观察其变化趋势，若离职率持续上升，需结合员工满意度、薪酬竞争力、职业发展通道等因素进一步分析原因。
- 数据颗粒度细化：对于大型企业，可按部门、层级、岗位序列等维度分层计算滚动离职率，定位具体流失环节（如某技术团队离职率过高），针对性改进管理措施。
相关问答FAQs
Q1：滚动离职率与单月离职率的主要区别是什么？如何选择使用？
A1：单月离职率仅反映某一月的离职情况，易受季节性因素（如年末离职潮）、短期事件（如项目结束）影响，波动较大且代表性不足；滚动离职率则通过多期数据平滑短期波动，能更稳定地反映长期趋势，适合评估企业整体人力资源稳定性、分析年度人才流动规律及考核长期管理效果，若需快速响应短期问题（如某月离职激增原因排查），可结合单月离职率；若需制定年度人力资源规划或评估政策调整效果，则应优先使用滚动离职率。
Q2：计算滚动离职率时，新入职员工是否会影响结果？如何处理更合理？
A2：新入职员工会影响“平均员工人数”的分母，但不会直接影响“累计离职人数”的分子（因其尚未离职），若企业短期内大规模招聘，导致平均员工人数激增，可能稀释离职率，掩盖实际流失风险，此时可采取两种优化方式：一是计算“滚动12个月净离职率”（=累计离职人数-累计入职人数）/平均员工人数×100%，反映员工数量的实际变化；二是按“司龄”分层计算（如入职1年内员工离职率、1-3年员工离职率），避免新员工占比过高对整体数据的干扰，更精准定位不同阶段员工的流失问题。
