Кейс SimbirSoft в РБК.Компании: Как ИИ помогает предупреждать уход сотрудников
Не секрет, что на уход сотрудника из штата компании влияют различные факторы. Однако заранее предсказать риск увольнения не всегда удается. Ведь бизнесу не очевидно, какие факторы влияют на решение покинуть компанию и какие превентивные действия можно предпринять и отреагировать на опережение.
При этом поиск, привлечение, адаптация и обучение новых специалистов требует значительных ресурсов со стороны компании.
Мы поставили себе задачу выявить скрытые взаимосвязи и определить ключевые факторы, которые мотивируют сотрудников продолжать сотрудничество с компанией. Для этого провели внутреннее исследование и использовали ML-технологии для анализа и обработки накопленных данных.
Мы рассмотрели несколько подходов:
- линейную модель логистической регрессии
- нелинейные модели
- ансамблевые методы на основе деревьев решений — случайный лес (Random Forest) и градиентный бустинг (Extreme Gradient Boosting, XGBoost).
Наиболее удачным оказался XGBoost: обученная модель давала наибольшую точность прогноза при достаточной интерпретируемости результатов.
А ещё использовали такие подходы, как градиентный бустинг, предобработку данных, кросс-валидацию, интерпретацию и визуализацию результатов. Мы выявили несколько гипотез, которые доказали или опровергли в процессе исследования.
О гипотезах, процессе исследования и выводах, к которым мы пришли, читайте в статье.
