Прогнозирование срока работы сотрудников
Анализ факторов, влияющих на продолжительность работы сотрудников до увольнения, и построение прогнозной модели на основе ответов соискателей при собеседовании.
Обзор набора данных
Источники данных
- Verifix.csv — 1,797 записей с полностью заполненными данными об увольнении
- Total_table.csv — 8,828 записей, включая текущих сотрудников
- Columns_detales.csv — описание 30 полей данных
Объем выборки
- Общее количество записей:10,625
- Записи с информацией об увольнении:5,873
- Текущие сотрудники (цензурированные данные):4,752
- Валидные записи для моделирования:5,849
Пропущенные значения
Распределение целевой переменной
Время работы до увольнения
Ключевые статистики
Статистика по продолжительности работы:
- Средняя продолжительность:8 месяцев (233 дня)
- Медианная продолжительность:4 месяца (136 дней)
- Минимальная продолжительность:0 дней
- Максимальная продолжительность:499 месяцев (15179 дней)
Ключевые интервалы:
Причины увольнения
Распределение причин увольнения
Средняя продолжительность работы по причинам увольнения
Несоответствие утраты доверия имеет самый длительный средний срок работы — 13 месяцев
Влияние возраста и пола
Влияние возраста при найме на продолжительность работы
Влияние пола на продолжительность работы
Влияние должности и отдела
Продолжительность работы по должностям
Продолжительность работы по отделам
Сезонность и тренды
Влияние месяца найма (сезонность)
Тренд по годам найма
Корреляционный анализ
Корреляция факторов с продолжительностью работы
| Фактор | Коэффициент корреляции | Интерпретация | Сила влияния |
|---|---|---|---|
| Семейное положение | 0.052 | очень слабая связь | |
| Месяц найма | -0.05 | очень слабая связь | |
| Пол | -0.047 | очень слабая связь | |
| Наличие детей | -0.024 | очень слабая связь | |
| Возраст | 0.008 | очень слабая связь | |
| Образование | -0.003 | очень слабая связь |
Все исследуемые факторы показывают очень слабую корреляцию с продолжительностью работы сотрудников. Это указывает на то, что необходим комплексный подход к прогнозированию с использованием нелинейных моделей.
Выбор модели прогнозирования
Модели анализа выживаемости
Специализированные методы для работы с цензурированными данными и прогнозирования времени до наступления события.
- Cox Proportional Hazards
- Random Survival Forest
- DeepSurv (нейронная сеть)
Регрессионные модели
Прогнозирование точного времени работы как непрерывной числовой переменной.
- Градиентный бустинг (XGBoost, CatBoost)
- Случайный лес
- Эластичная сеть
Классификационные модели
Прогнозирование вероятности увольнения в определенные временные интервалы.
- Градиентный бустинг
- Логистическая регрессия
- Случайный лес
Оценка качества модели
Метрики оценки качества моделей
Для моделей анализа выживаемости
- C-index (индекс конкордации)
Мера способности модели ранжировать сотрудников по времени увольнения. Значения: 0.5 (случайное) - 1.0 (идеальное)
- Integrated Brier Score (IBS)
Мера точности вероятностных прогнозов модели. Меньшие значения лучше
Для регрессионных моделей
- RMSE (Root Mean Squared Error)
Среднеквадратичная ошибка прогноза. Меньшие значения лучше
- MAE (Mean Absolute Error)
Средняя абсолютная ошибка. Меньшие значения лучше
- R² (коэффициент детерминации)
Доля объясненной дисперсии. Значения ближе к 1 лучше
Для классификационных моделей
- AUC-ROC
Площадь под кривой ROC. Значения ближе к 1 лучше
- Precision, Recall, F1-score
Точность, полнота и их гармоническое среднее. Значения ближе к 1 лучше
- Log Loss
Логарифмическая функция потерь. Меньшие значения лучше
Рекомендуется использовать комбинацию метрик для комплексной оценки качества моделей, при этом уделяя особое внимание бизнес-показателям, таким как снижение затрат на найм за счет сокращения количества "короткоживущих" сотрудников.
Стратегия оптимизации модели
Работа с пропущенными данными
Числовые признаки
- Заполнение медианой для признаков с асимметричным распределением (возраст)
- Использование алгоритма MICE (Multiple Imputation by Chained Equations) для множественного заполнения
- Создание бинарного флага "значение пропущено" для информативных пропусков
Категориальные признаки
- Заполнение модой (наиболее частым значением)
- Введение отдельной категории "Unknown" для признаков с высокой степенью пропусков
- Предсказание пропущенных значений на основе других признаков (для сильно информативных признаков)
Подход к валидации и настройке
Кросс-валидация
- Стратифицированная k-fold кросс-валидация с учетом дисбаланса
- Time-based кросс-валидация для учета временной структуры данных
- Оценка на разных временных горизонтах (3, 6, 12 месяцев)
Настройка гиперпараметров
- Байесовская оптимизация для эффективного поиска
- Настройка с учетом разных метрик и бизнес-приоритетов
- Регуляризация для предотвращения переобучения
Итеративное улучшение
- Анализ ошибок модели на различных сегментах
- Feature engineering на основе выявленных паттернов
- Ансамблирование моделей для повышения точности
План создания модели прогнозирования
Предобработка данных
- Обработка пропущенных значений:
Заполнение медианами для числовых признаков, наиболее частыми значениями для категориальных, создание флагов пропусков для признаков с MNAR
- Обработка выбросов:
Выявление и устранение аномальных значений, например, отрицательного стажа работы или нереалистично длительных периодов работы
- Преобразование категориальных признаков:
One-Hot Encoding для категорий с малым числом значений, Target Encoding для категорий с большим числом значений
- Нормализация числовых признаков:
Стандартизация (z-score) или Min-Max нормализация в зависимости от распределения, логарифмическая трансформация для признаков с правосторонней асимметрией
Инжиниринг признаков
- Временные признаки:
Извлечение месяца/сезона найма, дня недели, возраста на момент найма, создание признаков на основе дат (стаж на предыдущем месте работы)
- Взаимодействия признаков:
Создание взаимодействий между важными признаками (возраст × наличие детей, пол × семейное положение и т.д.)
- Агрегированные признаки:
Создание признаков на основе статистик по группам (средний срок работы для отдела, должности)
- Бинаризация целевой переменной:
Создание нескольких целевых переменных для различных временных горизонтов (работа < 3 мес, < 6 мес, < 12 мес)
Построение и оценка моделей
- Модели анализа выживаемости:
Реализация Cox Proportional Hazards и Random Survival Forest для работы с цензурированными данными
- Регрессионные модели:
Градиентный бустинг (XGBoost, CatBoost) для прогнозирования длительности работы на разных подвыборках (должности, отделы)
- Классификационные модели:
Прогнозирование вероятности увольнения в критические периоды (3, 6, 12 месяцев)
- Валидация моделей:
Временная кросс-валидация с учетом смещения данных, оценка на различных метриках (C-index, RMSE, AUC-ROC)
Ансамблирование и интерпретация
- Ансамблирование моделей:
Взвешенное усреднение предсказаний моделей выживаемости и регрессии для повышения точности
- Анализ важности признаков:
Применение SHAP Values для интерпретации влияния каждого фактора на прогноз
- Бизнес-интерпретация:
Преобразование результатов модели в понятные бизнес-метрики (ожидаемое время работы, ROI на найм)
- Создание профилей риска:
Выделение паттернов высокого риска раннего увольнения для HR-отдела
Внедрение и мониторинг
- Разработка интерфейса:
Создание простого интерфейса для HR-менеджеров для ввода данных соискателей и получения прогнозов
- Интеграция с HR-системами:
Связь с существующими системами управления персоналом для автоматического получения данных
- Мониторинг производительности:
Отслеживание точности прогнозов с течением времени и выявление дрейфа данных
- Регулярное переобучение:
Обновление моделей на новых данных каждые 3-6 месяцев для поддержания актуальности
Ожидаемый результат: сокращение затрат на найм до 35% за счет более точного прогнозирования долгосрочности работы сотрудников и снижения текучести кадров.
Интеграция в процесс найма
Ключевые вопросы для собеседования
Демографические данные
- Возраст (влияет на стабильность)
- Семейное положение
- Наличие и возраст детей
- Район проживания и удаленность от работы
Опыт и квалификация
- Уровень образования
- Общий стаж работы
- Количество предыдущих мест работы
- Средний срок на предыдущих местах работы
Финансовые аспекты
- Зарплата на предыдущем месте работы
- Наличие кредитных обязательств
Личные обстоятельства
- Значимые жизненные события (переезд, развод и др.)
- Планы на ближайшее будущее (образование, семья)
Процесс внедрения
Разработка интерфейса
Создание удобного интерфейса для рекрутеров, куда они могут вносить ответы кандидатов
- Интеграция с ATS (системой управления кандидатами)
- Мобильная версия для использования во время интервью
Формирование отчета
Генерация прогноза продолжительности работы и рекомендаций
- Прогноз вероятности ухода в разные временные периоды
- Объяснение факторов, влияющих на прогноз
Мониторинг и улучшение
Постоянное отслеживание качества прогнозов
- Сравнение прогнозов с фактическими результатами
- Регулярное переобучение модели на новых данных
- Добавление новых факторов для повышения точности
Бизнес-эффект
Снижение затрат на найм
Сокращение расходов на подбор, адаптацию и обучение сотрудников, которые с высокой вероятностью уволятся в первые месяцы
Повышение эффективности
Улучшение производительности команд за счет снижения текучести и более стабильного состава сотрудников
Улучшение климата
Формирование более стабильной корпоративной культуры и повышение уровня вовлеченности персонала
Дальнейшие улучшения
Интеграция дополнительных данных
- Данные об обучении и развитии
- Результаты оценки эффективности
- Данные о вовлеченности и удовлетворенности
Улучшение моделей
- Применение глубокого обучения для выявления скрытых паттернов
- Разработка специализированных моделей для разных должностей
- Учет сезонности и экономических факторов
Расширение аналитики
- Прогнозирование потенциальных лидеров
- Анализ причин увольнений с рекомендациями по улучшению
- Оптимизация планирования персонала
Готовы улучшить процесс найма?
Наши специалисты помогут вам внедрить предиктивную модель удержания сотрудников, которая сократит затраты на найм и повысит стабильность персонала.
Прогнозная аналитика
Выявление потенциальных "короткоживущих" сотрудников еще на этапе собеседования
Оптимизация найма
Сокращение затрат на подбор и адаптацию персонала до 35%