Στατιστικά μοντέλα πρόβλεψης στη διαχείριση ανθρώπινου δυναμικού
Statistical predictive models in human resources management
Προβολή/ Άνοιγμα
Λέξεις κλειδιά
HR ; HRM ; Διαχείριση ανθρώπινου δυναμικού ; Λογιστική παλινδρόμηση ; Logistic regression ; SVM ; Decision tree ; Random forest ; Στατιστικά μοντέλα πρόβλεψηςΠερίληψη
Η διαχείριση του ανθρώπινου δυναμικού είναι κρίσιμη για την επιτυχία και την ανταγωνιστικότητα των εταιρειών. Μια από τις βασικότερες προκλήσεις στη διαχείριση ανθρώπινου δυναμικού είναι η διατήρηση και η ανάπτυξη των εργαζομένων του κάθε οργανισμού. Στις μέρες μας, έχει παρατηρηθεί το φαινόμενο της συχνής αλλαγής εργασίας. Εργαζόμενοι όλων των ηλικιών, δεν φοβούνται να δοκιμάσουν να εργαστούν σε νέες εταιρείες, με απώτερο σκοπό καλύτερες απολαβές και καλύτερες συνθήκες εργασίας. Αυτό το φαινόμενο, έχει πολλές επιπτώσεις στις εταιρείες. Για να μπορέσει ένα τμήμα ανθρώπινου δυναμικού να ανταπεξέλθει στο παραπάνω φαινόμενο, χρειάζεται εργαλεία. Εργαλεία που βασίζονται σε δεδομένα και μπορούν να βοηθήσουν στην κατανόηση των λόγων που οδηγούν τους εργαζόμενους σε αποχώρηση ώστε να ληφθούν μέτρα για την πρόληψή τους. Στην παρούσα διπλωματική εργασία, μέσω του διαθέσιμου συνόλου δεδομένων, το οποίο περιλαμβάνει προσωπικές και επαγγελματικές πληροφορίες για κάθε εργαζόμενο και χρησιμοποιώντας λογιστική παλινδρόμηση και αλγορίθμους μηχανικής μάθησης, θα προσπαθήσουμε να προβλέψουμε την αποχώρηση ή την παραμονή του εργαζόμενου στην εταιρεία. Επίσης, δίνεται το θεωρητικό υπόβαθρο αυτών των μεθόδων, γραφήματα και γραφικές παραστάσεις των μεταβλητών καθώς και τα περιγραφικά μέτρα. Τέλος, γίνεται σύγκριση των αποτελεσμάτων των μοντέλων με χρήση κατάλληλων μετρικών για την αξιολόγηση της απόδοσής τους ώστε να καταλήξουμε στο καταλληλότερο και αποδοτικότερο μοντέλο για την πρόβλεψη μας.