Ανάλυση απώλειας και απόδοσης εργαζομένων : μια προσέγγιση με γνώμονα τα δεδομένα για τη διαχείριση ανθρώπινου δυναμικού

Abstract

Η παρούσα διπλωματική εργασία με ονομασία «Analyzing Employee Attrition and Performance: A Data- Driven Approach for HR Management», μελετά το φαινόμενο των αιτιών παραίτησης εργαζομένων από τις εταιρείες τους, εστιάζοντας σε πρόσφατες παγκόσμιες τάσεις που επικρατούν, όπως η Μεγάλη Παραίτηση (The Great Resignation) και το εργασιακό burnout που ωθεί τους εργαζομένους να αποχωρούν από τις θέσεις τους. Η ανάλυση επικεντρώνεται στη χρήση μοντέλων μηχανικής μάθησης (machine learning models)—συγκεκριμένα, Random Forest, Logistic Regression, SVM και XGBoost—για την πρόβλεψη της παραίτησης εργαζομένων. Η διαδικασία ξεκινά με την Εξερευνητική Ανάλυση Δεδομένων (Exploratory Data Analysis - EDA) για την κατανόηση βασικών δεδομένων των εργαζομενων, όπως η ικανοποίηση από την εργασία, τα συνολικά χρόνια εργασίας και η ισορροπία μεταξύ επαγγελματικής και προσωπικής ζωής, εφαρμόζοντας στα δεδομένα αυτά προεπεξεργασία και οπτικοποίηση. Διάφορα μοντέλα εκπαιδεύονται πάνω στα συγκεκριμένα δεδομένα και συγκρίνονται με παραμέτρους απόδοσης όπως είναι οι τιμές accuracy, precision, recall, and F1-score. Το μοντέλο με την καλύτερη απόδοση χρησιμοποιείται στη συνέχεια σε μια εφαρμογή πρόβλεψης, όπου οι ομάδες Ανθρωπίνου Δυναμικού μπορούν να εισάγουν δεδομένα εργαζομένων και να προβλέπουν αν κάποιος εργαζόμενος είναι πιθανό να αποχωρήσει από την εταιρεία. Αυτό το εργαλείο πρόβλεψης αποτελεί πρακτική λύση για τη βελτίωση στρατηγικών διατήρησης εργαζομένων μέσω προληπτικών ενεργειών.