HR dataset analysis

1. <HR dataset analysis>

2. 0 . 문제의 정의(problem definition) 및 관련 hr이론
Kaggle에 있는 문제 소개 중
"Why are our best and most experienced employees leaving prematurely?"
"Have fun with this database and try to predict which valuable employees will leave next."
첫 번째, our best and most experienced employees에 대한 정의가 선제되어야 함
두 번째, predict가 핵심 키워드가 아니라 valuable employees will leave next이 핵심 키워드
predict which valuable employees will leave next에서 precidt는 hr에서 단순히 퇴직자의 예측이 아
닌, 미리 알아서 이직을 예방등과 같은 조치를 취하겠다는 의미
따라서 이직한 인원들의 특징을 파악해서 이와 현시점에서 이와 유사한 사람들을 찾는 것이 목표

3. 0 . 문제의 정의(problem definition) 및 관련 hr이론
GE-9block은 발전가능성과 결과를 사용하여
9가지 block을 구성하고 상위 10%는 핵심인재로
육성, 하위 10%는 방출하는 인력관리 방법
적정이직률은 기업이 부담해야 하는 이직비용
과 인력보유비용의 합이 최소가 되는, 즉 이직
비용이 최저가 되는 곳이 존재 함

4. 1. Data의 분포
퇴직자의 높은 비중 (23%)
승진의 적은 비중(2%)
연봉 high의 비중이 극히 일부분(8%)
월 평균 근로시간과 최신평가결과와 모양 유사
데이터는 총 14999의 행과 10개의 열을 가지고 있다.
(만족수준, 최신평가, 근로시간, 프로젝트 수, 산재여부, 퇴직여부, 승진여부, 연봉, 부서, 근속년수)
최신평가와 월 평균근로시간은 두 그룹이 나타나며,
만족도와 월 평균근로시간과 만족도와 최신평가는
세 그룹이 나타남

5. 2 . Our best and most experienced employees 정의 - GE 9 block
퇴사인원의 경우
9-block에 의하면 1,7,9의 인원들이 많이 나타남
모든 인원의(잔류인원+퇴사인원) 경우
9-block의 2,3,4,5,8,9의 인원들이 많이 나타남
our best and most experienced employees는 9번의 인원이며 이들의 퇴직을 막아야 함.
1번의 경우에는 퇴사를 하여도 오히려 조직의 입장에서는 도움이 되는 인원들이며,
7번의 경우에는 현재 조직이 처한 상황에 따라 가치가 달라질 수 인원

6. 3. Left reason(3_cluster) - PCA분석 및 graph
PCA biplot, radar chart등을 종합해보면,
cluster_1의 경우에는 업무량등이 적당한 편이어서 만족하고 있는 편, 근속년수에 따른 승진 불만
cluster_2의 경우에는 입사초기 인원으로 적은 업무를 담당, 업무에 대해 적응을 못한 인원 (조기퇴사자)
cluster_3의 경우에는 적많은 일을 담당하고 있어 과중한 업무량 퇴사한 인원
각 cluster 별 해결책이 있다고 하더라도 어떠한 인원들을 타케팅(targeting) 해야 되는지 알아보도록

7. 4. Predict which valuable employees will leave next - cosine similarity
코사인 유사도로 해준 이유는?
유사도를 구하는 방식은 유클리디안 거리, 코사인 기
반, 자카드 계수, 피어슨 상관계수 등 다양
코사인 유사도로 해준 이유는 방향성으로 유사도를
측정하기 때문
즉 프로젝트의 개수, 월 평균 근로시간, 근속년수 등
이 퇴직자와 비슷한 비율로 나타난다면 이 인원이 퇴
직할 가능성이 높다고 가정
Cluster1과 유사도가 85% 이상 인원 분포

8. 5. 결론 및 추후과제
결론
데이터를 countplot등으로 전반적인 상황을 살펴보고,
퇴사자와 잔류자를 구분하여 pairplot으로 cluster의 형태를 살핌
그룹핑 할 때는 GE-9block을 이용해서 구분해주었으며
cluster내의 특징으로 각 클러스터별 문제점을 PCA 등으로 진단 및 해결책을 제시함
퇴사인원의 예측에서는 classification의 머신러닝(딥러닝) 이론을 적용하기보다는
cosine 유사도를 적용.