Исследование текучести персонала

1. Определить различия между метриками уволившихся и оставшихся сотрудников
2. Выявить топ-метрики лояльности и вовлеченности, влияющие на текучесть
3. Выделить подразделения с высоким риском текучести на основании модели
4. Разработать план действий на основании точных прогнозов

1. Обезличенные данные опроса лояльности и вовлеченности сотрудников из платформы Happy Job.
2. Данные заказчика по уволившимся сотрудникам (заполняются по шаблону, желательно с указанием причин увольнения)

Регрессионный анализ — статистический метод (точнее, метод математической статистики), который помогает выяснить, действительно ли одна переменная зависит от другой или их связь случайна, при помощи машинного обучения и анализа корреляции нескольких переменных одновременно.

Проще говоря, это способ найти формулу, которая связывает одну метрику с другими. Только регрессионный анализ позволяет строить численные прогнозы прироста одной метрики на основании прироста другой.

1. Строим модель, которая точнее всего может объяснить полученные данные. Процент точности, как правило, до 80 — это высокий процент, который позволяет делать максимально релевантные прогнозы.
2. С помощью регрессии оцениваем, как различные метрики вовлеченности и лояльности сотрудников связаны с текучестью.
3. Выявляем подразделения с высоким риском текучести
4. Подготавливаем план действий по снижению текучести