王志宁

(新疆财经大学统计与数据科学学院,新疆乌鲁木齐 830001)

0 引言

当今就业环境、人力资源管理策略在科学技术发展的影响下呈现出新特点:一方面,重要人才成为影响企业核心竞争力、质量效益的关键;另一方面,员工离职的影响也在加剧,关键性人才的主动离职会对公司的运营造成损失,也增加了重新招聘及新员工培训的成本。而随着数据挖掘技术的发展,人力资源策略数据化的价值不断放大。基于员工情况、薪资等各项指标数据建立机器学习算法模型,预测员工的离职倾向逐渐成为人力资源管理的新方向[1]。员工离职预测能协助管理者提前介入员工的离职意向,调整管理策略,为保留人才赢得时机,也扩大为员工留任提供解决方案的空间。

员工离职是人力资源领域的核心问题,有不少学者针对员工离职问题进行研究[2-4]。而人力资源管理策略数据化的不断发展,针对员工离职问题的预测研究也颇受关注[5],刘婷婷运用C4.5决策树算法选取IBM分析平台样例数据,建模预测员工是否离职[6]。张紫君基于GBDT算法研究员工离职的预测问题,并根据特征重要性总结员工离职的影响因素[7]。李强等人结合Adaboost和Random Forest算法构建员工离职预测模型,取得了高于单一算法模型的预测准确性[8]。

为进一步提高离职预测模型的性能及可解释性。本文基于数据科学竞赛平台Kaggle中的员工分析数据集,运用XGBoost算法构建员工离职预测模型,与机器学习主流算法进行相应模型评价指标的实验对比,验证XGBoost模型的效果,并结合SHAP方法提升预测模型的可解释性,分析员工离职决策的成因。……