Weiter zum Inhalt

Kurs

HR Analytics: Mitarbeiterfluktuation in R vorhersagen

MittelSchwierigkeitsgrad

Aktualisiert 08/2024

Die Fluktuation der Mitarbeiter vorhersagen und Strategien entwickeln, um Leute zu halten.

Kurs kostenlos starten

RMachine Learning

4 Std.

14 Videos

50 Übungen

4,000 XP

4,855

Leistungsnachweis

Beliebt bei Lernenden in Tausenden Unternehmen

Ein Team schulen?

Für Unternehmen ausprobieren

Kursbeschreibung

Das Wachstum einer Organisation hängt maßgeblich von der Mitarbeiterbindung ab. Häufige Abgänge wirken sich negativ auf die Moral aus, und neue Mitarbeitende einzustellen ist teurer, als bestehende zu halten. Die gute Nachricht: Mit datengetriebenen Interventionsstrategien können Unternehmen die Bindung erhöhen. In diesem Kurs geht es um die Datenerhebung aus mehreren HR-Quellen, das Explorieren und Ableiten neuer Features, das Erstellen und Validieren eines Logit-Modells (logistische Regression) und schließlich darum, wie sich der ROI für eine mögliche Bindungsstrategie berechnen lässt.

Voraussetzungen

HR Analytics: Exploring Employee Data in R

1

Einführung

Dieses Kapitel startet mit einer allgemeinen Einführung in Mitarbeiterfluktuation (Churn/Turnover) und Gründe für Kündigungen aus Sicht der Mitarbeitenden. Du lernst, die Fluktuationsrate zu berechnen und sie entlang verschiedener Dimensionen zu untersuchen. Außerdem identifizierst du Talente-Segmente für deine Analyse und führst relevante Daten aus mehreren HR-Datenquellen zusammen, um nützlichere Erkenntnisse zu gewinnen.

Was ist Fluktuation?

Ziele der Vorhersage von Mitarbeiterfluktuation

Headcount- und Fluktuationsdaten importieren

Daten erkunden

Welcher Anteil der Mitarbeitenden hat das Unternehmen verlassen?

Welche Ebenen haben eine hohe Fluktuationsrate?

Unterscheidet sich die Fluktuationsrate je nach Standort?

HR-Datenarchitektur

Den Datensatz filtern

HR-Datensätze kombinieren (I)

HR-Datensätze kombinieren (II)

Übersicht über die Stammdaten

Kapitel starten

2

Feature Engineering

In diesem Kapitel erstellst du neue Variablen aus vorhandenen Daten, um Mitarbeiterfluktuation zu erklären. Du analysierst Vergütungsdaten und berechnest den Compa-Ratio, um die Lohngerechtigkeit aller Mitarbeitenden zu messen. Um die wichtigsten Variablen zu identifizieren, die die Fluktuation beeinflussen, nutzt du das Konzept des Information Value (IV).

Feature Engineering

Altersunterschied ableiten

Job-Hop-Index ableiten

Betriebszugehörigkeit ableiten

Vergütung untersuchen

Lohngefälle

Compa-Ratio ableiten

Compa-Level ableiten

Informationswert

Information Value berechnen

Welche Variablen sind wichtig?

Kapitel starten

3

Fluktuation vorhersagen

In diesem Kapitel erstellst du ein Logit-Modell (logistische Regression), um Fluktuation vorherzusagen, und berücksichtigst dabei Multikollinearität zwischen Variablen.

Datenaufteilung

Teile die Daten auf

Überprüfe die Aufteilung

Einführung in die logistische Regression

Erstelle dein erstes logistisches Regressionsmodell

Erstelle ein multiples logistisches Regressionsmodell

Signifikanzniveaus interpretieren

Multikollinearität

Multikollinearität erkennen

Umgang mit Multikollinearität

Dein finales Modell erstellen

Finales logistisches Regressionsmodell erstellen

Modellvorhersagen verstehen

Ergebnisse interpretieren

Kapitel starten

4

Modellvalidierung, HR-Interventionen und ROI

In diesem Kapitel berechnest du die Genauigkeit deines Modells und teilst Mitarbeitende in spezifische Risikokategorien ein. Anschließend entwickelst du eine Interventionsstrategie und berechnest den ROI für diese Strategie.

Validierung der Ergebnisse der logistischen Regression

Erstelle eine Confusion Matrix

Genauigkeit deines Modells

Entwicklung einer Retentionsstrategie

Wahrscheinlichkeit für Fluktuationsrisiko berechnen

Risikobuckets für Fluktuation erstellen

Was würdest du tun?

Return on Investment

Gehaltserhöhungsbereich erstellen

Fluktuationsrate über Gehaltserhöhungsbereiche berechnen

ROI berechnen

Zusammenfassung

Kapitel starten

HR Analytics: Mitarbeiterfluktuation in R vorhersagen

Kurs
abgeschlossen

Leistungsnachweis verdienen

Füge diesen Fähigkeitsnachweis zu deinem LinkedIn-Profil, Anschreiben oder Lebenslauf hinzu
Teile es auf Social Media und in deiner LeistungsbeurteilungJetzt anmelden

Schließe dich 19 Millionen Lernenden an und starte HR Analytics: Mitarbeiterfluktuation in R vorhersagen heute!

DataCamp gibt es auch für Mobilgeräte

Mit unseren Kursen für Mobilgeräte und täglichen Programmier-Challenges erweiterst du deine Datenkompetenz von unterwegs.