Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
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
Lernprogramm
Kursübersicht
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?50 XP
- Ziele der Vorhersage von Mitarbeiterfluktuation50 XP
- Headcount- und Fluktuationsdaten importieren100 XP
- Daten erkunden50 XP
- Welcher Anteil der Mitarbeitenden hat das Unternehmen verlassen?100 XP
- Welche Ebenen haben eine hohe Fluktuationsrate?100 XP
- Unterscheidet sich die Fluktuationsrate je nach Standort?100 XP
- HR-Datenarchitektur50 XP
- Den Datensatz filtern100 XP
- HR-Datensätze kombinieren (I)100 XP
- HR-Datensätze kombinieren (II)100 XP
- Übersicht über die Stammdaten100 XP
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).
3
Fluktuation vorhersagen
In diesem Kapitel erstellst du ein Logit-Modell (logistische Regression), um Fluktuation vorherzusagen, und berücksichtigst dabei Multikollinearität zwischen Variablen.
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.
R
HR Analytics: Mitarbeiterfluktuation in R vorhersagen
Kurs
abgeschlossen
