Hoppa till huvudinnehållet

Kurs

HR-analys: Förutsäga personalomsättning i R

MedelnivåKunskapsnivå

Uppdaterad 2024-08

Förutsäg personalomsättning och utforma strategier för att behålla personal.

Starta kursen gratis

RMachine Learning

4 tim

14 videor

50 Övningar

4,000 XP

4,867

Intyg om genomförande

Omtyckt av lärande på tusentals företag

Utbildar du ett team?

Prova för företag

Kursbeskrivning

En organisations tillväxt beror i hög grad på att personalen stannar kvar. När medarbetare lämnar påverkar det arbetsplatsens stämning, och att rekrytera nya medarbetare är dyrare än att behålla befintliga. Den goda nyheten är att organisationer kan öka sin personalbehållning med hjälp av datadrivna åtgärder. Den här kursen fokuserar på datainsamling från flera HR-källor, utforskning och skapande av nya särdrag, uppbyggnad och validering av en logistisk regressionsmodell – och visar slutligen hur du beräknar ROI för en potentiell behållningsstrategi.

Förkunskapskrav

HR Analytics: Exploring Employee Data in R

1

Introduktion

Det här kapitlet inleds med en allmän introduktion till personalomsättning och de skäl som medarbetare anger till att de lämnar. Du lär dig beräkna omsättningsgrad och utforska den över olika dimensioner. Du identifierar också talangsegment för din analys och sammanställer relevanta data från flera HR-datakällor för att få fram mer användbara insikter.

Vad är personalomsättning?

Mål med att förutsäga personalomsättning

Importera data om personalstyrka och personalomsättning

Utforska datan

Hur stor andel av de anställda har slutat?

Vilka nivåer har hög personalomsättning?

Skiljer sig omsättningsgraden åt mellan olika platser?

HR-dataarkitektur

Filtrera datamängden

Kombinera HR-datamängder (I)

Kombinera HR-datamängder (II)

Översikt över masterdatan

2

Särdragsframställning

I det här kapitlet skapar du nya variabler från befintliga data för att förklara personalomsättning. Du analyserar lönedata och skapar en compa-ratio för att mäta lönerättvisa för samtliga medarbetare. För att identifiera de viktigaste variablerna som påverkar omsättningen använder du begreppet informationsvärde (IV).

Särdragskonstruktion

Beräkna åldersskillnad

Beräkna jobbhopparindex

Beräkna anställningstid

Kompensation

Utforska ersättning

Löneskillnad

Härled compa-ratio

Härled compa-nivå

Informationsvärde

Beräkna informationsvärde

Vilka variabler är viktiga?

3

Förutsäga personalomsättning

I det här kapitlet bygger du en logistisk regressionsmodell för att förutsäga personalomsättning, med hänsyn till multikollinearitet mellan variabler.

Dela upp data

Dela upp data

Verifiera uppdelningen

Introduktion till logistisk regression

Bygg din första logistiska regressionsmodell

Bygg en multipel logistisk regressionsmodell

Tolka signifikansnivåer

Multikollinearitet

Identifiera multikollinearitet

Hantera multikollinearitet

Bygg din slutliga modell

Bygg den slutliga logistiska regressionsmodellen

Förstå modellens förutsägelser

Tolka resultaten

4

Modellvalidering, HR-åtgärder och ROI

I det här kapitlet beräknar du noggrannheten hos din modell och kategoriserar medarbetare i specifika riskgrupper. Därefter formulerar du en åtgärdsstrategi och beräknar ROI för denna strategi.

Validera logistisk regressionsresultat

Skapa en förväxlingsmatris

Modellens noggrannhet

Utforma en retentionsstrategi

Beräkna sannolikhet för avgångsrisk

Skapa riskgrupper för personalomsättning

Vad skulle du göra?

Avkastning på investering

Skapa intervall för löneökningar

Beräkna omsättningsgraden för olika löneökningsintervall

Beräkna ROI

HR-analys: Förutsäga personalomsättning i R

Kurs
slutförd

Tjäna ett prestationsbevis

Lägg till det här beviset i din LinkedIn-profil, ditt CV eller din meritförteckning
Dela det i sociala medier och i din medarbetarutvärderingRegistrera dig nu

Gå med 19 miljoner lärande och börja HR-analys: Förutsäga personalomsättning i R idag!

Utveckla dina datakunskaper med DataCamp för mobilen

Gör framsteg när du är på språng med våra mobila kurser och dagliga 5-minuters kodningsutmaningar.