ข้ามไปยังเนื้อหาหลัก

Courses

HR Analytics: Predicting Employee Churn in R

ระดับกลางระดับทักษะ

อัปเดตแล้ว 08/2567

Predict employee turnover and design retention strategies.

เริ่มเรียนหลักสูตรฟรี

RMachine Learning

4 ชม.

14 videos

50 Exercises

4,000 เอ็กซ์พี

4,838

คำแถลงแสดงความสำเร็จ

สร้างบัญชีฟรีของคุณ

หรือ

เมื่อดำเนินการต่อ คุณยอมรับข้อกำหนดการใช้งานของเรา นโยบายความเป็นส่วนตัวของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บไว้ในสหรัฐอเมริกา

เป็นที่ชื่นชอบของผู้เรียนในบริษัทหลายพันแห่ง

Training a Team?

Try for Business

คำอธิบายรายวิชา

Organizational growth largely depends on staff retention. Losing employees frequently impacts the morale of the organization and hiring new employees is more expensive than retaining existing ones. Good news is that organizations can increase employee retention using data-driven intervention strategies. This course focuses on data acquisition from multiple HR sources, exploring and deriving new features, building and validating a logistic regression model, and finally, show how to calculate ROI for a potential retention strategy.

ข้อกำหนดเบื้องต้น

HR Analytics: Exploring Employee Data in R

1

Introduction

This chapter begins with a general introduction to employee churn/turnover and reasons for turnover as shared by employees. You will learn how to calculate turnover rate and explore turnover rate across different dimensions. You will also identify talent segments for your analysis and bring together relevant data from multiple HR data sources to derive more useful insights.

What is turnover?

50 เอ็กซ์พี

Objectives of employee turnover prediction

50 เอ็กซ์พี

Importing headcount and turnover data

100 เอ็กซ์พี

Exploring the data

50 เอ็กซ์พี

What proportion of employees have left?

100 เอ็กซ์พี

Which levels have high turnover rate?

100 เอ็กซ์พี

Is turnover rate different across locations?

100 เอ็กซ์พี

HR data architecture

50 เอ็กซ์พี

Filtering the dataset

100 เอ็กซ์พี

Combining HR datasets (I)

100 เอ็กซ์พี

Combining HR datasets (II)

100 เอ็กซ์พี

Master data overview

100 เอ็กซ์พี

เริ่มบท

2

Feature Engineering

In this chapter, you will create new variables from existing data to explain employee turnover. You will analyze compensation data and create compa-ratio to measure pay equity of all employees. To identify the most important variables influencing turnover, you will use the concept of Information Value (IV).

Feature engineering

50 เอ็กซ์พี

Derive age difference

100 เอ็กซ์พี

Derive job hop index

100 เอ็กซ์พี

Derive employee tenure

100 เอ็กซ์พี

Compensation

50 เอ็กซ์พี

Exploring compensation

100 เอ็กซ์พี

50 เอ็กซ์พี

Deriving Compa-ratio

100 เอ็กซ์พี

Deriving Compa-level

100 เอ็กซ์พี

Information value

50 เอ็กซ์พี

Calculating Information Value

100 เอ็กซ์พี

Which variables are important?

50 เอ็กซ์พี

เริ่มบท

3

Predicting Turnover

In this chapter, you will build a logistic regression model to predict turnover by taking into account multicollinearity among variables.

Data splitting

50 เอ็กซ์พี

Split the data

100 เอ็กซ์พี

Corroborate the splits

100 เอ็กซ์พี

Introduction to logistic regression

50 เอ็กซ์พี

Build your first logistic regression model

100 เอ็กซ์พี

Build a multiple logistic regression model

100 เอ็กซ์พี

Interpreting significance levels

50 เอ็กซ์พี

Multicollinearity

50 เอ็กซ์พี

Detecting multicollinearity

100 เอ็กซ์พี

Dealing with multicollinearity

100 เอ็กซ์พี

Building your final model

50 เอ็กซ์พี

Building final logistic regression model

100 เอ็กซ์พี

Understanding the model predictions

100 เอ็กซ์พี

Interpret the results

50 เอ็กซ์พี

เริ่มบท

4

Model Validation, HR Interventions, and ROI

In this chapter, you will calculate the accuracy of your model and categorize employees into specific risk buckets. You will then formulate an intervention strategy and calculate the ROI for this strategy.

Validating logistic regression results

50 เอ็กซ์พี

Create a confusion matrix

100 เอ็กซ์พี

Accuracy of your model

100 เอ็กซ์พี

Designing retention strategy

50 เอ็กซ์พี

Calculate turnover risk probability

100 เอ็กซ์พี

Creating turnover risk buckets

100 เอ็กซ์พี

What would you do?

50 เอ็กซ์พี

Return on investment

50 เอ็กซ์พี

Create salary hike range

100 เอ็กซ์พี

Calculate turnover rate across salary hike range

100 เอ็กซ์พี

Calculate ROI

100 เอ็กซ์พี

50 เอ็กซ์พี

เริ่มบท

HR Analytics: Predicting Employee Churn in R

หลักสูตรเสร็จสมบูรณ์

ได้รับใบรับรองความสำเร็จ

เพิ่มข้อมูลรับรองนี้ลงในโปรไฟล์ LinkedIn, ประวัติย่อ หรือเรซูเม่ของคุณ
แชร์ลงในโซเชียลมีเดียและในรายงานประเมินผลการปฏิบัติงานของคุณลงทะเบียนเลย

เข้าร่วมกับ... 19 ล้านผู้เรียน และเริ่ม HR Analytics: Predicting Employee Churn in R วันนี้เลย!

สร้างบัญชีฟรีของคุณ

หรือ

เมื่อดำเนินการต่อ คุณยอมรับข้อกำหนดการใช้งานของเรา นโยบายความเป็นส่วนตัวของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บไว้ในสหรัฐอเมริกา

พัฒนาทักษะด้านข้อมูลของคุณด้วย DataCamp for Mobile

พัฒนาทักษะได้ทุกที่ทุกเวลาด้วยคอร์สเรียนบนมือถือและแบบฝึกหัดเขียนโค้ดประจำวัน 5 นาทีของเรา