基于特征分析的职工离职预测

（上海大学 悉尼工商学院，上海 200444）

1 引言

随着现代科技的不断发展，企业所处的环境在不断变化，企业本身也在不断变化。在现代竞争激烈的社会中，职工离职的现象越来越普遍。很多企业认为员工流失所造成的成本只包括离职成本和招聘成本，却忽视了职工离职引起的其他流动成本，比如重要客户的流失、商业机密的泄露、企业竞争力的下降等。在如此情况下，公司的人力资源部门应该如何减少职工的离职倾向，从而降低公司经营成本是极其具有现实意义的[1]。

国内外学者对于职工的离职现象开展了大量的研究工作[2-4]，主要包括三大方向，即职工离职因素研究、降低职工离职率的措施研究和职工离职的预测研究。目前与本文研究方向类似的，即关于职工离职预测的研究，主要是基于机器学习的方法，着眼于模型算法的比较和探讨，忽视了对数据处理的研究。然而，目前一些比较成熟的机器学习模型算法，都对被处理的数据集合有一定要求，比如较好的完整性、较少的冗余性等。但现实海量数据中无意义的成分居多，严重影响了模型的性能和效果。因此，本文的重难点在于如何对原始数据提取并挖掘有效特征，突出数据预处理技巧对职工离职预测模型性能的影响，以弥补现有研究中对数据处理部分的忽视。

2 数据来源

本文数据来自于IBM Watson Analytics 分析平台分享的数据，共1 470 条记录，35 个字段信息。原始数据集描述的是影响员工流失的因素，对字段信息的详细说明如表1所示。……