이 장에서는 직원 이탈(Churn/Turnover)에 대한 전반적인 소개와 직원들이 공유한 이탈 사유부터 시작합니다. 이탈률을 계산하는 방법을 배우고, 다양한 관점에서 이탈률을 탐색해 볼 거예요. 또한 분석을 위한 핵심 인재 세그먼트를 정의하고, 여러 HR 데이터 소스의 관련 데이터를 결합해 더 유용한 인사이트를 도출합니다.

이직이란 무엇인가요?

직원 이직 예측의 목표

헤드카운트와 이직 데이터 불러오기

데이터 탐색하기

이직한 직원의 비율은 얼마인가요?

이직률이 높은 직급은 어디인가요?

지역별 이직률은 다를까요?

HR 데이터 아키텍처

데이터셋 필터링

HR 데이터셋 결합 (I)

HR 데이터셋 결합 (II)

마스터 데이터 개요

소개

이 장에서는 기존 데이터를 바탕으로 직원 이탈을 설명할 수 있는 새로운 변수를 생성합니다. 보상 데이터를 분석하고, 모든 직원의 보상 형평성을 측정하기 위해 compa-ratio를 만듭니다. 이탈에 영향을 미치는 가장 중요한 변수를 식별하기 위해 Information Value(IV) 개념을 활용합니다.

피처 엔지니어링

연령 차 파생

Job hop index 도출하기

직원 근속 기간 계산하기

보상

보상 살펴보기

임금 격차

Compa-ratio 도출하기

Compa-level 도출하기

정보 가치

Information Value 계산하기

어떤 변수가 중요한가요?

이 장에서는 변수들 간 다중공선성을 고려하여 이탈을 예측하는 로지스틱 회귀 모델을 구축합니다.

데이터 분할

데이터 분할하기

데이터 분할 검증하기

로지스틱 회귀 소개

첫 번째 로지스틱 회귀 모델 만들기

다중 로지스틱 회귀 모델 구축

유의수준 해석하기

다중공선성

다중공선성 탐지

다중공선성 다루기

최종 모델 구축하기

최종 로지스틱 회귀 모델 구축

모델 예측 이해하기

결과 해석하기

이탈 예측

이 장에서는 모델의 정확도를 계산하고 직원을 특정 위험 버킷으로 분류합니다. 그다음 개입 전략을 수립하고, 해당 전략의 ROI를 계산합니다.

로지스틱 회귀 결과 검증하기

혼동 행렬 만들기

모델의 정확도

이직 방지 전략 설계

이직 위험 확률 계산하기

이직 위험 구간 만들기

여러분이라면 어떻게 하시겠어요?

투자 수익률

급여 인상 범위 만들기

급여 인상 범위별 이직률 계산

ROI 계산하기

마무리

모델 검증, HR 개입, 그리고 ROI

Employee data

조직의 성장은 주로 직원 유지에 달려 있어요. 잦은 이탈은 조직의 사기를 떨어뜨리고, 신규 채용은 기존 직원을 유지하는 것보다 비용이 더 많이 듭니다. 다행히도, 데이터 기반의 개입 전략을 통해 직원 유지율을 높일 수 있어요. 이 강의에서는 여러 HR 소스에서 데이터를 수집하고, 탐색 및 신규 변수 파생을 수행한 뒤, 로지스틱 회귀 모델을 구축하고 검증하는 과정을 다룹니다. 마지막으로 잠재적 유지 전략의 ROI를 계산하는 방법을 보여 드립니다.

HR Analytics: Exploring Employee Data in R

R을 사용하여 이직 예측 및 유지 전략 설계 방법을 알아보세요.

HR 데이터 아키텍처

Create Your Free Account