Dit hoofdstuk start met een algemene introductie van medewerkerverloop en de redenen voor vertrek zoals door medewerkers gedeeld. Je leert hoe je het verlooppercentage berekent en dit percentage bekijkt over verschillende dimensies. Je identificeert ook talentsegmenten voor je analyse en brengt relevante data uit meerdere HR-databronnen samen om tot bruikbaardere inzichten te komen.

Wat is verloop?

Doelen van het voorspellen van personeelsverloop

Headcount- en verloopgegevens importeren

De gegevens verkennen

Welk deel van de medewerkers is vertrokken?

Welke niveaus hebben een hoog verlooppercentage?

Verschilt het verlooppercentage per locatie?

HR-dataarchitectuur

De gegevensset filteren

HR-gegevenssets combineren (I)

HR-gegevenssets combineren (II)

Overzicht masterdata

Introductie

In dit hoofdstuk maak je nieuwe variabelen op basis van bestaande data om medewerkerverloop te verklaren. Je analyseert beloningsdata en maakt de compa-ratio om de beloningsgelijkheid van alle medewerkers te meten. Om de belangrijkste variabelen te identificeren die van invloed zijn op verloop, gebruik je het concept Information Value (IV).

Feature engineering

Leeftijdsverschil afleiden

Job hop-index afleiden

Bepaal de anciënniteit van medewerkers

Beloning

Vergoeding verkennen

Loonkloof

Compa-ratio afleiden

Compa-level afleiden

Information value

Information Value berekenen

Welke variabelen zijn belangrijk?

In dit hoofdstuk bouw je een logistisch regressiemodel om verloop te voorspellen, waarbij je rekening houdt met multicollineariteit tussen variabelen.

Gegevens splitsen

Splits de data

Onderbouw de splitsingen

Introductie tot logistische regressie

Bouw je eerste logistische regressiemodel

Bouw een meervoudig logistiek regressiemodel

Significantieniveaus interpreteren

Multicollineariteit

Multicollineariteit detecteren

Omgaan met multicollineariteit

Je definitieve model bouwen

Eindmodel met logistische regressie bouwen

De modelvoorspellingen begrijpen

Interpreteer de resultaten

Verloop voorspellen

In dit hoofdstuk bereken je de nauwkeurigheid van je model en deel je medewerkers in specifieke risicobuckets in. Vervolgens formuleer je een interventiestrategie en bereken je de ROI voor deze strategie.

Resultaten van logistische regressie valideren

Maak een confusion matrix

Nauwkeurigheid van je model

Een retentiestrategie ontwerpen

Bereken de kans op verlooprisico

Risicocategorieën voor verloop maken

Wat zou jij doen?

Rendement op investering

Maak salaristoename-bereiken

Bereken verlooppercentage per salarisverhogingsrange

ROI berekenen

Afronding

Modelvalidatie, HR-interventies en ROI

Employee data

De groei van een organisatie hangt voor een groot deel af van het behoud van personeel. Veelvuldig medewerkers verliezen schaadt het moreel van de organisatie en nieuw personeel aannemen is duurder dan huidige medewerkers behouden. Het goede nieuws is dat organisaties het behoud kunnen vergroten met datagedreven interventiestrategieën. In deze cursus ga je aan de slag met het verzamelen van data uit meerdere HR-bronnen, het verkennen en afleiden van nieuwe features, het bouwen en valideren van een logistisch regressiemodel en laat je tot slot zien hoe je de ROI berekent voor een mogelijke retentiestrategie.

HR Analytics: Exploring Employee Data in R

Ontdek hoe je personeelsverloop voorspelt en behoudstrategieën ontwerpt met R.

HR-analytics: verloop van medewerkers voorspellen in R

Voorspel het personeelsverloop en bedenk strategieën om mensen te behouden. 

Significantieniveaus interpreteren

HR-analytics: verloop van medewerkers voorspellen in R

Interactieve oefening met praktijkervaring