Compromisul în reesantionare

O mare companie tech dorește să prevadă fluctuația angajaților pentru a îmbunătăți retenția. Însă doar 12% dintre angajați au plecat, astfel că modelul este antrenat mai ales pe cazuri de tip „rămâne" (88%), ceea ce face dificilă detectarea celor cu risc de plecare.

Pentru a corecta acest dezechilibru, analiștii HR folosesc reesantionarea sintetică pentru a crea mai multe cazuri de tip „plecare" și a echilibra datele.

O cerință esențială: modelul trebuie să evite clasificarea greșită a angajaților loiali drept „cu risc ridicat de plecare", pentru a preveni eforturile inutile de retenție.

Modelul este evaluat folosind:

• Acuratețea pe antrenament: predicții corecte pe datele de antrenament.
• Acuratețea pe test: predicții corecte pe date noi.
• Precizia: câți dintre angajații prezisi ca plecând au plecat efectiv.

Metrică	Modelul A (fără reesantionare)	Modelul B (cu reesantionare)
Acuratețea pe antrenament	85%	95%
Acuratețea pe test	82%	85%
Precizia	80%	68%