تحليل التنبؤات والتعلم الآلي لتقليل استقالات الموظفين

يهدف هذا المشروع إلى تحليل أسباب تسرب الموظفين من وظائفهم باستخدام تقنيات تحليل البيانات والتعلم الآلي. من خلال فهم العوامل التي تؤثر على قرار الاستقالة، تستطيع الشركات التنبؤ بالموظفين الأكثر عرضة للترك واتخاذ إجراءات استباقية لتحسين بيئة العمل وتقليل معدل الاستقالات. المشروع يتناول مجموعة متنوعة من العوامل، بما في ذلك:

العمر

الرضا الوظيفي

التوازن بين الحياة الشخصية والعمل

العلاقة مع المديرين

مدة العمل في الشركة

الأداء الوظيفي والتقييم السنوي

مراحل التنفيذ

1. جمع البيانات وتنظيفها

تم الحصول على مجموعة البيانات من أحد المصادر المتاحة (مثل Kaggle أو الشركة العميلة).

تمت معالجة البيانات وتنظيفها باستخدام Python وpandas لإزالة القيم الناقصة والأخطاء.

الرسوم البيانية الاستكشافية باستخدام Matplotlib وSeaborn ساعدت في الكشف عن الأنماط والعلاقات بين المتغيرات.

2. تحليل استكشافي للبيانات (Exploratory Data Analysis - EDA)

تحليل شامل للمتغيرات لتحديد تأثير كل عامل على تسرب الموظفين.

تم بناء جداول محورية باستخدام pandas لفهم سلوك كل مجموعة من الموظفين.

استخدام Plotly وSeaborn لإنشاء رسوم بيانية تفاعلية توضح:

العلاقة بين العمر ومعدل الاستقالة.

تأثير الرضا الوظيفي على بقاء الموظفين.

المدى الزمني بين التقييمات السنوية والاستقالة.

3. بناء نماذج التعلم الآلي

تم بناء عدة نماذج Machine Learning لتوقع الموظفين المعرضين لخطر الاستقالة:

الانحدار اللوجستي (Logistic Regression):

مفيد لفهم تأثير كل عامل على احتمالية الاستقالة.

تم ضبط النموذج باستخدام scikit-learn.

النتيجة: دقة تصل إلى 85% في التنبؤ بالموظفين المستقيلين.

نموذج الغابات العشوائية (Random Forest):

استخدم لتحديد العوامل الأكثر تأثيرًا في الاستقالة.

حقق أداء أعلى في اكتشاف الموظفين الذين قد يستقيلون قريبًا.

تحسين النموذج باستخدام GridSearchCV لاختيار أفضل المعاملات.

4. تقييم أداء النماذج وتحليل النتائج

تم تقييم أداء النماذج باستخدام مصفوفة الالتباس (Confusion Matrix) ودقة التنبؤ (Accuracy Score).

تم تحليل المتغيرات المهمة مثل "الرضا الوظيفي" و"العلاقة مع المدير" لتقديم توصيات للشركة.

مقارنة أداء الانحدار اللوجستي والغابات العشوائية لتحديد النموذج الأمثل.

5. تقديم التوصيات

بناءً على النتائج المستخلصة من النماذج، تم تقديم توصيات للإدارة لتحسين بيئة العمل، مثل:

توفير برامج لتحسين التوازن بين الحياة والعمل.

زيادة التواصل بين الموظفين والمديرين لتحسين العلاقة.

تقديم حوافز إضافية للموظفين ذوي الأداء العالي.

6. إعداد التقارير والعرض التقديمي

إعداد تقرير تفصيلي باستخدام Microsoft PowerPoint وGoogle Slides يتضمن:

شرح شامل للمشروع ومراحله.

رسوم بيانية ونتائج النماذج.

التوصيات المقترحة بناءً على التحليل.

عرض النتائج أمام أصحاب القرار من خلال عرض تقديمي تفاعلي، مع دمج الرسوم البيانية من Tableau.

الأدوات والبرامج المستخدمة

Python: لتحليل البيانات وبناء النماذج (باستخدام مكتبات pandas وscikit-learn وSeaborn).

Jupyter Notebook: لتوثيق وتحليل البيانات بشكل تفاعلي.

Tableau وPower BI: لإنشاء رسوم بيانية ولوحات معلومات تفاعلية.

Excel: لتحليل أولي للبيانات وتنسيق الجداول.

Google Slides / Microsoft PowerPoint: لإعداد التقارير والعروض التقديمية.

النتائج المتوقعة

تحسين معدل الاحتفاظ بالموظفين من خلال اتخاذ إجراءات استباقية.

تحديد العوامل الحرجة التي تؤثر على قرار الاستقالة.

توصيات مخصصة لتحسين رضا الموظفين والبيئة العملية.

لوحات معلومات تفاعلية للإدارة لتتبع الموظفين الأكثر عرضة للاستقالة.

هذا المشروع يُساعد الشركات على اتخاذ قرارات مستنيرة وتقليل معدلات الاستقالة، مما يُسهم في تحقيق استقرار أكبر للموارد البشرية وتعزيز أداء الشركة بشكل عام.