تحليل بيانات الموظفين
تفاصيل العمل
النسخة المختصرة
تحليل بيانات موظفين مكوّنة من +4900 سجل بهدف فهم الرواتب والأداء والخبرة واتجاهات التوظيف. تم تنظيف ودمج البيانات، ثم إجراء تحليل شامل كشف تأثيرات الخبرة والقسم والمنطقة على الرواتب. تم بناء نموذج Decision Tree بدقة 98.46% لتصنيف الموظفين حسب مستوى الرواتب. استُخرجت رؤى مهمة لدعم قرارات الموارد البشرية وتحسين سياسات الرواتب والتوظيف.
وصف العمل
1. نظرة عامة على المشروع
يهدف هذا المشروع إلى تحليل بيانات موظفي شركة مكوّنة من 4,902 سجل بيانات و 14 متغيرًا، تم دمجها من مصدرين مختلفين.
الهدف الرئيسي هو فهم اتجاهات الأداء والتعويضات والعلاقة بين العمر والخبرة والراتب، بالإضافة إلى تحديد رؤى تساعد الإدارة في اتخاذ قرارات استراتيجية تخص الموارد البشرية.
البيانات تحتوي على معلومات مثل:
العمر
الجنس
الراتب
القسم
الوظيفة
سنوات الخبرة
تقييم الأداء
المكافأة
تاريخ التعيين
المنطقة الجغرافية
? 2. تنظيف البيانات ومعالجتها
بعد دمج مجموعتي البيانات ظهرت عدة مشاكل:
القيم المفقودة في:
العمر
الراتب
التقييم
الخبرة
المكافأة
القسم والجنس
تم معالجتها باستخدام:
المتوسط/الوسيط للبيانات الرقمية
الوضع (Mode) أو الترميز للبيانات الفئوية
وجود سجلات مكررة
تم حذف التكرارات اعتمادًا على معرف الموظف.
تجهيز البيانات للتحليل
ترميز الأعمدة النصية باستخدام LabelEncoder
توحيد الأسماء
تنسيق التواريخ
الناتج النهائي:
4,542 سجلًا نظيفًا وجاهزًا للتحليل والنمذجة.
3. تحليل البيانات (EDA)
مقارنة الأداء والراتب حسب الجنس
لا توجد فروق كبيرة في تقييم الأداء بين الذكور والإناث.
الاختلاف في الرواتب يعتمد بدرجة أكبر على القسم و سنوات الخبرة وليس الجنس.
تحليل الرواتب
لا توجد قيم شاذة (Outliers)، مما يدل على سياسة رواتب ثابتة ومنظمة.
العلاقة بين العمر والخبرة والراتب
علاقة قوية جدًا بين الخبرة والراتب.
علاقة متوسطة بين العمر والراتب بسبب اختلاف أعمار بداية التوظيف.
الأقسام التقنية (IT – Finance) تضم كبار الموظفين وأعلى الرواتب.
الفروقات بين الأقسام
IT و Finance الأعلى من حيث الرواتب والتقييمات.
HR و Support الأقل نسبيًا.
تأثير المناطق الجغرافية
بعض المناطق تقدم رواتب ومكافآت أعلى بسبب:
تكلفة المعيشة
الطلب الوظيفي
حجم الفروع
اتجاهات التوظيف عبر الزمن
زيادة ملحوظة في التعيينات خلال السنوات الأخيرة، خصوصًا أثناء توسع الشركة.
خريطة الارتباطات (Correlation)
علاقة قوية بين الخبرة والراتب
علاقة واضحة بين المكافأة وتقييم الأداء
علاقة ضعيفة بين الراتب والمنطقة الجغرافية
? 4. نموذج التعلم الآلي
تم استخدام Decision Tree Classifier لتصنيف الموظفين إلى:
راتب أعلى من المتوسط
راتب أقل من المتوسط
المدخلات المستخدمة:
العمر
الجنس
القسم
الوظيفة
الخبرة
تقييم الأداء
المدينة
نتائج النموذج:
دقة 98.46%
النموذج سهل التفسير ويمكن visualizing decision path
5. أهم النتائج
الخبرة هي العامل الأكثر تأثيرًا على الراتب.
لا توجد فروق في الأداء بين الجنسين.
قسم IT و Finance هما الأعلى رواتبًا.
المناطق الجغرافية تؤثر في الرواتب والمكافآت.
معدل التوظيف يرتفع بمرور السنوات.
? 6. التوصيات
تحسين برامج الاحتفاظ بالموظفين ذوي الخبرة.
تقليل الفجوات الجغرافية في الرواتب.
تدريب أقسام HR و Support لتحسين الأداء.
ربط المكافآت بتقييم الأداء بشكل أوضح.