Proactive Employee Attrition Prevention System

مشروع Proactive Employee Attrition Prediction System

نظام تحليلات تنبؤي للموارد البشرية يعتمد على التعلم الآلي للتنبؤ بدوران الموظفين (ترك العمل) ومساعدة الشركات على تقديم استراتيجيات استباقية للاحتفاظ بالكفاءات.

المشكلة والأهداف

المشكلة: كلفة التوظيف العالية وتأثر بيئة العمل واستمراريتها عند مغادرة الموظفين بشكل مفاجئ.

الهدف: التنبؤ بالموظفين المعرضين لمغادرة الشركة، وتحديد العوامل الأساسية المسببة لذلك لتوجيه قرارات الموارد البشرية.

مكونات النظام والمعالجة

نموذج التنبؤ (XGBoost): اختيار نموذج XGBoost كأفضل نموذج أداءً للتنبؤ بنسبة مغادرة الموظف بعد تجربة عدة خوارزميات.

تقسيم الموظفين (K-Means Clustering): تصنيف الموظفين إلى مجموعات (مثل: فئة عالية الخطر منخفضة الرضا، وفئة تعمل بساعات إضافية براتب منخفض) للتعامل مع كل فئة بشكل مستهدف.

هندسة الميزات (Feature Engineering): استحداث مؤشرات مثل "بطء الترقية"، و"تأثير المسافة مقارنة بالراتب"، و"مؤشر السعادة الإجمالي".

الاختبارات الاحصائية: إثبات تأثير ساعات العمل الإضافية ومنسوب الرضا الوظيفي على قرار ترك العمل عبر اختبارات T-Test وChi-Square.

التقنيات المستخدمة

الذكاء الاصطناعي ومعالجة البيانات: XGBoost, Scikit-learn, K-Means, Pandas, NumPy.

إدارة النماذج والواجهة البرمجية: MLflow (لإدارة دورة حياة النموذج)، وFastAPI (لبناء واجهة التطبيق البرمجية).

التصور البياني: Matplotlib, Seaborn.