数据分析：员工离职预测分析

一、概述

项目数据来源：https://tianchi.aliyun.com/dataset/dataDetail?dataId=4574

数据分析工具：本次案在例中，我所需要做的便是通过已有的信息进行预测员工未来的动向，即判断该员工未来是否会离职。其中训练数据主要包括1100条记录，31个字段。此次数据分析所用到的工具有：excel，tableau

二、数据分析基本步骤

（1）明确业务需求;

（2）数据采集 ;

（3）数据处理

（4）数据探索分析（数据的描述性分析）；

（5）综合数据分析；

1. 明确业务需求

面对公司留不住人，人员流动大等问题，本文对取自于“阿里天池”关于职工数据集的数据进行分析，挖掘出哪些数据对于离职率有贡献，预测哪些人最后会流动。

2. 数据采集

项目数据集取自“阿里天池”，相关网址链接请参看概述。其中训练数据主要包括1100条记录，31个字段。主要字段说明如下：

（1）Age：员工年龄（1表示已经离职，2表示未离职，这是目标预测值）

（2）Attrition：员工是否已经离职（Non-Travel表示不出差，Travel_Rarely表示不经常出差，Travel_Frequently表示经常出差）

（3）BusinessTravel：商务差旅频率（Sales表示销售部，Research & Development表示研发部，Human Resources表示人力资源部）

（4）Department：员工所在部门（Sales表示销售部，Research & Development表示研发部，Human Resources表示人力资源部）

（5）DistanceFromHome：公司跟家庭住址的距离，（从1到29，1表示最近，29表示最远）

（6）Education：员工的教育程度（从1到5，5表示教育程度最高）

（7）EducationField：员工所学习的专业领域（Life Sciences表示生命科学，Medical表示医疗，Marketing表示市场营销，Technical Degree表示技术学位，Human Resources表示人力资源，Other表示其他）

（8）EmployeeNumber：员工号码；

（9）EnvironmentSatisfaction：员工对于工作环境的满意程度（从1到4，1的满意程度最低，4的满意程度最高）

（10）Gender：员工性别（Male表示男性，Female表示女性）；

（11）JobInvolvement：员工工作投入度（从1到4，1为投入度最低，4为投入度最高）

（12）JobLevel：职业级别（从1到5，1为最低级别，5为最高级别）

（13）JobRole：工作角色 （Sales Executive是销售主管，Research Scientist是科学研究员，Laboratory Technician实验室技术员，Manufacturing Director是制造总监，Healthcare Representative是医疗代表，Manager是经理，Sales Representative是销售代表，Research Director是研究总监，Human Resources是人力资源）

（14）JobSatisfaction：工作满意度（从1到4，1代表满意程度最低，4代表满意程度最高）

（15）MaritalStatus：员工婚姻状况（Single代表单身，Married代表已婚，Divorced代表离婚）

（16）MonthlyIncome：员工月收入（范围在1009到19999之间）

（17）NumCompaniesWorked：员工曾经工作过的公司数

（18）Over18：年龄是否超过18岁

（19）OverTime：是否加班（Yes表示加班，No表示不加班）

（20）PercentSalaryHike：工资提高的百分比

（21）PerformanceRating：绩效评估

（22）RelationshipSatisfaction：关系满意度（从1到4，1表示满意度最低，4表示满意度最高）

（23）StandardHours：标准工时

（24）StockOptionLevel：股票期权水平

（25）TotalWorkingYears：总工龄

（26）TrainingTimesLastYear：上一年的培训时长（从0到6，0表示没有培训，6表示培训时间最长）

（27）WorkLifeBalance：工作与生活平衡程度（从1到4，1表示平衡程度最低，4表示平衡程度最高）

（28）YearsAtCompany：在目前公司工作年数

（29）YearsInCurrentRole：在目前工作职责的工作年数

（30）YearsSinceLastPromotion：距离上次升职时长

（31）YearsWithCurrManager：跟目前的管理者共事年数

3. 数据清洗

我们使用的数据是excel文件格式，其中自变量30个，因变量为1个（是否离职）。

数据集字符型字段有7个（BusinessTravel/ Department/EducationField/Gender/JobRole/MaritalStatus/Over18/OverTime）数值型字段有24个。

其中将单一变量删除（年满18岁、标准工时、员工编号为常量），部分数值变量<=3的字段也删除，此类数据对于分析预测不具有代表性。

同时观察数据，针对字段值不满一年的数据均用0代替，没有缺失值, 因此不用处理缺失值.

对于记录来说, 其没有唯一标识的字段, 因此会存在重复记录, 这里采取“重复值处理”和“数据一致化”处理；

通过tableau作图观察各自变量对是否离职影响程度大小，

图一：删除单一变量&常量

4. 数据理解

我们使用的数据是EXCEL数据文件格式，其中自变量30个，因变量为是否离职。下表对所有变量进行了说明，以便更好的理解数据。

5. 数据探索性分析

（1）人力资源总体情况

离职人员178人，占比16.18%；在职人员922人，占比83.82%

（2）职工年龄，性别与是否离职的关系

由下图可以看出，离职人员偏年轻化，峰值出现在28-32岁，其中男性离职人数大于女性人数。

（3）职工婚况，离家距离与是否离职的关系