Predicción de bajas de empleados en una compañía usando modelos de Machine Learning

Abstract

RESUMEN : La rotación de empleados se ha convertido en un problema para las empresas en la actualidad; una alta rotación implica gasto de mayores recursos en reclutamiento y capacitaciones, para el caso que se está tratando, una empresa de venta de seguros, la contratación de un nuevo vendedor implica un periodo de ajuste en capacidades de ventas, dada por la experiencia, por tal razón la identificación de posibles bajas futuras le permitirá al área de Gestión Humana realizar intervenciones de retención que permitan la permanencia del empleado. En este documento se hará una presentación de diversos experimentos ejecutados para predecir la deserción de un empleado, siendo la variable de salida, 1 deserta, 0 permanece. Se corrieron 3 modelos de Machine Learning, el primero es un árbol de decisión donde se ejecutaron dos iteraciones, probando inicialmente con parámetros elegidos a criterio propio y la segunda usando funciones específicas que determinan los mejores parámetros, de igual manera se corre un modelo de Máquina de vectores de soporte SVM y una regresión logística aplicando las funciones de mejores parámetros. Por último, se aplica una iteración corriendo los 3 modelos bajo validación cruzada. Los resultados indican que el mejor modelo para predecir las bajas de los empleados es el de árbol de decisión usando validación cruzada y funciones de detección de mejores parámetros, esto le permitirá a la compañía identificar a qué empleados deben intervenir urgentemente y comenzar el proceso de retención con los profesionales en Gestión Humana.

ABSTRACT : Employee attrition has become a problem for companies today; A high turnover implies spending greater resources on recruitment and training, for the case in question, an insurance sales company, the hiring of a new salesperson implies a period of adjustment in sales capabilities, given by experience, by For this reason, the identification of possible future withdrawals will allow the Human Management area to carry out retention interventions that allow the employee to remain. In this document, a presentation will be made of various experiments executed to predict the desertion of an employee, with the output variable being 1 deserts, 0 remains. 3 Machine Learning models were run, the first is a decision tree where two iterations were executed, initially testing with parameters chosen at our own discretion and the second using specific functions that determine the best parameters, in the same way a Machine model is run. of SVM support vectors and a logistic regression applying the best parameter functions. Finally, an iteration is applied running the 3 models under cross validation. The results indicate that the best model to predict employee withdrawals is the decision tree using cross-validation and detection functions of better parameters. This will allow the company to identify which employees should intervene urgently and begin the process of retention with professionals in Human Management.