Проектирование базы данных
При построении схемы учитывались возможности стандартных средств ведения кадрового учёта на предприятии (1С: ЗУП), а так же данные, которые можно получить в ходе текущего и последнего анкетирования сотрудников в компании, а также требование к независимости переменных (см. рисунок 3.1).
Рисунок 3.. Схема базы данных разрабатываемой системы
Схема базы данных является гибридной, т.к. совмещает в себе многомерные таблицы (таблицы фактов) «Questionaries» и «Hirings», а так же словари, характерные реляционной схеме БД.
Таблица «Employees», хранит персональные данные сотрудников, которые могут быть использованы для анализа, к ним относятся:
ФИО;
дата рождения;
пол;
семейное положение;
уровень образования;
оконченное учебное заведение;
полученная специальность;
дата выпуска из учебного заведения.
Таблица «Hirings», хранит данные о занимаемых сотрудниками должностях и отделах в различных компании, дате приёма и увольнения на должность, получаемой заработной плате. Анализ занимаемых должностей в предыдущих компаниях позволит проследить весь процесс развития сотрудника на предприятии, что в свою очередь позволит использовать более полные данные о сотрудниках при анализе. Также, это является единственным параметром, выходящим за рамки организации, поскольку вся другая информация является внутрикорпоративной.
Таблица «Questionaries», хранит данные о проведённых опросах уровня удовлетворённости сотрудников компании, и содержит такие сведения как:
дата проведения опроса;
опрашиваемый сотрудник;
уровень удовлетворённости рабочими условиями труда;
уровень удовлетворённости прямым начальником;
уровень удовлетворённости организацией работы в компании;
удовлетворённость уровнем заработной платы;
уровень уверенности в завтрашнем дне;
уровень улучшений, произошедших в компании, за последние три месяца;
уровень необходимости в повышении квалификации, для выполнения рабочих обязанностей.
Все оценки, хранящиеся в таблице «Questionaries» могут варьироваться от 0 до 2, и соответственно означают:
0 – плохо;
1 – удовлетворительно;
2 – хорошо.
Модель получения знаний
После определения используемых данных и разработки схемы БД, необходимо определить каким образом будет проводиться анализ имеющихся данных, для того была разработана обобщенная модель процесса получения знаний (см. рисунок 3.2).
Рисунок 3.. Обобщённая модель получения знаний
Процесс получения знаний будет включать в себя несколько этапов KDD в объединении с DM методами, для построения описательной модели. Модель будет строиться на основе ассоциативных правил и байесовским классификатором.
Процесс разработки системы поддержки принятия решений
Система создавалась в среде разработки программного обеспечения Visual Studio 2012 от Microsoft с использованием Windows Form Application проекта и стандартных объектов DataGridView для отображения информации в табличном виде.
Определение обучающей и тестирующей выборки
Работа программы начинается с извлечения данных обо всех работниках, уволившихся и работающих на данный момент, истории их продвижения в компании и результатах анкетирования. Затем все эти данные объединяются в одном списке и разделяются на обучающую и тестовую выборку. Данные в БД хранятся в случайном порядке, поэтому в отбор в обучающую выборку проходил по следующему алгоритму: три сотрудника в обучающую выборку, одного пропускаем.
Объекты обучающей и тестовой выборки обычно не должны пересекаться, т.к. это приводит к переобучению и смещённым оценкам, но для обучения классификатора необходимы объекты обоих классов (уволенные и не уволенные). Результатом применения классификатора на тестовой выборке и будет искомая величина – вероятность ухода сотрудника, поэтому тестовая выборка должна состоять из всех работающих на данный момент сотрудниках компании, включая тех, что были в обучающей выборке.
Обучение классификатора
Обучение классификатора проходит в несколько этапов, различающихся по анализируемым признакам. Входные данные имеют разные типы, разные диапазоны значений, и поэтому нельзя одним и тем же способом провести обучение классификатора по всем характеристикам.
Обучение разделено на четыре этапа:
Обучение, учитывающее развитие сотрудника в компании (продвижение по должностям и смена подразделений);
Обучение, учитывающее длительность работы сотрудника по не поднимающейся заработной плате (сотрудник может менять должности, подразделения, но заработная плата остаётся неизменной);
Обучение, учитывающее заработные платы других сотрудников в определённый момент времени на определённой должности;
Обучение, учитывающие, выставляемые сотрудниками, оценки при ежеквартальном анкетировании.
Общий алгоритм обучения классификатора представлен на рисунке 3.3. Программная реализация алгоритма, а также описание используемого класса для обучения представлена в приложении А.
Рисунок 3.. Алгоритм обучение классификатора
При обучении, учитывающем развитие сотрудника в компании и учитывающем длительность работы сотрудника по не поднимающейся заработной плате, рассчитывается то, в течение скольких лет сотрудник работает на определённой должности, или в определённом подразделении, или по одной и той же заработной плате.
При обучении, учитывающем заработные платы других сотрудников в определённый момент времени на определённой должности, временной промежуток разделяется на шесть отрезков различной длины. Это делается для того, чтобы уменьшить количество нулевых значений параметров. По той же причине значения характеристики заработная плата были разделены на отрезки по 10000 тыс. руб.
Обучение по оценкам, полученным при анкетировании, начинается с самой последней анкеты сотрудника, и каждому типу оценки, соответствует временной список, отображающий, за сколько времени до увольнения либо последнего анкетирования была поставлена оценка. Таким образом, можно проследить за тем, какие оценки выставляли сотрудники перед увольнением.
Тестирование классификатора
Тестирование классификатора на тестовых данных также разделено на такие же четыре этапа, как и при обучении. На каждом из этапов для каждого сотрудника определяется, к какому временному отрезку относится значение текущего показателя. Затем рассчитываются оценки принадлежности сотрудника к обоим классам по данному значению показателя по формуле Байеса.
После того как все значения характеристик сотрудника были учтены, оценки принадлежности сотрудника к классам переводятся в априорную вероятность принадлежности сотрудника к классу «уволенные».
Алгоритм тестирования классификатора представлен на рисунке 3.4. Программная реализация алгоритма тестирования представлена в приложении А.
Рисунок 3.. Алгоритм тестирования классификатора
Также в процессе классификации работающих сотрудников, производится расчёт возможных потерь, при увольнении сотрудника. При этом учитываются потери, вызванные перерывом в работе и потери, связанные с недостаточным уровнем производительности у нового сотрудника. Первые рассчитываются как произведение отношения константы к количеству сотрудников на данной должности на заработную плату данного сотрудника. Константа – это то, с какой скоростью предприятие может найти нового сотрудника. Отношение константы на количество сотрудников на данной должности, означает, что чем больше сотрудников этой должности работает в компании, тем быстрее найти ему замену.
Вторые рассчитываются как произведение заработной платы сотрудника на длительность его работы на последней должности и делённой на константу. Это делается из соображений о том, что новый сотрудник, замещающий этого, будет какое-то время (длительность его работы на последней должности и делённой на константу) недопроизводить благ в размере заработной платы сотрудника.
Результат работы системы
При запуске системы, она показывает список всех сотрудников с их личными данными, и рассчитанной вероятностью ухода из компании и возможными убытками. Те сотрудники, вероятность ухода которых больше 66%, подсвечиваются красным цветом (см. рисунок 3.5).
Рисунок 3.. Главная форма системы с результатами классификации
На рисунке видно, что шесть сотрудников возможно в ближайшее время покинут компанию, и пользователь системы, будь то менеджер по персоналу либо начальник подразделения или компании может решить, нужны ли компании эти сотрудники, или выгоднее дать им уйти. Это решение менеджер может принять исходя из внешних данных, или опираясь на потенциальные потери от ухода сотрудника, рассчитанные системой. Если же принято решение об удержании какого-либо сотрудника, то при нажатии на него, появится информация о его развитии в компании (см. рисунок 3.6) и о результатах его анкетирования (см. рисунок 3.7).
Рисунок 3.. Информация о развитии сотрудника в компании
Рисунок 3.. Информация о анкетировании сотрудника
Красным цветом отмечены «проблемные зоны», воздействовав на которые, можно сильно поднять лояльность сотрудника.
Для формы с данными о развитии сотрудника (см. рисунок 3.6) возможны следующие варианты:
Если красным закрашивается поле в столбце «Подразделение», значит, скорее всего, данному сотруднику необходимо изменить подразделение, в котором он работает.
Если красным закрашивается поле в столбце «Должность», значит, скорее всего, данному сотруднику необходимо изменить занимаемую должность.
Если красным закрашено поле в столбце «Дата приёма на должность», значит, скорее всего, данному сотруднику в течение длительного времени не поднимали заработную плату.
Если красным закрашено поле в столбце «Заработная плата», значит, скорее всего, зарплата данного сотрудника не соответствует заработным платам данного периода времени для занимаемой им должности.
Для формы с данными о проведении анкетирования (см. рисунок 3.7), логика остаётся та же, т.е. если в поле столбца «Необходимость обучения» окрашено красным, значит с большой долей вероятности, предоставив ему обучение, его лояльность повысится.
|
