[发明专利]一种基于聚类算法的员工离职风险预测方法及装置

说明书

技术领域

本发明实施例涉及数据分析技术领域，尤其涉及一种基于聚类算法的员工离职风险预测方法及装置。

背景技术

在预测员工离职风险的方法上，传统的方法主要分为两种，一种是通过分析员工日常的行为习惯，如公司邮件内容，日常的上网内容和时间是否与工作相匹配，通过分析这些内容的变化来判断是否发生离职风险。另一种是通过利用机器学习中分类器的方法，统计员工的日常行为习惯，KPI考核信息，满意度，职位类别，薪水等，构建一种分类器(包含离职员工和正常续约的员工的训练样本)。用这个分类器对后续的员工表现进行评估。

传统方案有如下方面的缺点：

第一，基于员工日常的行为习惯方法，统计公司的邮件内容，员工的上网内容等多维度分析是否会出现离职风险，会出现如下问题，首先统计的内容中包含文本，数值等多种类型的数据，针对这些数据，需要加入一定的规则或者条件(如判定阈值)来判定某个维度，如日常上网的行为是否超出风险控制范围。还有就是当面对多维度时，经常会出现有些维度超出阈值，有些在合理范围内，这时也需要加入一定的判定条件来整体确定员工是否会出现离职风险。加入过多的人为判定条件意味着需要大量的先验知识，针对某一个具体的公司这些先验知识很难确定精准，因此会导致模型的准确度受影响。

第二，利用机器学习分离器的方法，可以免去了设置判定条件的先验知识，但是存在如下问。首先需要先有完整的训练样本，离线训练好分类器后才能在新的测试集上做预测。这就带来了一个时间上的滞后期。另一个问题就是通常情况下离职员工只占员工总数比例中很少的一部分，这样就带来了训练样本不均衡的问题，大量的训练样本都是非离职员工的，只有少量样本是离职员工的样本。

因此，如何提高预测的准确度，以及克服预测滞后性问题是现如今亟待解决的课题。

发明内容

针对现有技术存在的问题，本发明实施例提供一种基于聚类算法的员工离职风险预测方法及装置。

第一方面，本发明实施例提供一种基于聚类算法的员工离职风险预测方法，包括：

获取待测员工多个维度的预测数据，所述待测员工包括在职员工和已离职员工；

根据所述在职员工对应的第一员工数量和已离职员工的第二员工数量计算分组个数；

根据所述预测数据和所述分组个数，利用聚类算法对所述待测员工进行聚类分析，获得每一分组对应的待测员工的信息；

根据每一分组对应的待测员工的信息预测所述待测员工中具有离职风险的员工。

第二方面，本发明实施例提供一种基于聚类算法的员工离职风险预测装置，包括：

获取模块，用于获取待测员工多个维度的预测数据，所述待测员工包括在职员工和已离职员工；

计算模块，用于根据所述在职员工对应的第一员工数量和已离职员工的第二员工数量计算分组个数；

分析模块，用于根据所述预测数据和所述分组个数，利用聚类算法对所述待测员工进行聚类分析，获得每一分组对应的待测员工的信息；

预测模块，用于根据每一分组对应的待测员工的信息预测所述待测员工中具有离职风险的员工。

第三方面，本发明实施例提供一种电子设备，包括：处理器、存储器和总线，其中，

所述处理器和所述存储器通过所述总线完成相互间的通信；

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行第一方面的方法步骤。

第四方面，本发明实施例提供一种非暂态计算机可读存储介质，包括：

所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行第一方面的方法步骤。

本发明实施例提供的一种基于聚类算法的员工离职风险预测方法及装置，通过根据所述在职员工对应的第一员工数量和已离职员工的第二员工数量计算分组个数，根据预测数据和分组格式获得每一分组对应的待测员工的信息，最后根据待测员工的信息预测出具有离职风险的员工，从而提高了预测的准确度，以及克服预测滞后性问题。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种基于聚类算法的员工离职风险预测方法流程示意图；

图2为本发明实施例提供的一种基于聚类算法的员工离职风险预测装置结构示意图；