В первой главе данной магистерской работы был проделан аналитический обзор исследований тесно связанных с обнаружением предпосылок к увольнению у сотрудников. Все исследования в первой главе рассматривали сотрудника не с точки зрения информационных технологий, а как личность с уникальной психологией. В главе был выявлен подходящий вариант выявления отклонений, ведущих к увольнению, — мониторинг. Этот метод достаточно хорошо ложится в область информационных технологий и позволит рассматривать сотрудника как набор цифровых значений в базе данных. Далее будет рассмотрено преобразований этих значений в специальные метрики для анализа методами Data Mining.
Методы и модели Data Mining, рассмотренные во второй главе данной магистерской работе, предполагают анализ данных для выявление каких-либо закономерностей на основе заранее определенной гипотезы. В нашем случае гипотеза имеет следующую формулировку:
Допустим, что перед подачей заявления об увольнении у сотрудника изменяется динамика рабочего времени. Обнаружив изменения в динамике, можно заранее приготовиться к увольнению сотрудника и, возможно, предотвратить его, если данный сотрудник нам необходим.
На основании данной гипотезы нам необходимо построить прикладную модель по отслеживанию отклонений, ведущих к увольнению. Предполагается, что данная модель будет заниматься мониторингом за данными сотрудниками и будет сигнализировать о возможном увольнении.
В данной главе будет описан прототип, реализующий вероятностную (наивный Байесовский классификатор) и логическую модель (алгоритм С4.5). Но перед реализации необходимо определить набор признаков (метрик) для анализа и рассмотреть аномальные всплески увольнений. В завершении будет проведено сравнение результатов и представлены вывод.
Дополнительно будет сформирована тестовая выборка для проверки полученных результатов.
