Construção do modelo preditivo de desligamento de colaboradores

Autores/as

DOI:

https://doi.org/10.6008/CBPC2179-684X.2021.004.0012

Palabras clave:

People Analytics, Human Resources, Machine Learning, Predictive Model, Dismissal of Workers

Resumen

Atualmente se observa a crescente necessidade das empresas em gerenciar a sua força de trabalho, visando à manutenção de profissionais qualificados e redução dos custos associados a processos demissionais. Somado a isso, constatam-se avanços no campo de investigação de Machine Learning, que possibilita a descrição de cenários futuros a partir de modelos preditivos orientados por dados. Essa combinação de fatores tem possibilitado às empresas o investimento em meios para prever quando seus funcionários estão mais propensos a deixar as organizações, antecipando-se à perda de talentos e reduzindo custos operacionais. Dessa forma, este estudo se propôs a construir um modelo preditivo de desligamento de colaboradores para uma instituição financeira no Brasil, além de compreender os principais fatores vinculados à rotatividade. O estudo foi conduzido testando-se o desempenho dos algoritmos K-Nearest Neighbour, Regressão Múltipla, Naive Bayes e Random Forest em uma base de dados contendo informações dos trabalhadores, coletada ao longo de um ano. Evidenciou-se que o melhor modelo preditivo foi construído a partir da técnica Random Forest, que apresentou acurácia de 78,3% e precisão de 81,5%. Observou-se também que as características pessoais, como idade e número de filhos, e profissionais, como remuneração e avaliação anual de desempenho, foram as variáveis mais relevantes para a classificação de um profissional como propenso ou não a deixar a empresa.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Victor Thadeu Brum Sansone, Universidade Federal do Rio Grande do Sul

Possui graduação em Engenharia de Produção pela Universidade Federal do Rio Grande do Sul(2020), graduação em Ciência da Computação pela Universidade Federal do Rio Grande do Sul(2008) e graduação em Engenharia Metalúrgica pela Universidade Federal do Rio Grande do Sul(2010). Atualmente é Cientista de Dados do Banco Cooperativo Sicredi. Tem experiência na área de Engenharia de Produção, com ênfase em Analytics, Processos e Projetos.

Rodrigo Dalla Vecchia, Universidade Federal do Rio Grande do Sul

Possui graduação em Matemática Licenciatura Plena pela Universidade Luterana do Brasil (2002) e mestrado em Matemática pela Universidade Federal do Rio Grande do Sul (2005). É Doutor em Educação Matemática pela Universidade Estadual Paulista Julio de Mesquita Filho (UNESP) de Rio Claro defendendo a tese intitulada "Modelagem Matemática e a Realidade do Mundo Cibernético". Atualmente é professor da Universidade Federal do Rio Grande do Sul (UFRGS), atuando no curso de Licenciatura em Matemática, no Programa de Pós Graduação em Ensino de Matemática e na especialização em Indústria 4.0 do Departamento de Engenharia de Produção da UFRGS. Desenvolve pesquisas na área de Educação Matemática, atuando principalmente nos seguintes temas: Modelagem Matemática, Tecnologias da Informação e Comunicação, Big Data, IoT, Indústria 4.0, Machine Learning e Construção de Jogos Eletrônicos. 

Publicado

2021-11-08