Özellik mühendisliği

İK Analitiği: R ile Çalışan Ayrışmasını (Churn) Tahmin Etme

Abhishek Trehan

People Analytics Practitioner

Özellik mühendisliği

Temel değişkenler: Doğrudan veri kümesinde bulunan değişkenler
Türetilmiş değişkenler: Temel değişkenlerin dönüşümüyle elde edilen değişkenler

Yeni özellikler oluşturma

Çalışan ile yöneticisi arasındaki yaş farkı
İş değişim indeksi
Çalışan kıdemi

Yaş farkı

Bakış açıları
Baskı ile başa çıkma
Beklentiler
İş ahlakı

İş değiştirme

$$ \text{İş değişim indeksi} = \frac{\text{Toplam deneyim}}{\text{Çalışılan şirket sayısı}} $$

Çalışan kıdemi

Kıdem: çalışma süresi
Pasif çalışanların kıdemi
```
 date_joining & last_working_date 
```

Aktif çalışanların kıdemi
```
  date_joining & cutoff_date
```

Çalışan kıdemi türetme

# Tarih değişkenlerini gg/aa/yyyy biçiminden dönüştürme 

library(lubridate)

org_final %>% 
  mutate(date_of_joining = dmy(date_of_joining), 
         cutoff_date = dmy(cutoff_date), 
         last_working_date = dmy(last_working_date))

Zaman aralığını hesaplama

# Süreyi yıl cinsinden hesaplama

library(lubridate)

date_1 <- ymd("2000-01-01")
date_2 <- ymd("2014-08-09")

time_length(interval(date_1, date_2), "years")

14.60274

Hadi pratik yapalım!

İK Analitiği: R ile Çalışan Ayrışmasını (Churn) Tahmin Etme

Preparing Video For Download...