Ingénierie des caractéristiques

Analytique RH : prédire le roulement du personnel avec R

Abhishek Trehan

People Analytics Practitioner

Ingénierie des caractéristiques

Variables de base : ensemble de variables directement disponibles dans un ensemble de données
Variables dérivées : ensemble de variables obtenues en transformant les variables de base

Créer de nouvelles caractéristiques

Écart d'âge entre un employé et son gestionnaire
Indice de mobilité d'emploi
Ancienneté de l'employé

Écart d'âge

Points de vue
Gestion de la pression
Attentes
Éthique de travail

Mobilité d'emploi

$$ \text{Indice de mobilité d'emploi} = \frac{\text{Expérience totale}}{\text{Nombre d'entreprises}} $$

Ancienneté des employés

Ancienneté : durée d'emploi
Ancienneté des employés inactifs
```
 date_joining & last_working_date 
```

Ancienneté des employés actifs
```
  date_joining & cutoff_date
```

Dériver l'ancienneté des employés

# Conversion des variables de date au format jj/mm/aaaa 

library(lubridate)

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

Calculer une durée

# Calcul de la durée en années

library(lubridate)

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

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

14.60274

Passons à la pratique !

Analytique RH : prédire le roulement du personnel avec R

Preparing Video For Download...