Särdragskonstruktion

HR-analys: Förutsäga personalomsättning i R

Abhishek Trehan

People Analytics Practitioner

Feature engineering

Grundvariabler: Variabler som finns direkt i en datamängd
Härledda variabler: Variabler som härleds via datatransformation av grundvariabler

Skapa nya särdrag

Åldersskillnad mellan en anställd och dennes chef
Jobbhoppningsindex
Anställningstid

Åldersskillnad

Perspektiv
Hantering av press
Förväntningar
Arbetsmoral

Jobbhoppning

$$ \text{Job-hop index} = \frac{\text{Total experience}}{\text{Number of companies worked}} $$

Anställningstid

Anställningstid: anställningens varaktighet
Inaktiva anställdas anställningstid
```
 date_joining & last_working_date 
```

Aktiva anställdas anställningstid
```
  date_joining & cutoff_date
```

Beräkna anställningstid

# Coercing date variables from dd/mm/yyyy format 

library(lubridate)

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

Beräkna tidsintervall

# Computing time span in years

library(lubridate)

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

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

14.60274

Nu kör vi en övning!

HR-analys: Förutsäga personalomsättning i R

Preparing Video For Download...