Este projeto utiliza dados disponibilizados no Kaggle sobre "People Analytics aplicados a RH e CRM". O objetivo é analisar informações de funcionários, avaliações sobre o ambiente de trabalho e outros dados relevantes para identificar perfis de colaboradores propensos a deixar a empresa.
Será empregada a metodologia CRISP-DM, e um modelo preditivo será desenvolvido para identificar os grupos mais propensos ao desligamento, oferecendo insights e sugerindo soluções para os problemas identificados. O foco é reduzir a saída de colaboradores e aprimorar a retenção de talentos.
A RetailX, com uma equipe de aproximadamente 4000 funcionários, enfrenta uma alta rotatividade anual de cerca de 15%. Essa taxa de saída, seja por vontade própria ou demissão, é considerada prejudicial pela gestão, devido a:
- Impacto negativo nos prazos, afetando a reputação da empresa perante consumidores e parceiros;
- Necessidade de manter um departamento significativo para recrutamento;
- Requerimento de treinamento e período de adaptação para os novos funcionários.
- Analisar os dados para identificar padrões de comportamento dos funcionários (obter personas);
- Identificar as variáveis que mais influenciam na alta rotatividade dos funcionários;
- Calcular a probabilidade de um funcionário deixar a empresa e identificar as variáveis que mais contribuem para esse aumento;
- Elaborar um relatório com as conclusões para que o gestor de RH possa tomar medidas para reduzir a rotatividade.
Os dados disponíveis incluem quatro arquivos em formato CSV e um arquivo Excel com o dicionário de dados. Para o projeto de análise de recursos humanos (People Analytics), serão utilizados três arquivos que refletem os dados dos funcionários, suas percepções sobre o trabalho e seu impacto em suas vidas, além da avaliação de gestores. Esses dados foram extraídos do dataset publicado no Kaggle sob o título "People Analytics aplicados a RH e CRM".
| Variáveis | Descrição | Domínios |
|---|---|---|
| Idade | Idade do funcionário | |
| Rotatividade | Se o funcionário deixou a empresa no ano anterior ou não | |
| ViagensDeNegocio | Com que frequência os funcionários viajaram a negócios no último ano | |
| Departamento | Departamento na empresa | |
| DistanciaDeCasa | Distância de casa em quilômetros | |
| Educacao | Nível de Educação | 1 'Abaixo do Ensino Superior' 2 'Ensino Superior Incompleto' 3 'Bacharel' 4 'Mestre' 5 'Doutor' |
| CampoDeEducacao | Campo de educação | |
| ContagemDeEmpregados | Contagem de funcionários | |
| IDDoEmpregado | Número/ID do funcionário | |
| SatisfacaoComAmbiente | Nível de Satisfação com o Ambiente de Trabalho | 1 'Baixo' 2 'Médio' 3 'Alto' 4 'Muito Alto' |
| Genero | Gênero do funcionário | |
| EnvolvimentoNoTrabalho | Nível de Envolvimento no Trabalho | 1 'Baixo' 2 'Médio' 3 'Alto' 4 'Muito Alto' |
| Nível do cargo na empresa em uma escala de 1 a 5 | ||
| Nome da função na empresa | ||
| SatisfacaoNoTrabalho | Nível de Satisfação no Trabalho | 1 'Baixo' 2 'Médio' 3 'Alto' 4 'Muito Alto' |
| EstadoCivil | Estado civil do funcionário | |
| RendaMensal | Renda mensal em rúpias por mês | |
| NumeroDeEmpresas | Número total de empresas pelas quais o funcionário passou | |
| MaiorDe18 | Se o funcionário é maior de 18 anos ou não | |
| AumentoPercentualSalario | Percentual de aumento salarial no último ano | |
| AvaliacaoDeDesempenho | Avaliação de desempenho do último ano | 1 'Baixo' 2 'Bom' 3 'Excelente' 4 'Excepcional' |
| HorasPadrao | Horas padrão de trabalho para o funcionário | |
| NivelDeOpcaoDeCompraDeAcoes | Nível de opção de ações do funcionário | |
| TotalDeAnosTrabalhados | Número total de anos que o funcionário trabalhou até agora | |
| TreinamentosNoUltimoAno | Número de vezes que treinamentos foram realizados para este funcionário no último ano | |
| EquilibrioTrabalhoVida | Nível de equilíbrio entre trabalho e vida pessoal | 1 'Ruim' 2 'Bom' 3 'Melhor' 4 'Ótimo' |
| AnosNaEmpresa | Número total de anos que o funcionário passou na empresa | |
| AnosDesdeUltimaPromocao | Número de anos desde a última promoção | |
| AnosComAtualGestor | Número de anos sob o gerente atual |
- Python
- Biblioteca GC
- Biblioteca Pandas
- Biblioteca Matplotlib
- Biblioteca Seaborn
- Biblioteca Numpy
- Biblioteca Warnings
- Biblioteca PrettyTable
- Biblioteca Statsmodels
- Biblioteca Scikit-learn
- Biblioteca XGBoost
- Biblioteca Category Encoders
Licença MIT (MIT). Por favor leia o arquivo da licença para mais informações.