[論文レビュー] Employee turnover prediction and retention policies design: a case study

Edouard Ribes, Karim Touahri+1 more|arXiv (Cornell University)|Jul 5, 2017

Customer churn and segmentation参考文献 38被引用数 24

ひとこと要約

本稿では、HRISデータを用いた機械学習的手法を提案し、従業員の離職を予測するとともに、モデルの出力に基づいてターゲットを絞ったリテンション政策を設計する。予測モデリングと感度分析を組み合わせることで、人的資源の流動化やターゲットへのインcentive提供といった戦略的対策により、離職率を40％削減できることを示している。

ABSTRACT

This paper illustrates the similarities between the problems of customer churn and employee turnover. An example of employee turnover prediction model leveraging classical machine learning techniques is developed. Model outputs are then discussed to design \& test employee retention policies. This type of retention discussion is, to our knowledge, innovative and constitutes the main value of this paper.

研究の動機と目的

• 企業環境における顧客離脱予測手法を、従業員離職に適応すること。
• 古典的機械学習手法を用いた、データドリブンな従業員離職予測モデルの開発。
• モデルの出力結果を、実行可能で根拠に基づいたリテンション政策に変換すること。
• 予測リスクスコアに対する感度分析を用いて、特定のリテンション戦略の有効性を検証すること。
• 予測分析とHR政策設計の間のギャップを、人材計画分野で埋めること。

提案手法

• ドメインエキスパートの知見と文献レビューに基づき、勤務期間、評価、勤務地、チーム構成などの特徴量をHRISデータから特徴量工学的に生成した。
• SMOTEやその他のリサンプリング技術を用いてクラス不均衡を処理した、複数の機械学習アルゴリズム（例：ランダムフォレスト、XGBoost）を適用した。
• 交差検証と性能指標（例：AUC、精度-再現率）を用いて、実世界の匿名化されたデータセット上で最良のモデルを選定した。
• 予測離職率に与える影響をシミュレートすることで、5つの異なるリテンション政策（P1–P5）の感度分析を実施した。
• モデルが算出したリスクスコアを用いて、介入の優先順位を決定し、高リスクの従業員に集中させ、リソースの無駄を最小限に抑えた。
• 18％の労働者にターゲットを絞った行動を適用した後の離職率の低下を推定することで、政策の有効性を検証した。

実験結果

リサーチクエスチョン

• RQ1 HRISデータを用いた機械学習モデルは、どれほど高い正確性で従業員の自発的離職を予測できるか？
• RQ2 リロケーション、マネージャー変更、インcentiveなど、どのリテンション政策が予測離職率を最も効果的に低減するか？
• RQ3 モデル出力の感度分析は、コスト効率の良いリテンション戦略の設計をどの程度支援できるか？
• RQ4 特徴量工学にドメインエキスパートの知見を統合することで、離職予測モデルの解釈可能性と信頼性はどのように向上するか？
• RQ5 離職率の低減において、人的資源の流動化とターゲットリテンションプログラムの最適なバランスは何か？

主な発見

• モデルは、約40％の従業員が自発的離職のリスクにさらされていると予測しており、これは顕著なリテンション課題を示している。
• ターゲットリテンション政策を適用した結果、実際の離職率は24％に低下し、元のリスクに対して40％の緩和効果が得られた。
• 全労働者の18％が介入を必要としており、リスクのある従業員の25.4％が新しいマネージャーを必要とし、11.11％がリテンションインcentiveを必要としていた。
• 最も効果的なリテンション戦略は役割間での人的資源の流動化であり、これは外部採用や孤立したインcentiveよりも離職率の低減に優れていることを示唆している。
• モデルのパフォーマンスは特徴量の質に敏感であり、詳細な報酬データが欠落しているため、合理的な経済的トレードオフをモデル化する能力に制限があった。
• 本研究では、予測モデリングと政策シミュレーションを組み合わせることで、HRチームが行動の優先順位を決定し、リテンションの効率を向上させられることを実証した。