员工流失是困扰企业的众多关键问题之一，在这次分析中，我将努力开展以下工作内容：
对一些重要的变量进行快速可视化及探索性分析，特别是工龄，年龄，薪资，级别等
分析导致员工流失的因素，并探索各个变量的影响程度
通过有效的算法构建模型，用于预测员工是否要辞职
最终目标是使用分析的过程和结果，有助于在利用真实数据集进行建模预测分析的时候减少员工流失，辅助人力资源团队进行关键的干预工作，让管理层指导哪些因素影响了“留人”，反过来促进企业做好“选人”“育人”“用人”。
结论和建议：
员工离开背后的主要原因很可能是投入与回报的失衡；加班，工作的投入带来的回报是否不匹配，检查公司是否有有效的加班政策。
在某种程度上，工作与生活的不平衡也是造成员工离开的原因，检查员工背后认为自身工作与生活不平衡的原因也许是一个有效的手段；例如加班，离家远的情况重复出现，是否有的远程工作的支持。
高薪也许不是关键的保障，在探索分析的结果显示，拥有员工优先认股权，是员工更为关注的另一个报酬形式。
年龄和任职过的公司等因素似乎与离职率高有较大的关系，这给人力资源部门的同事提供了识人方面的有效信息；当然这仅仅是虚构数据集的结果，分析请以公司真实数据，往往有公司就是有吸引年轻人的文化。
最后，如果能得到公司员工的一个新数据集，就可以根据建立好的模型计算概率并查看哪些员工确实容易离开
我们会通过数据模型的建立来对离职人员进行预测。
首先在建立模型之前我们需要完成最基础的原始数据的收集和表格的设计，这些工作应该是HR在每个月需要完成的，因为进行数据预测模型，我们需要有大量的数据，也就是说数据越多，整个预测越精准，所以在进行这个模型建立之初我们首先要有一个原始的人员离职的数据表格，如下
在字段的选择上，我们选取了一些最能影响员工离职的字段进行收集，所以按照我们月度报表的要求，每个月需要对这组数据进行维护。
在离职人员预测模型设计的思路是，我们会从原始报表上选择4个变量，分别是工龄，年龄，级别和薪资，然后通过气泡图对这些变量进行集合，最终通过数据的汇总分析，我们来根据不同的级别来分析，哪个级别的那类人在哪个阶段可能会离职。
比如我们通过模型分析出，总监级别的人，可能在3年工龄，35岁左右，薪资在12000左右，离职的人最多，所以我们需要在总监级别上关注这一类人，有可能会出现离职。具体的模型见下图：
在这个模型里，不同的颜色代表不同的级别，X轴代表薪资，Y轴代表年龄，气泡的大小代表工龄，这样我们可以根据数据的集中程度，来分析XY轴的数据，最后得出每个阶段的离职人员的数据，为人员离职做预测。
----------------------------------------------------------------------------------------------------
欢迎关注人力资源数据分析公众号，学习更多的人力资源数据分析技能
