航运物流行业薪酬调研及AI预测员工离职可能性
2019年上海航运物流业薪酬调研报告解读
根据上海航运交易所发布的《2019上海航运物流业薪酬调研报告》，报告汇总了近240家航运物流企业的数据，涵盖常见岗位薪酬、调薪幅度以及员工主动离职率等信息。
- 2019年度航运物流货代行业平均薪资调整幅度降至5.7%，为连续9年最低水平。
- 货代企业主动离职率达到23.1%，高于航运及物流企业（分别为12.3%和16.6%）。
- 整体主动离职率较往年上升，辅助层达31.8%，为最高离职率。
- 日韩企业主动离职率为11%，为最低；欧美企业及中国香港台湾地区的主动离职率分别为25.1%和35.9%。
报告显示，相比基础岗位，企业更倾向于为中高层岗位提供奖金方案。超过半数企业的奖金基准为年基本工资的一定比例或倍数。
人工智能与机器学习在航运物流中的应用
随着技术发展，航运物流企业越来越关注人力成本控制。未来或将通过AI预测员工离职率、客户流失率，优化流程并提升新产品服务的成功率。
以下以机器学习预测员工离职可能性为例，介绍如何实现这一目标：
- 人工智能（Artificial Intelligence）、机器学习（Machine Learning）、深度学习（Deep Learning）三者有区别也有联系。
- 机器学习主要分为有监督学习（Supervised Learning）和无监督学习（Unsupervised Learning），其中分类（Classification）算法包括决策树（Decision Tree）、逻辑回归（Logistic Regression）等。
本例使用IBM Watson公开数据库及Orange软件进行分析。训练数据库包含1470个员工数据，每个员工有18个标签描述，目标预测值Attrition表示员工是否已离职。
通过交叉验证评估，发现逻辑回归（Logistic Regression）模型准确率达79.8%。线列图显示，在公司年数、离上次升职年数、加工频率为主要影响因素。
最终用该模型预测三位员工离职可能性，结果显示：John有76%可能性离职，Veronica为24%，Rachel仅为5%。
