徐勤亞 劉文睿 張石敏

摘? 要：隨著21世紀(jì)知識(shí)經(jīng)濟(jì)的日益發(fā)展，人力資源成為企業(yè)發(fā)展的核心競(jìng)爭(zhēng)力之一，對(duì)企業(yè)的興衰成敗起決定性作用，因此解決員工離職率這一難題對(duì)企業(yè)發(fā)展至關(guān)重要。本文使用SPSS Clementine數(shù)據(jù)挖掘軟件對(duì)員工離職數(shù)據(jù)進(jìn)行處理，探究員工離職主要因素及原因。通過主要特征選擇模型、主成份分析模型和關(guān)聯(lián)規(guī)則Apriori算法，并結(jié)合散點(diǎn)圖、直方圖等對(duì)字段進(jìn)行多維度分析，得出工資收入、是否加班、升職間隔時(shí)間、職業(yè)級(jí)別等是影響員工離職的主要影響因素，最后針對(duì)分析結(jié)果向有關(guān)部門提出合理性建議。

關(guān)鍵詞：數(shù)據(jù)挖掘;SPSS Clementine;員工離職

一、引言

隨著21世紀(jì)的發(fā)展，知識(shí)經(jīng)濟(jì)占主導(dǎo)地位，人才資源成為企業(yè)的核心競(jìng)爭(zhēng)力之一，決定企業(yè)的興衰成敗。但是，員工的離職率一直是困擾企業(yè)的一個(gè)難題。鑒于此，結(jié)合數(shù)據(jù)挖掘軟件SPSS Clementine，對(duì)該問題的成因進(jìn)行歸納分析，探究員工離職的主要影響因素及原因，從而提出可行的對(duì)策。

二、實(shí)驗(yàn)數(shù)據(jù)來源及參數(shù)分析

（一）數(shù)據(jù)來源

本文的數(shù)據(jù)取自于開源平臺(tái)阿里云大數(shù)據(jù)眾智平臺(tái)——阿里云天池，共計(jì)27個(gè)字段，1100條記錄。

（二）參數(shù)分析

通過數(shù)據(jù)的缺失值和異常值等審核無誤后，對(duì)實(shí)驗(yàn)數(shù)據(jù)中的主要字段作如下解析：

1、年齡：?jiǎn)T工年齡;2、是否離職：?jiǎn)T工是否已經(jīng)離職，0表示未離職，1表示已經(jīng)離職;3、商務(wù)差旅頻率：Non-Travel表示不出差，Travel_Rarely表示不經(jīng)常出差，Travel_Frequently表示經(jīng)常出差;4、所在部門：Sales表示銷售部，Research & Development表示研發(fā)部，Human Resources表示人力資源部;5、公司跟家庭住址的距離：從1到29，1表示最近，29表示最遠(yuǎn);6、員工的教育程度：從1到5，5表示教育程度最高;7、專業(yè)領(lǐng)域：Life Sciences表示生命科學(xué)，Medical表示醫(yī)療，Marketing表示市場(chǎng)營(yíng)銷，Technical Degree表示技術(shù)學(xué)位，Human Resources表示人力資源，Other表示其他;8、工作環(huán)境滿意度：從1到4，1的滿意程度最低，4的滿意程度最高;9、性別：Male表示男性，F(xiàn)emale表示女性;10、工作投入度：從1到4，1為投入度最低，4為投入度最高;11、職業(yè)級(jí)別：從1到5，1為最低級(jí)別，5為最高級(jí)別;12、工作角色：Sales Executive是銷售主管，Research Scientist是科學(xué)研究員，Laboratory Technician實(shí)驗(yàn)室技術(shù)員，Manufacturing Director是制造總監(jiān)，Healthcare Representative是醫(yī)療代表，Manager是經(jīng)理，Sales Representative是銷售代表，Research Director是研究總監(jiān)，Human Resources是人力資源;13、工作滿意度：從1到4，1代表滿意程度最低，4代表滿意程度最高;14、婚姻狀況：Single代表單身，Married代表已婚，Divorced代表離婚;15、月收入：范圍在1009到19999之間;16、曾經(jīng)工作公司數(shù)：?jiǎn)T工曾經(jīng)工作過的公司數(shù);17、是否加班：Yes表示加班，No表示不加班;18、工資提高百分比：工資提高的百分比;19、績(jī)效評(píng)估：?jiǎn)T工工作績(jī)效評(píng)估;20 關(guān)系滿意度：從1到4，1表示滿意度最低，4表示滿意度最高;21、總工齡：總共參加工作時(shí)間;22、培訓(xùn)時(shí)長(zhǎng)：上一年的培訓(xùn)時(shí)長(zhǎng)，從0到6，0表示沒有培訓(xùn)，6表示培訓(xùn)時(shí)間最長(zhǎng);23、工作生活平衡度：從1到4，1表示平衡程度最低，4表示平衡程度最高;24、在目前公司年數(shù)：在目前公司工作年數(shù);25、在目前工作職責(zé)年數(shù)：在目前工作職責(zé)的工作年數(shù);26、距離上次升職時(shí)長(zhǎng)：距離上次工作升職的時(shí)間;27、跟管理者共事年數(shù)：跟目前的管理者共同工作年數(shù)。

三、具體分析及結(jié)果

由于所分析數(shù)據(jù)字段較多，因此對(duì)數(shù)據(jù)進(jìn)行重要因素分析，根據(jù)模型判斷，將27個(gè)字段分為重要、一般重要和不重要三個(gè)等級(jí)，重要字段分別為：是否加班、總工齡、工作角色、婚姻狀況、年齡、職業(yè)級(jí)別、在目前工作職責(zé)年數(shù)、跟管理者共事年數(shù)、工作滿意度、工作投入度、工作環(huán)境滿意度、公司跟家庭住址距離、商務(wù)差旅頻率、距離上次升職時(shí)長(zhǎng)、專業(yè)領(lǐng)域、所在部門、關(guān)系滿意度和工作生活平衡度，共計(jì)18個(gè)字段，接下來將主要從這些字段進(jìn)行剖析。

結(jié)合主要特征選擇模型分析的結(jié)果，對(duì)重要字段構(gòu)建主成份分析模型，總結(jié)出員工離職的關(guān)鍵指標(biāo)。根據(jù)特征值大于1的原則，最終提取出5個(gè)主因子用于歸納員工離職因素，累積方差貢獻(xiàn)率為92.211%，可以較好的解釋整體情況。下面，結(jié)合主成份分析結(jié)果進(jìn)行具體分析。

首先，對(duì)部門離職進(jìn)行簡(jiǎn)單分析，采用計(jì)數(shù)對(duì)每個(gè)部門的離職情況進(jìn)行統(tǒng)計(jì)，可以發(fā)現(xiàn)，公司內(nèi)人力資源部門較穩(wěn)定，離職人數(shù)少，研發(fā)部門離職人數(shù)最多，人員流動(dòng)大，銷售部門的人員流失情況也較嚴(yán)重。

其次，探究工資收入、員工工作滿意度與離職的關(guān)系，將工作滿意度作為移動(dòng)軸參數(shù)，制作三者的散點(diǎn)圖，通過調(diào)節(jié)移動(dòng)軸，可以發(fā)現(xiàn)，離職的員工主要為工資<=5000元的群體，同時(shí)對(duì)于工資收入較低的員工多數(shù)工作滿意度也較低，最終導(dǎo)致離職，可見工資收入是影響離職的關(guān)鍵因素。

接著，探究距離上一次升職時(shí)長(zhǎng)、工作投入度個(gè)和離職的關(guān)系，結(jié)合3D散點(diǎn)圖1，可以發(fā)現(xiàn)，在距離上次升職時(shí)長(zhǎng)2-8年容易導(dǎo)致員工離職，未離職人員也出現(xiàn)明顯的工作投入度下降問題，因此，若員工長(zhǎng)時(shí)間得不到發(fā)展空間，容易導(dǎo)致離職。

探究職業(yè)級(jí)別、是否加班、生活工作平衡度和離職的綜合關(guān)系，以顏色區(qū)分職業(yè)級(jí)別，移動(dòng)坐標(biāo)軸代表是否加班構(gòu)建直方圖2和圖3，圖2代表不加班，圖3代表加班，通過對(duì)比，可以發(fā)現(xiàn)不論加班不加班，多數(shù)人可以將工作生活平衡度維持在3，處于較好狀態(tài)，但加班時(shí)，離職人數(shù)將增加，明顯表現(xiàn)在職業(yè)級(jí)別為1的員工，可見對(duì)于基層工作人員來說，加班是影響其離職的關(guān)鍵因素之一。

最后，探究不同年齡層的離職情況，源數(shù)據(jù)中年齡從18歲跨度到60歲，因此，對(duì)年齡進(jìn)行分箱和重新分類，將其分為三個(gè)年齡層：青年、中年和中老年。

通過年齡層與離職分布圖可以看出，年紀(jì)較大的員工傾向于穩(wěn)定，離職情況少，青年人和中年人離職較多，分析原因，可能是青年人剛參加工作，希望尋求更多機(jī)會(huì)，需要發(fā)展空間，中年人對(duì)于收入和工作滿意度更有需求，同時(shí)具有一定的工作經(jīng)驗(yàn)，如果需求得不到滿足，就有較大概率離職。

結(jié)合關(guān)聯(lián)規(guī)則Apriori算法對(duì)年齡層和離職做進(jìn)一步分析，設(shè)置離職情況為后項(xiàng)，年齡層為前項(xiàng)，結(jié)果中置信度均超過73%以上，對(duì)于結(jié)果能夠較好地解釋，可得出結(jié)論，中年人和青年人更加容易離職，中年人是最容易離職的群體。

四、結(jié)論：

通過以上分析，可以發(fā)現(xiàn)各年齡層中，中年和青年員工較容易離職，其中，研發(fā)與銷售部門更容易人員流失，工資收入、是否加班、升職間隔時(shí)間、工作時(shí)間、工作環(huán)境、職業(yè)級(jí)別等因素會(huì)較大幅度影響員工的工作滿意度和工作參與度，進(jìn)而導(dǎo)致離職，因此綜合分析結(jié)果，對(duì)企業(yè)提出如下建議：

（一）重視工作滿意度

工作滿意度是員工在工作中，對(duì)工作本身及工作環(huán)境、工作狀態(tài)、工作方式等有積極感受的心理狀態(tài)。企業(yè)應(yīng)當(dāng)針對(duì)不同類型的員工提供不同的方案，重視員工的需求，包括薪資、學(xué)習(xí)晉升等方面。

（二）建立合理的激勵(lì)機(jī)制

當(dāng)員工工作績(jī)效較好時(shí)，企業(yè)應(yīng)適當(dāng)給予激勵(lì)，才能激發(fā)員工積極性，否則會(huì)降低員工的工作熱情，增加離職的可能性。物質(zhì)激勵(lì)只能滿足物質(zhì)需求，而精神激勵(lì)可以體現(xiàn)企業(yè)對(duì)員工的關(guān)愛與尊重，目前，很多企業(yè)的激勵(lì)方式已經(jīng)開始采用“以人為本”的方式，諸如員工生日聚會(huì)、員工旅游獎(jiǎng)勵(lì)等。

（三）關(guān)注高離職率人群

對(duì)于新入職或入職不超過3-5年的員工，特別是受教育程度較高的新員工，應(yīng)當(dāng)重點(diǎn)關(guān)注其滿意度是否正常、薪水是否合理、工作時(shí)長(zhǎng)是否過長(zhǎng)，以減少人員流失，同時(shí)對(duì)于研發(fā)部門和銷售部門等人員流失量大的部門，要重點(diǎn)關(guān)注。

參考文獻(xiàn)：

[1]許青.利用Clementine對(duì)高校機(jī)房管理系統(tǒng)進(jìn)行數(shù)據(jù)挖掘[J].赤峰學(xué)院學(xué)報(bào)（自然科學(xué)版），2018，34（07）：50-52.

[2]程代娣.Clementine數(shù)據(jù)挖掘工具在計(jì)算機(jī)等級(jí)考試成績(jī)中的應(yīng)用[J].齊魯工業(yè)大學(xué)學(xué)報(bào)，2017，31（06）：52-56.

[3]王芙蓉.基于數(shù)據(jù)挖掘的CET-4成績(jī)分析與研究[D].寧夏大學(xué)，2016.

[4]劉麗敏，張學(xué)鋒.數(shù)據(jù)挖掘中的聚類算法在郵政快遞CRM中的應(yīng)用[J].網(wǎng)絡(luò)安全技術(shù)與應(yīng)用，2014（08）：8-9.

[5]郭宇紅，王路寧，毛玉琪.SPSS Clementine決策樹建模在圖書館中的應(yīng)用[J].計(jì)算機(jī)時(shí)代，2014（04）：30-33.

[6]季聰華，曹毅，張穎，劉姍，王偉.基于SPSS Clementine軟件的關(guān)聯(lián)規(guī)則算法的應(yīng)用[J].中醫(yī)藥管理雜志，2014，22（01）：31-33.

[7]張帆.基于Clementine的廣告客戶數(shù)據(jù)挖掘模型設(shè)計(jì)與實(shí)現(xiàn)[D].北京郵電大學(xué)，2010.

[8]劉利俊.利用Clementine進(jìn)行試卷質(zhì)量分析[J].現(xiàn)代計(jì)算機(jī)（專業(yè)版），2008（05）：115-117.

作者簡(jiǎn)介：

徐勤亞（1998-），女，安徽省合肥市，本科，研究方向：信息管理與信息系統(tǒng)。

劉文睿（1999.10-），男，漢，安徽省合肥市，學(xué)生，學(xué)士;研究方向：人力資源管理。