特别感谢我的学生Harun Behroz在SAP Analytics Cloud Smart Predict建模方面所做的出色工作。

在大多数业务线和不同行业，使用高级分析改进业务流程是当今的标准。然而，在人力资源（HR）中，甚至没有考虑收集的数据产生见解的潜力。更糟糕的是，一些公司仍然将数据导出到微软Excel中，以计算女性配额！这里绝对是一个简化流程的机会，它有一个基于实时数据的分析仪表盘，显示重要的人力资源关键绩效指标。

人力资源数据的丰富性和质量也可以用于更高级的分析，而不仅仅是简单的只看过去事件的报告。如何展望未来，积极应对人力资源面临的问题？

让我们来看看员工流失的问题。

员工流失的挑战

公司希望阻止他们的高技能员工离开公司。如今，许多公司依靠经理的直觉来预见员工流失。但这种方法既不精确，也没有偏见。

想想一些经理说，他们对高流失概率的最佳猜测是员工的新发型。换个发型可能意味着一个人已经准备好接受更重要的改变。但我们真的能从一个因素推断出员工在当今复杂的世界中离职的决定吗？

通过考虑更多的数据和更复杂的模式，我们可以做出更好的决策，甚至可以找到那些不改变发型就离开公司的人。

我知道有人认为人类行为太复杂，无法反映在数据集中。但我不喜欢一种方法胜过另一种方法——我建议同时使用两种观点：管理者的观点以及数据中的分析和数学结论。

两者的结合可以带来新的见解。我们可以将管理者的同理心与从数据中发现的更复杂的模式结合起来。考虑：

新员工流失率高可能表明入职流程需要改进，从而反映出公司文化，并改变新员工或年轻人的待遇。我们还可以更仔细地观察内部员工流动率和他们的成功率，或者根据数据提出更好的学习建议。此外，数据有助于反映我们是否尽最大努力发挥经验丰富的同事的潜力或发现高潜力。

使用数据分析解决客户流失-一个用例

让我们看一个如何实现这一点的例子。

去年，HR用例非常流行，我的一个学生，哈伦·贝罗兹，有兴趣了。由于他不是数学家，也没有任何数据科学或统计学的背景，他一开始只是简单地为HR构建仪表盘。他真的很有动力，也在寻找新的挑战。

为了向他展示你还能做什么，我介绍了Harun在SAP Analytics Cloud中进行智能预测，这使对统计有亲和力的学生和同事能够进行自己的预测，即使他们不熟悉数学和算法，

他立刻爱上了这个工具，它给了他一个久违的机会，在给定的数据中发现新的见解。例如，他现在不仅能够直观地看到去年有多少人离开了公司，这两组的统计分隔符是什么，云服务器服务好，他还可以预测每个员工的流失率得分。

这很好，因为当我们第一次开始处理HR用例时，哈伦说，由于每个人的行为都是独立的，大数据前景，这种双因素分析概括得太多了；他认为，只看这两个群体的统计数据可能不会尊重这种个人主义。当然，他争辩说，有一群人的行为相似，但肯定不止两个。

这是我非常喜欢和他一起工作的原因之一，因为他总是批判地质疑一切。另外，对于我们所做的预测，他当然指出，这并不能解释和显示所有的影响因素，也不能解释所有的人类行为。我不能详细说明影响因素，因为它们变化很大，但有一个因素非常有趣。我们称之为公司的中年危机。

一个常见的人力资源因素中年危机

我们发现在任期内的某个点，流失率急剧上升，然后又下降。因此，看起来这些员工在同一家公司工作了一定年限后，开始反思自己是想离开公司，还是愿意留在公司直到退休。有时知道这些事情是好事（例如，我不断提醒我的经理，我的公司中年危机还没有到来）。

我的超级积极的学生热衷于寻找更多的影响因素来更好地描述流失率。不幸的是，我们无法得到我们想要的所有数据。在某些情况下，存在限制，而在另一些情况下，数据没有得到适当的收集和存储。尽管这在许多项目中都是一个问题，但这也是一个有价值的发现，因为它允许公司改进数据挖掘过程，以便将来进行分析，并且它表明在大多数数据科学项目中，数据收集和模型构建是一个迭代过程。

一个预测导致另一个模型构建

当然，仅仅做一个预测是不够的：一旦你知道它是如何完成的，就很容易将同样的方法应用到类似的用例中。这就是我的学生所做的。最后，我们有了一个很好的模型来预测每个员工的流失率。