担任领导职务的人最关心的问题之一是员工流失。""加大努力留住关键人才"是人力资本管理的五大目标之一，这是基于对首席执行官和其他高级组织领导人的调查[成功因素劳动力分析和战略劳动力规划]。留住关键人才需要解决一系列概念上简单但操作上复杂的问题，例如"谁是损失影响最大的1%员工可能离职？"，"哪些类型的员工倾向于自愿离职？"，"当涉及到飞行风险时，对员工来说什么是重要的？"也许最重要的是，大数据查询平台，"什么能让员工留下来？"。
本文介绍了SAP SuccessFactors如何利用预测分析来帮助回答与了解营业额、识别和管理飞行风险相关的问题。本文共分为四个部分。首先，我们讨论了我们用来研究营业额的数据。其次，我们正在利用的工具将预测分析技术应用于这些数据。第三，我们正在使用的概念方法来调查营业额和飞行风险。最后，我们进行了一些技术分析，以及我们迄今所学到的知识。正如你将看到的，预测分析已经揭示了预测和导致营业额的因素的强大见解。但我们还有很多工作要做。
此应用程序中使用的大部分数据来自SAP SuccessFactors Workforce Analytics（WFA）解决方案。WFA包含两千多个用于报告、分析和劳动力规划的劳动力指标，是SAP SuccessFactors产品套件的主要报告工具。WFA指标分为核心员工和流动性指标、职业和发展、薪酬规划、绩效管理、继任管理和人才流分析等，以满足产品套件的分析需求[SAP SuccessFactors workforce analytics]。
而不是从原始的事务性员工数据开始预测应用程序利用WFA中包含的计划劳动力指标来创建飞行风险预测模型。基本预测模型从WFA解决方案中包含的核心劳动力和流动度量包中包含的度量和维度中提取历史数据。其他指标包中的其他属性将在可用时自动包含。
核心和流动指标包包括人口统计（年龄、性别、残疾、种族等）、薪酬（工资、股票期权等）、发展（关键职位、绩效评级、潜在评级等）等维度，就业（工作类别、员工级别、就业级别、等级等）、继任（关键工作角色、继任评级、继任准备度等）和任期（等级任期、组织任期、职位任期、在职时间，
核心员工和流动性指标包中的员工人数和终止措施用于标记终止目标变量。WFA中包含的其他维度，如时间、地点、组织和就业类型（例如全职和兼职）以及就业状况（例如。，活动和非活动）也用于对员工数据进行细分以自定义分析。
此应用程序嵌入的预测分析使用分类和回归机器学习算法，该算法是SAP预测分析解决方案的一部分。该算法利用logistic回归、随机森林、支持向量机等数学技术，对连续值进行反复剖分，物联网是什么意思，并对分类值进行分组，以寻找与目标变量相关的最优模型。该解决方案还调整超参数，以减少预测误差和增加预测信心。有关SAP使用的方法的更多信息，我们鼓励阅读J.Leskovec、A.Rajaraman和J.Ullman的《海量数据集挖掘》一书。
使用SAP预测分析的另一个优势来自一套数据分析功能，如缺失值处理、异常值检测和相关分析；以及，它的数据挖掘工具，如使用多种错误检测和校正公式以及正则化技术，所有这些都是在模型创建过程中迭代进行的。该工具已在许多领域用于解决各种业务应用程序，取得了很好的结果[SAP Predictive Analytics Customer Certifications]。
员工外逃风险被视为一个分类问题，因此劳动力维度被用作预测目标变量的预测变量，大数据专业，在这种情况下，表示员工是否有离职风险。以这些变量为特征的历史数据通过分类算法从输入数据中创建分类器或预测模型。然后使用预测模型来预测离职风险的可能性。
例如，下面的例子描述了工资和离职风险可能性之间的关系，其中预测模型被用作区分或分类员工是否存在离职风险的决策边界，是否。
应用程序使用来自固定时间跨度（如三个月）的数据来预测未来相同时间跨度的结果。例如，在三个月模型中，应用程序使用2016年3月、4月和5月的数据创建预测模型，以预测2016年6月、7月和8月的员工飞行风险。
应用程序中使用的工具SAP predictive Analytics执行五个主要步骤，将输入数据转换为预测模型。
构建ADS步骤涉及输入数据的规范，包括它们的存储类型和值类型。准备数据步骤处理缺失值、异常值、相关性，并将数据划分为训练和测试数据集。在建模步骤中，采用基于SRM和岭回归的分类回归算法，从训练数据集生成预测模型，并根据模型公式和模型指标（如预测能力和预测置信度）报告结果。应用模型步骤对测试数据集应用模型公式，为数据集中的每个员工分配飞行风险分数。它还允许通过混淆矩阵和成本矩阵来确定飞行风险的可能性。最后，模拟步骤有助于使用评分函数进行假设分析，以支持知情决策（更多信息，请参阅大规模数据集的工业挖掘）。
分类和回归算法的性能由预测能力（又称KXEN信息指标，或KI）总结，和预测置信度（又称KXEN稳健性指标，或KR）。
