People analytics - flight risk
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Dissertação |
Idioma: | eng |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10451/45153 |
Resumo: | Trabalho de projeto de mestrado em Matemática Aplicada à Economia e Gestão, Universidade de Lisboa, Faculdade de Ciências, 2020 |
id |
RCAP_42e800371b74fafd40e9f4caec7ccc93 |
---|---|
oai_identifier_str |
oai:repositorio.ul.pt:10451/45153 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
People analytics - flight riskRisco de SaídaHuman Resources AnalyticsModelo de Regressão LogísticaÁrvores de DecisãoEmployee TurnoverTeses de mestrado - 2020Domínio/Área Científica::Ciências Naturais::MatemáticasTrabalho de projeto de mestrado em Matemática Aplicada à Economia e Gestão, Universidade de Lisboa, Faculdade de Ciências, 2020Nos últimos anos, tem-se vindo a registar um aumento da rotatividade laboral. Efectuar uma avaliação adequada aos riscos associados à rotatividade dos colaboradores, pode contribuir para a diminuição dos custos associados às novas contratações e evitar a perda de produtividade da organização. Nesse sentido, com este trabalho pretende-se, como objectivo global, criar um modelo capaz de prever antecipadamente as saídas voluntárias dos colaboradores, com o recurso a metodologia de Human Resources Analytics (HRA), que corresponde ao conjunto de competências, tecnologias e práticas que permite aos Recursos Humanos (RH), com base na exploração de dados, fornecer insights de suporte à tomada de decisão, na gestão e resolução de desafios de negócio. Como tal, pretende-se criar dois modelos distintos de previsão de saída dos colaboradores, através do uso de modelos de regressão logística e de árvores de decisão. Estas metodologias permitem, através de um conjunto de variáveis independentes, prever a rescisão voluntária do contrato de trabalho. Para além disso, é possível averiguar qual é a variável que tem o maior ganho de informação no modelo. Para a construção dos modelos, a variável resposta é definida como a vinculação, ou não, de um colaborador à empresa, consoante as variáveis que melhor caracterizam o seu perfil. Por neste trabalho se ter assumido o propósito de identificar e quantificar os colaboradores que pretendem rescindir o contrato de trabalho, está-se perante a um modelo de classificação. Desta forma, são estabelecidas duas amostras distintas, de treino e de teste. Assim, o conjunto de observações da amostra de teste nunca irá influenciar a construção do modelo e, por sua vez, é possível testar e avaliar a capacidade discriminatória do mesmo. O melhor modelo obtido foi através do uso da regressão logística, que permitiu predizer corretamente todas as observações em 74,71%, sendo a variável idade aquela que tem maior importância no modelo.In recent years, there has been an increase in labor turnover. Carrying out an adequate assessment of the risks associated with employee turnover may contribute to the reduction of costs associated with new hires and avoid the loss of productivity of the organization. In this sense, the overall objective of this work is to create a model capable of predicting in advance the voluntary departures of employees, using the Human Resources Analytics methodology, which corresponds to the set of skills, technologies and practices that allow Human Resources (HR), based on data exploration, to provide insights to support decision making, management and resolution of business challenges. As such, it aims to create two distinct models of employee exit forecasting, through the use of logistic regression models and decision trees. These methodologies allow, through a set of independent variables, the voluntary termination of the employment contract. In addition, it is possible to find out which variable has the greatest information gain in the model. For the construction of the models, the response variable is defined as the link, or not, of an employee to the company, depending on the variables that best characterize his/her profile. Since the purpose of this work is to identify and quantify the employees who intend to terminate the employment contract, this is a classification model. In this way, two distinct training and test samples are established. Thus, the set of observations in the test sample will never influence the construction of the model and, in turn, it is possible to test and evaluate its discriminatory capacity. The best model obtained was through the use of logistic regression, which allowed the correct prediction of all observations at 74.71%, the age variable being the one that has the greatest importance in the model.Fonseca, Raquel JoãoTelhada, João Miguel Paixão,1971-Repositório da Universidade de LisboaQueiroz, Ana Catarina Costa Dias2020-12-04T19:10:13Z202020202020-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10451/45153TID:202607933enginfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-11-08T16:46:43Zoai:repositorio.ul.pt:10451/45153Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:57:39.138686Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
People analytics - flight risk |
title |
People analytics - flight risk |
spellingShingle |
People analytics - flight risk Queiroz, Ana Catarina Costa Dias Risco de Saída Human Resources Analytics Modelo de Regressão Logística Árvores de Decisão Employee Turnover Teses de mestrado - 2020 Domínio/Área Científica::Ciências Naturais::Matemáticas |
title_short |
People analytics - flight risk |
title_full |
People analytics - flight risk |
title_fullStr |
People analytics - flight risk |
title_full_unstemmed |
People analytics - flight risk |
title_sort |
People analytics - flight risk |
author |
Queiroz, Ana Catarina Costa Dias |
author_facet |
Queiroz, Ana Catarina Costa Dias |
author_role |
author |
dc.contributor.none.fl_str_mv |
Fonseca, Raquel João Telhada, João Miguel Paixão,1971- Repositório da Universidade de Lisboa |
dc.contributor.author.fl_str_mv |
Queiroz, Ana Catarina Costa Dias |
dc.subject.por.fl_str_mv |
Risco de Saída Human Resources Analytics Modelo de Regressão Logística Árvores de Decisão Employee Turnover Teses de mestrado - 2020 Domínio/Área Científica::Ciências Naturais::Matemáticas |
topic |
Risco de Saída Human Resources Analytics Modelo de Regressão Logística Árvores de Decisão Employee Turnover Teses de mestrado - 2020 Domínio/Área Científica::Ciências Naturais::Matemáticas |
description |
Trabalho de projeto de mestrado em Matemática Aplicada à Economia e Gestão, Universidade de Lisboa, Faculdade de Ciências, 2020 |
publishDate |
2020 |
dc.date.none.fl_str_mv |
2020-12-04T19:10:13Z 2020 2020 2020-01-01T00:00:00Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10451/45153 TID:202607933 |
url |
http://hdl.handle.net/10451/45153 |
identifier_str_mv |
TID:202607933 |
dc.language.iso.fl_str_mv |
eng |
language |
eng |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799134520629264384 |