تصميم نموذج تنبؤي لسلوك الموظفين باستخدام تقنيات تعلم الآلة حالة تسرب الموظفين باستعمال قاعدة بيانات لشركة IBM

Abstract

يُعد التنبؤ بمغادرة الموظفين (Attrition) ركيزة أساسية تدعم المؤسسات الاقتصادية في اتخاذ قرارات استراتيجية للاحتفاظ بكفاءاتها، وذلك من خلال التحليل العميق لبيانات الموظفين وخصائصهم الوظيفية والشخصية. وقد أثبتت هذه الدراسة الفعالية العالية لتقنيات تعلم الآلة في التعامل مع بيانات الموارد البشرية، نظراً لقدرتها الفائقة على معالجة المتغيرات المتعددة والمعقدة المرتبطة بالعنصر البشري. لقد نجحت الدراسة في بناء نموذج تنبؤي قادر على تصنيف الموظفين بدقة عالية، مما يتيح استشراف قراراتهم بالمغادرة بشكل استباقي. ومن خلال التجربة والمقارنة بين عدة نماذج تصنيفية، برز نموذج الغابة العشوائية (Random Forest) كأحد أفضل النماذج من حيث الدقة التنبؤية العامة. وأكدت الدراسة ضرورة تبني المؤسسات الحديثة لتقنيات تعلم الآلة؛ حيث لم يعد اتخاذ القرار يقتصر على تحليل الماضي أو الحاضر، بل أصبح يرتكز بشكل جوهري على التنبؤ بالأحداث المستقبلية لضمان الاستدامة والاستقرار داخل المؤسسات الاقتصادية= Predicting employee attrition is a fundamental pillar that supports economic organizations in making strategic decisions to retain their talents, through the deep analysis of employee data along with their job and personal characteristics. This study has demonstrated the high efficacy of machine learning techniques in handling human resource data, given their outstanding ability to process the multiple and complex variables associated with the human element. The study has succeeded in building a predictive model capable of classifying employees with high accuracy, thereby allowing for the proactive anticipation of their decisions to leave. Through experimentation and comparison among several classification models, the Random Forest model emerged as one of the best models in terms of overall predictive accuracy. Furthermore, the study underscored the necessity for modern organizations to adopt machine learning techniques, as decision-making is no longer confined to analyzing the past or the present, but has fundamentally shifted to relying on predicting future events to ensure sustainability and stability within economic organizations.