一种计算员工留存度概率的计算方法
【技术领域】
[0001] 本发明涉及招募高留存员工领域，具体地，涉及通过问卷调查对新增募员工进行 打分，尤其是设计一种计算员工留存概率的精准算法。
【背景技术】
[0002] 目前的就业市场员工流动十分频繁，无论是对大型企业，还是对中小型企业而言， 招募员工的过程本身就会耗费企业大量的人力和物力，此外，员工的频繁更替，也会直接影 响业务活动的进程。留住员工可以通过多种途径实现，例如增加员工福利待遇，提升企业文 化，给员工更大的发展前景，发挥员工的能动性等等。然而，对于企业来说，不可能无限制地 增加员工福利待遇这些硬性标准，员工是否留存还与企业文化、员工岗位设计等因素具有 密切的关系。研究发现，在不同的地域、针对不同的行业，员工留存的考虑因素具有比较大 的差别。因此，有效降低企业招聘成本的方式之一是，在招聘过程中综合考虑员工的各项指 标，选择高留存率的员工。然而，现有企业招募员工的方法，还是停留在感性认识和笼统指 标的结算，并没有精确预测员工留存概率的方法。
[0003] 本发明通过对历史员工各项行为数据的统计分析，找到影响员工留存的关键行为 特征，并预测员工未来一段时间内的留存情况。同时，基于历史员工的性格、入司动机和基 本信息等内容以及预测的留存情况，提供了一种预测新增募员工留存概率的计算方法，为 企业招募员工提供具有价值的量化评估数据。
【发明内容】
[0004] 鉴于上述的分析，本发明旨在提供一种计算员工留存度概率的计算方法，用于计 算一个或多个新增募员工的留存概率P。
[0005] 本发明公开了一种计算员工留存度概率的计算方法，主要通过以下技术方案实现 的，包括：
[0006]a.获取第一样本集合员工入职后T时间段内的留存状态Y，其中，所述T为留存观 察的时间段长度，所述Y取值为0或1;
[0007]b.获取所述员工的输入参数X，其中，所述X= (XI，X2，……Xm);
[0008]c.基于所述输入参数X和所述留存状态Y，确定系数P值，其中，所述P= (0。， 员 1， ......D;
[0009]d.获取新增募员工的输入参数X，基于所述留存度计算系数P计算所述新增募员 工的留存概率P。
[0010] 优选地，所述步骤a包括如下子步骤：
[0011]al.获取第二样本集合员工入职后T时间段内的指标信息R，所述R= (R1，R2，......Rm);
[0012] a2.获取所述员工入职后T时间段内的留存状态Y，其中，Y的取值为1表示流失， 0表不留存；
[0013]a3.通过决策树算法对所述指标信息R进行分类，获取T时间段内所述员工状态为 流失的计算规则S;
[0014]a4.获取所述第一样本集合员工的指标信息R，基于所述计算规则S，计算第一样 本集合员工的留存状态Y。
[0015] 优选地，在所述步骤a3中所述决策树算法通过如下步骤实现：
[0016]a31.预设决策树父节点和子节点的数量，并规定所述决策树的树状结构的水平 数，其中，所述水平数作为所述决策树算法收敛的指示；
[0017]a32.若F个变量的分类均显著，则比较所述F个变量的分类的显著指标值，取所 述显著指标值最小情况下对应的所述指标信息R为当前最佳分组变量，其中，所述m>F> 2 ；
[0018]a33.针对所述最佳变量分组的所有下属分组形成该分支下的子节点，并对所述每 个子节点重复上述步骤a31、a32、a33处理，直至到达所述预设的水平数；
[0019]a34.根据最终形成的各叶子节点的流失员工占比，选取占比较高的叶子节点所包 含的规则作为所述的规则S。
[0020] 优选地，在所述步骤a32中，用于判断F个变量的分类均显著的步骤包括如下步 骤：
[0021] 首先，计算指标信息R中所有变量分类的卡方值；
[0022] 其次，如所述变量分类的卡方值大于第一阈值，则确定所述变量的分类显著。
[0023] 优选地，在所述步骤a3中，所述决策树算法可以米用CHAID算法、CART算法或 C4. 5算法中的任一种：
[0024] 优选地，在所述步骤c中采用逻辑回归算法构建参数X与留存状态Y的函数关系。
[0025] 优选地，所述逻辑回归算法包含如下步骤：
[0026]cl?设Qi=QtYi=11(XH，X2i，. ? ?，Xki)}为给定XH，X2i，…，Xki条件下Y;= 1的 概率；同等条件下Y1= 0的概率可表示为I-Q 1;
[0027]c2.根据所述步骤cl得出所述第一样本集合中各员工的留存概率Q(Y1)为： Q(YJ=
[0028]c3.确定第一样本集合员工的联合分布为所述留存概率的各边际分布的乘积，用
[0031] c5.根据所述对数似然函数对P求偏导，从而确定所述参数值0。
[0032] 优选地，在所述步骤c4及c5中，令偏导等于0,并基于此求参数以便计算使似然函 数取最大值的参数。
[0033] 优选地，可以通过NewtonRaphson迭代算法或者FisherScoring迭代算法中的 任一个确定所述参数0。
[0034] 优选地，在所述步骤d中所述概率P计算公式如下：
[0036] 优选地，还包括如下步骤：
[0037]e.根据预测留存率和实际留存率的对应关系以及业务规则约束对P值进行调整 计算；
[0038] f.基于所述输入参数X与所述调整后系数P'，计算所述新增募员工的留存分数 Z0
[0039] 优选地，在所述步骤e至f中通过如下公式计算所述留存分数Z:
[0041] 优选地，所述步骤b中第一样本集合员工的参数X通过如下步骤实现：
[0042] 首先，通过员工增员业务访谈，确认业务维度的关键因素，指导留存可能因素调研 问卷设计；
[0043] 其次，通过现有员工的分布特征以及业务部门的协调确认，选取关键中支进行调 研问卷数据收集，获取第一样本集员工的调研问卷信息X;
[0044] 最后，通过对X与Y的相关性分析保留相关性较高的题目作为输入参数X进入模 型，并作为后续增募问卷题目。
[0045] 本发明提供了计算一种员工留存度概率的计算方法，采用决策树算法分析历史员 工的留存情况，根据历史数据建立留存度定义模型，预测员工的留存情况。决策树模型只 需构建一次，便可反复适用，每一次预测的最大计算次数不超过决策树的深度，符合企业运 作中高效性的需求，并且决策树模型具有很好地描述性，有助于人工分析。采用逻辑回归算 法，估算出新增募员工的留存概率，预测结果对企业增募新员工具有很高的参考价值，有利 于降低企业招募员工的成本。
【附图说明】
[0046] 通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、 目的和优点将会变得更明显：
[0047] 图1示出了根据本发明的第一实施例的，一种预测员工留存度概率的算法中计算 员工留存概率的流程图；
[0048]图2示出了根据本发明的第二实施例的，一种计算员工留存度概率的计算方法中 预测员工留存状态算法的流程图；
[0049]图3示出了根据本发明的第二实施例的，一种计算员工留存度概率的计算方法中 构建决策树的流程图；
[0050]图4示出根据本发明的第三实施例的，通过逻辑回归算法构建员工增募评分卡模 型的流程图；
[0051]图5示出根据本发明的第四实施例的，计算所述新增募员工问