«Прогнозирование увольнений сотрудников» – кейс компании «Ростелеком»

Чтобы решить задачу по удержанию ключевых сотрудников и сократить лишние затраты, компания «Ростелеком» создала сервис прогноза увольнений. С помощью технологии искусственного интеллекта он определяет сотрудников, попадающих в зону риска, и факторы, влияющие на прогноз.

Проект «Прогнозирование увольнений сотрудников» претендует на победу в номинации Digital Solutions бизнес-премии WOW!HR 202 1 .

Реализованный кейс представляет Никита Черкасенко , директор департамента HRM-технологий и аналитики «Ростелеком».

Читайте также: Автоматизация процессов и снижение нагрузки: кейс «МФЦ Полюс»

Суть проекта

В основе сервиса по прогнозированию увольнений сотрудников лежит предиктивная аналитическая модель: через алгоритмы машинного обучения определяется вероятность увольнения сотрудника, период риска и факторы, влияющие на конкретного человека. Модель анализирует порядка 50 факторов и ранжирует, на кого из них тот или иной фактор оказывает большее влияние.

Например, анализируется изменение в модели поведения сотрудника в корпоративных системах, факторы его настроения, интереса к мотивационным и корпоративным программам и другое. Для обучения модели используются как внутренние статистические данные, так и внешние показатели (данные Росстата и анализ соответствия уровня дохода сотрудников со среднерыночными показателями).

Предпосылки создания проекта

Из всех технологичных компаний «Ростелеком», пожалуй, может похвастаться достаточно невысоким оттоком персонала, но если посмотреть его в абсолютных значениях, то цифра получится солидная – ежегодно нас покидают порядка 18 тысяч штатных сотрудников (при общей численности нашей группы порядка 145 тысяч).

Как следствие, возрастает нагрузка на подбор и требуются дополнительные затраты на поиск, привлечение, адаптацию и обучение новых сотрудников.

В большинстве случаев увольнение можно предотвратить, если своевременно распознать проблему и предложить сотруднику варианты решения. Иногда сотрудника, который два года не отдыхал и в высокой степени склонен к увольнению, достаточно просто отправить в отпуск. Пострадавшему от профессионального выгорания можно оплатить обучающий курс или вовлечь в особо значимый проект. Если у человека какие-то личные трудности или, например, он сдает сессию в университете – разработать для него индивидуальный график, а недовольному техническим оснащением – заменить рабочее оборудование на более производительное. Эти меры не избавят от 100% увольнений по собственному желанию, но они точно повлияют на лояльность немалой части сотрудников, и можно будет попробовать найти компромисс.

При этом важно непрерывно развивать текущий сервис: мы обладаем хорошей статистической базой, но эти данные не отражают живые эмоции сотрудника.

Фото «Ростелеком»

Инструменты для реализации проекта

Если говорить о технологии, модель обрабатывает данные и делает прогноз на виртуальном ЦОДе на языке Python, используя RandomForest, xgboost, SVM, SGD, Decision Tree. Анализируются не только базовые статистические показатели, такие как зарплата, количество детей или возраст – важно найти нетривиальные зависимости. На уход одного сотрудника влияет карьерный трек и образование, увольнение другого мы сможем предсказать по динамике общения с коллегами или продолжительности нахождения в офисе, риск потерять третьего складывается из непройденных обучающих курсов и частоты отпусков.

Результаты прогноза мы публикуем на внутренней платформе – они доступны сотруднику HR и руководителю любого подразделения. Платформа позволяет увидеть расширенную аналитику по сотруднику, в том числе показать факторы прогноза, сравнить их с ситуацией в подразделении, сегменте, компании и показать слабые зоны.

Сложности в реализации проекта

В проектах по анализу данных, как правило, возникают две сложности: где взять данные для проверки сгенерированных гипотез и как работать с результатами моделирования. С первой «Ростелеком» успешно справляется благодаря своей ИТ-культуре. Решение второй требует большого количества времени, так как необходимо разработать эффективные инструменты и приучить пользователя их использовать.

Команда проекта

Над проектом трудилась рабочая группа из четырех человек. Лидер проекта – Никита Черкасенко, директор департамента HRM - технологий и аналитики, руководитель проекта – Елена Летуновская. Аналитик-разработчик (Python) занимается разработкой модели и проверкой гипотез, Front-end разработчик дашборда: разрабатывает дашборд по визуализации результатов модели.

Результаты проекта

При запуске модели мы провели пилотный проект с одним из филиалов, и он показал свою эффективность: работая с результатами моделирования, нам удалось удержать 70% ключевых сотрудников, попавших в рисковую зону.  Затраты на поиск, привлечение, адаптацию и обучение новых сотрудников варьируются от 10% до 100% годового оклада, в зависимости от позиции. Таким образом, экономия исчисляется в миллиардах рублей.

Смотрите также: «Вектор»: как Ростех создает для себя базу проектов

Мы разрабатываем инструменты для перевода модели в класс прескриптивной аналитики. То есть сейчас алгоритмы показывают, что будет завтра, но решение по исправлению ситуации принимает человек – прескриптивная модель будет сама искать варианты по исправлению ситуации и предлагать наилучший. Мы стремимся к  оптимальным HR-решениям в динамичной среде: разрабатывать профили, управлять карьерой и жизненным циклом сотрудника, влиять на лояльность и производительность компании.

Сейчас мы разрабатываем инструменты анализа счастья и стресса сотрудников: с каким настроением сотрудник пришёл в офис, чего не хватает новичку, как и почему меняется качество внутреннего взаимодействия, у кого высокая вероятность выгорания и что мы можем сделать для предотвращения увольнения. Мы активно анализируем обратную связь сотрудников и разрабатываем цифровые инструменты поддержки, например, одна из последних разработок – бот-помощник для руководителя.

Фото Unsplash

При использовании материала гиперссылка на соответствующую страницу портала HR-tv.ru обязательна

Если в вашей компании были реализованы не менее интересные и эффективные проекты, расскажите о них на конференции WOW!HR 2021 .

{@ tpl tpl="feedback-form.tpl"}