基于SPSS Clementine探析員工離職影響因素

徐勤亞 劉文睿 張石敏

摘? 要：隨著21世紀知識經(jīng)濟的日益發(fā)展，人力資源成為企業(yè)發(fā)展的核心競爭力之一，對企業(yè)的興衰成敗起決定性作用，因此解決員工離職率這一難題對企業(yè)發(fā)展至關重要。本文使用SPSS Clementine數(shù)據(jù)挖掘軟件對員工離職數(shù)據(jù)進行處理，探究員工離職主要因素及原因。通過主要特征選擇模型、主成份分析模型和關聯(lián)規(guī)則Apriori算法，并結合散點圖、直方圖等對字段進行多維度分析，得出工資收入、是否加班、升職間隔時間、職業(yè)級別等是影響員工離職的主要影響因素，最后針對分析結果向有關部門提出合理性建議。

關鍵詞：數(shù)據(jù)挖掘;SPSS Clementine;員工離職

一、引言

隨著21世紀的發(fā)展，知識經(jīng)濟占主導地位，人才資源成為企業(yè)的核心競爭力之一，決定企業(yè)的興衰成敗。但是，員工的離職率一直是困擾企業(yè)的一個難題。鑒于此，結合數(shù)據(jù)挖掘軟件SPSS Clementine，對該問題的成因進行歸納分析，探究員工離職的主要影響因素及原因，從而提出可行的對策。

二、實驗數(shù)據(jù)來源及參數(shù)分析

（一）數(shù)據(jù)來源

本文的數(shù)據(jù)取自于開源平臺阿里云大數(shù)據(jù)眾智平臺——阿里云天池，共計27個字段，1100條記錄。

（二）參數(shù)分析

通過數(shù)據(jù)的缺失值和異常值等審核無誤后，對實驗數(shù)據(jù)中的主要字段作如下解析：

1、年齡：員工年齡;2、是否離職：員工是否已經(jīng)離職，0表示未離職，1表示已經(jīng)離職;3、商務差旅頻率：Non-Travel表示不出差，Travel_Rarely表示不經(jīng)常出差，Travel_Frequently表示經(jīng)常出差;4、所在部門：Sales表示銷售部，Research & Development表示研發(fā)部，Human Resources表示人力資源部;5、公司跟家庭住址的距離：從1到29，1表示最近，29表示最遠;6、員工的教育程度：從1到5，5表示教育程度最高;7、專業(yè)領域：Life Sciences表示生命科學，Medical表示醫(yī)療，Marketing表示市場營銷，Technical Degree表示技術學位，Human Resources表示人力資源，Other表示其他;8、工作環(huán)境滿意度：從1到4，1的滿意程度最低，4的滿意程度最高;9、性別：Male表示男性，F(xiàn)emale表示女性;10、工作投入度：從1到4，1為投入度最低，4為投入度最高;11、職業(yè)級別：從1到5，1為最低級別，5為最高級別;12、工作角色：Sales Executive是銷售主管，Research Scientist是科學研究員，Laboratory Technician實驗室技術員，Manufacturing Director是制造總監(jiān)，Healthcare Representative是醫(yī)療代表，Manager是經(jīng)理，Sales Representative是銷售代表，Research Director是研究總監(jiān)，Human Resources是人力資源;13、工作滿意度：從1到4，1代表滿意程度最低，4代表滿意程度最高;14、婚姻狀況：Single代表單身，Married代表已婚，Divorced代表離婚;15、月收入：范圍在1009到19999之間;16、曾經(jīng)工作公司數(shù)：員工曾經(jīng)工作過的公司數(shù);17、是否加班：Yes表示加班，No表示不加班;18、工資提高百分比：工資提高的百分比;19、績效評估：員工工作績效評估;20 關系滿意度：從1到4，1表示滿意度最低，4表示滿意度最高;21、總工齡：總共參加工作時間;22、培訓時長：上一年的培訓時長，從0到6，0表示沒有培訓，6表示培訓時間最長;23、工作生活平衡度：從1到4，1表示平衡程度最低，4表示平衡程度最高;24、在目前公司年數(shù)：在目前公司工作年數(shù);25、在目前工作職責年數(shù)：在目前工作職責的工作年數(shù);26、距離上次升職時長：距離上次工作升職的時間;27、跟管理者共事年數(shù)：跟目前的管理者共同工作年數(shù)。

三、具體分析及結果

由于所分析數(shù)據(jù)字段較多，因此對數(shù)據(jù)進行重要因素分析，根據(jù)模型判斷，將27個字段分為重要、一般重要和不重要三個等級，重要字段分別為：是否加班、總工齡、工作角色、婚姻狀況、年齡、職業(yè)級別、在目前工作職責年數(shù)、跟管理者共事年數(shù)、工作滿意度、工作投入度、工作環(huán)境滿意度、公司跟家庭住址距離、商務差旅頻率、距離上次升職時長、專業(yè)領域、所在部門、關系滿意度和工作生活平衡度，共計18個字段，接下來將主要從這些字段進行剖析。

結合主要特征選擇模型分析的結果，對重要字段構建主成份分析模型，總結出員工離職的關鍵指標。根據(jù)特征值大于1的原則，最終提取出5個主因子用于歸納員工離職因素，累積方差貢獻率為92.211%，可以較好的解釋整體情況。下面，結合主成份分析結果進行具體分析。

首先，對部門離職進行簡單分析，采用計數(shù)對每個部門的離職情況進行統(tǒng)計，可以發(fā)現(xiàn)，公司內人力資源部門較穩(wěn)定，離職人數(shù)少，研發(fā)部門離職人數(shù)最多，人員流動大，銷售部門的人員流失情況也較嚴重。

其次，探究工資收入、員工工作滿意度與離職的關系，將工作滿意度作為移動軸參數(shù)，制作三者的散點圖，通過調節(jié)移動軸，可以發(fā)現(xiàn)，離職的員工主要為工資<=5000元的群體，同時對于工資收入較低的員工多數(shù)工作滿意度也較低，最終導致離職，可見工資收入是影響離職的關鍵因素。

接著，探究距離上一次升職時長、工作投入度個和離職的關系，結合3D散點圖1，可以發(fā)現(xiàn)，在距離上次升職時長2-8年容易導致員工離職，未離職人員也出現(xiàn)明顯的工作投入度下降問題，因此，若員工長時間得不到發(fā)展空間，容易導致離職。

探究職業(yè)級別、是否加班、生活工作平衡度和離職的綜合關系，以顏色區(qū)分職業(yè)級別，移動坐標軸代表是否加班構建直方圖2和圖3，圖2代表不加班，圖3代表加班，通過對比，可以發(fā)現(xiàn)不論加班不加班，多數(shù)人可以將工作生活平衡度維持在3，處于較好狀態(tài)，但加班時，離職人數(shù)將增加，明顯表現(xiàn)在職業(yè)級別為1的員工，可見對于基層工作人員來說，加班是影響其離職的關鍵因素之一。

最后，探究不同年齡層的離職情況，源數(shù)據(jù)中年齡從18歲跨度到60歲，因此，對年齡進行分箱和重新分類，將其分為三個年齡層：青年、中年和中老年。

通過年齡層與離職分布圖可以看出，年紀較大的員工傾向于穩(wěn)定，離職情況少，青年人和中年人離職較多，分析原因，可能是青年人剛參加工作，希望尋求更多機會，需要發(fā)展空間，中年人對于收入和工作滿意度更有需求，同時具有一定的工作經(jīng)驗，如果需求得不到滿足，就有較大概率離職。

結合關聯(lián)規(guī)則Apriori算法對年齡層和離職做進一步分析，設置離職情況為后項，年齡層為前項，結果中置信度均超過73%以上，對于結果能夠較好地解釋，可得出結論，中年人和青年人更加容易離職，中年人是最容易離職的群體。

四、結論：

通過以上分析，可以發(fā)現(xiàn)各年齡層中，中年和青年員工較容易離職，其中，研發(fā)與銷售部門更容易人員流失，工資收入、是否加班、升職間隔時間、工作時間、工作環(huán)境、職業(yè)級別等因素會較大幅度影響員工的工作滿意度和工作參與度，進而導致離職，因此綜合分析結果，對企業(yè)提出如下建議：

（一）重視工作滿意度

工作滿意度是員工在工作中，對工作本身及工作環(huán)境、工作狀態(tài)、工作方式等有積極感受的心理狀態(tài)。企業(yè)應當針對不同類型的員工提供不同的方案，重視員工的需求，包括薪資、學習晉升等方面。

（二）建立合理的激勵機制

當員工工作績效較好時，企業(yè)應適當給予激勵，才能激發(fā)員工積極性，否則會降低員工的工作熱情，增加離職的可能性。物質激勵只能滿足物質需求，而精神激勵可以體現(xiàn)企業(yè)對員工的關愛與尊重，目前，很多企業(yè)的激勵方式已經(jīng)開始采用“以人為本”的方式，諸如員工生日聚會、員工旅游獎勵等。

（三）關注高離職率人群

對于新入職或入職不超過3-5年的員工，特別是受教育程度較高的新員工，應當重點關注其滿意度是否正常、薪水是否合理、工作時長是否過長，以減少人員流失，同時對于研發(fā)部門和銷售部門等人員流失量大的部門，要重點關注。

參考文獻：

[1]許青.利用Clementine對高校機房管理系統(tǒng)進行數(shù)據(jù)挖掘[J].赤峰學院學報（自然科學版），2018，34（07）：50-52.

[2]程代娣.Clementine數(shù)據(jù)挖掘工具在計算機等級考試成績中的應用[J].齊魯工業(yè)大學學報，2017，31（06）：52-56.

[3]王芙蓉.基于數(shù)據(jù)挖掘的CET-4成績分析與研究[D].寧夏大學，2016.

[4]劉麗敏，張學鋒.數(shù)據(jù)挖掘中的聚類算法在郵政快遞CRM中的應用[J].網(wǎng)絡安全技術與應用，2014（08）：8-9.

[5]郭宇紅，王路寧，毛玉琪.SPSS Clementine決策樹建模在圖書館中的應用[J].計算機時代，2014（04）：30-33.

[6]季聰華，曹毅，張穎，劉姍，王偉.基于SPSS Clementine軟件的關聯(lián)規(guī)則算法的應用[J].中醫(yī)藥管理雜志，2014，22（01）：31-33.

[7]張帆.基于Clementine的廣告客戶數(shù)據(jù)挖掘模型設計與實現(xiàn)[D].北京郵電大學，2010.

[8]劉利俊.利用Clementine進行試卷質量分析[J].現(xiàn)代計算機（專業(yè)版），2008（05）：115-117.

作者簡介：

徐勤亞（1998-），女，安徽省合肥市，本科，研究方向：信息管理與信息系統(tǒng)。

劉文睿（1999.10-），男，漢，安徽省合肥市，學生，學士;研究方向：人力資源管理。