一、概述

项目数据来历：https://tianchi.aliyun.com/dataset/dataDetail?dataId=4574

数据阐明东西：本次案在例中，我所需要做的即是通过已有的信息举办预测员工将来的动向，即判定该员工将来是否会去职。个中练习数据主要包罗1100笔记录，31个字段。此次数据阐明所用到的东西有：excel，tableau

二、数据阐明根基步调

（1）明晰业务需求;

（2）数据收罗 ;

（3）数据处理惩罚

（4）数据摸索阐明（数据的描写性阐明）；

（5）综合数据阐明；

1. 明晰业务需求

面临公司留不住人，人员活动大等问题，本文对取自于“阿里天池”关于职工数据集的数据举办阐明，挖掘出哪些数据对付去职率有孝敬，预测哪些人最后会活动。

2. 数据收罗

项目数据集取自“阿里天池”，相关网址链接请参看概述。个中练习数据主要包罗1100笔记录，31个字段。主要字段说明如下：

（1）Age：员工年数（1暗示已经去职，2暗示未去职，这是方针预测值）

（2）Attrition：员工是否已经去职（Non-Travel暗示不出差，Travel_Rarely暗示不常常出差，Travel_Frequently暗示常常出差）

（3）BusinessTravel：商务差旅频率（Sales暗示销售部，Research & Development暗示研发部，Human Resources暗示人力资源部）

（4）Department：员工地址部分（Sales暗示销售部，Research & Development暗示研发部，Human Resources暗示人力资源部）

（5）DistanceFromHome：公司跟家庭住址的间隔，（从1到29，1暗示最近，29暗示最远）

（6）Education：员工的教诲水平（从1到5，5暗示教诲水平最高）

（7）EducationField：员工所进修的专业规模（Life Sciences暗示生命科学，Medical暗示医疗，Marketing暗示市场营销，Technical Degree暗示技能学位，Human Resources暗示人力资源，Other暗示其他）

（8）EmployeeNumber：员工号码；

（9）EnvironmentSatisfaction：员工对付事情情况的满足水平（从1到4，1的满足水平最低，4的满足水平最高）

（10）Gender：员工性别（Male暗示男性，Female暗示女性）；

（11）JobInvolvement：员工事情投入度（从1到4，1为投入度最低，4为投入度最高）

（12）JobLevel：职业级别（从1到5，1为最初级别，5为第一流别）

（13）JobRole：事情脚色 （Sales Executive是销售主管，Research Scientist是科学研究员，Laboratory Technician尝试室技能员，Manufacturing Director是制造总监，Healthcare Representative是医疗代表，Manager是司理，Sales Representative是销售代表，Research Director是研究总监，Human Resources是人力资源）

（14）JobSatisfaction：事情满足度（从1到4，1代表满足水平最低，4代表满足水平最高）

（15）MaritalStatus：员工婚姻状况（Single代表只身，Married代表已婚，Divorced代表仳离）

（16）MonthlyIncome：员工月收入（范畴在1009到19999之间）

（17）NumCompaniesWorked：员工曾经事情过的公司数

（18）Over18：年数是否高出18岁

（19）OverTime：是否加班（Yes暗示加班，No暗示不加班）

（20）PercentSalaryHike：人为提高的百分比

（21）PerformanceRating：绩效评估

（22）RelationshipSatisfaction：干系满足度（从1到4，1暗示满足度最低，4暗示满足度最高）

（23）StandardHours：尺度工时

（24）StockOptionLevel：股票期权程度

（25）TotalWorkingYears：总工龄

（26）TrainingTimesLastYear：上一年的培训时长（从0到6，0暗示没有培训，6暗示培训时间最长）

（27）WorkLifeBalance：事情与糊口均衡水平（从1到4，1暗示均衡水平最低，4暗示均衡水平最高）

（28）YearsAtCompany：在今朝公司事情年纪

（29）YearsInCurrentRole：在今朝事情职责的事情年纪

（30）YearsSinceLastPromotion：间隔上次升职时长

（31）YearsWithCurrManager：跟今朝的打点者共事年纪

3. 数据清洗

我们利用的数据是excel文件名目，个中自变量30个，因变量为1个（是否去职）。

数据集字符型字段有7个（BusinessTravel/ Department/EducationField/Gender/JobRole/MaritalStatus/Over18/OverTime）数值型字段有24个。

个中将单一变量删除（年满18岁、尺度工时、员工编号为常量），部门数值变量<=3的字段也删除，此类数据对付阐明预测不具有代表性。

同时调查数据，针对字段值不满一年的数据均用0取代，没有缺失值, 因此不消处理惩罚缺失值.

对付记录来说, 其没有独一标识的字段, 因此会存在反复记录, 这里采纳“反复值处理惩罚”和“数据一致化”处理惩罚；

通过tableau作图调查各自变量对是否去职影响水平巨细，

图一：删除单一变量&常量

4. 数据领略

我们利用的数据是EXCEL数据文件名目，个中自变量30个，因变量为是否去职。下表对所有变量举办了说明，以便更好的领略数据。

5. 数据摸索性阐明

（1）人力资源总体环境

去职人员178人，占比16.18%；在职人员922人，占比83.82%

（2）职工年数，性别与是否去职的干系

由下图可以看出，去职人员偏年青化，峰值呈此刻28-32岁，个中男性去职人数大于女性人数。

（3）职工婚况，离家间隔与是否去职的干系