HR Insights - Logistic Regression

Dataset Walkthrough

Περιγραφή Dataset & Μεταβλητών

Το Dataset: HR Analytics (Employee Retention)

Το συγκεκριμένο σύνολο δεδομένων αφορά την ανάλυση του ανθρώπινου δυναμικού μιας εταιρείας και στοχεύει στην κατανόηση των παραγόντων που οδηγούν στην αποχώρηση των εργαζομένων (Employee Churn).

Σκοπός του Case Study

Ο κύριος στόχος είναι η δημιουργία ενός μοντέλου Λογιστικής Παλινδρόμησης που θα προβλέπει την πιθανότητα ένας υπάλληλος να εγκαταλείψει την εταιρεία (εξαρτημένη μεταβλητή: Left ή Retention), επιτρέποντας στη διοίκηση να λάβει προληπτικά μέτρα.

Data Preview

rmarkdown::paged_table(hr_data)

Μεταβλητές ανά Θεματική Περιοχή

😊 Ικανοποίηση & Αξιολόγηση

• satisfaction_level: Το επίπεδο ικανοποίησης του υπαλλήλου (0 έως 1).
• last_evaluation: Η βαθμολογία της τελευταίας αξιολόγησης του υπαλλήλου από την εταιρεία.

📊 Φόρτος Εργασίας & Προϋπηρεσία

• number_project: Ο αριθμός των έργων (projects) στα οποία έχει συμμετάσχει ο υπάλληλος.
• average_montly_hours: Ο μέσος όρος ωρών εργασίας του υπαλλήλου ανά μήνα.
• time_spend_company: Τα έτη παραμονής του υπαλλήλου στην εταιρεία.

🏢 Εταιρικό Προφίλ & Εξέλιξη

• Work_accident: Δυαδική μεταβλητή (0 ή 1) που δείχνει αν ο υπάλληλος είχε εργατικό ατύχημα.
• promotion_last_5years: Δείχνει αν ο υπάλληλος έλαβε προαγωγή τα τελευταία 5 έτη (0 = Όχι, 1 = Ναι).
• Department: Το τμήμα στο οποίο εργάζεται (π.χ. sales, technical, support, κ.λπ.).

💰 Οικονομικά Στοιχεία & Στόχος

• salary: Το επίπεδο του μισθού κατηγοριοποιημένο σε low, medium, και high.

• left (Target Variable): Η μεταβλητή που θέλουμε να προβλέψουμε. Δείχνει αν ο υπάλληλος αποχώρησε (1) ή παρέμεινε (0) στην εταιρεία.

Εύρεση και Ερμηνεία Σχέσεων Μεταβλητών

Σε πρώτο επίπεδο, έχει σημασία να εντοπίσουμε μεταβλητές που δείχνουν να σχετίζονται κατά πολύ με την εξαρτημένη μας μεταβλητή (left - αποχώρηση).

• Συσχετίσεις με Μετρήσιμες Ανεξάρτητες Μεταβλητές

  Από τις ποσοτικές μεταβλητές, επιλέγουμε να διερευνήσουμε το επίπεδο ικανοποίησης εργαζομένου (satisfaction_level) και την τελευταία βαθμολογία αξιολόγησης του (last_evaluation), καθώς μπορεί να υποτεθεί ότι καθορίζουν το εάν ένας υπάλληλος θα μείνει σε μία εταιρεία ή όχι.

  library(ggplot2)
  
  # Boxplot για το Last Evaluation
  ggplot(hr_data, aes(x = as.factor(left), y = last_evaluation, fill = as.factor(left))) +
    geom_boxplot(alpha = 0.7) +
    scale_fill_manual(values = c("#3498db", "#e67e22"), labels = c("Παρέμεινε", "Αποχώρησε")) +
    labs(title = "Κατανομή Βαθμολογίας Αξιολόγησης ανά Κατάσταση Παραμονής",
         x = "Κατάσταση (0: Παρέμεινε, 1: Αποχώρησε)",
         y = "Score Τελευταίας Αξιολόγησης",
         fill = "Κατηγορία") +
    theme_minimal()

  

  Όπως φαίνεται παραπάνω, τα υψηλότερα σκορ στις αξιολογήσεις τα φέρουν αυτοί οι οποίοι τελικά αποχωρούν από την εταιρεία, καθώς οι μισοί εκ των αποχωρούντων λαμβάνουν βαθμολογίες από 0.8 περίπου και άνω, ενώ οι αντίστοιχες βαθμολογίες όσων παραμένουν κυμάινονατι περί το ένα δέκατο της μονάδας πιο χαμηλά. Η μέση βαθμολογία είναι παρόμοια και για τις δύο ομάδες, γεγονός που δείχνει ότι η απόδοση από μόνη της δεν προεξοφλεί την αποχώρηση.Επιπλέον, παρατηρείται αυξημένη διασπορά στους υπαλλήλους που έφυγαν. Αυτό υποδηλώνει ότι η εταιρεία χάνει δύο τύπους εργαζομένων: τους Low Performers (πιθανή απομάκρυνση λόγω απόδοσης) και τους High Performers (πιθανή αναζήτηση καλύτερων ευκαιριών). Τέλος μπορούμε να πούμε βάσει του διαγράμματος ότι οι υπάλληλοι που παραμένουν έχουν πιο συγκεντρωμένες βαθμολογίες γύρω από τον μέσο όρο.

  ggplot(hr_data, aes(x = satisfaction_level, fill = as.factor(left))) +
    geom_density(alpha = 0.5) + # Το alpha κάνει τα χρώματα ημιδιαφανή για να φαίνεται η επικάλυψη
    scale_fill_manual(values = c("#3498db", "#e67e22"), 
                      labels = c("Παρέμεινε", "Αποχώρησε")) +
    labs(title = "Κατανομή Πυκνότητας Ικανοποίησης",
         x = "Επίπεδο Ικανοποίησης",
         y = "Πυκνότητα",
         fill = "Κατάσταση") +
    theme_minimal()

  

  Το διάγραμμα πυκνότητας (Density Plot) αποκαλύπτει μια ξεκάθαρη πόλωση μεταξύ των δύο ομάδων. Για την Ομάδα Παραμονής (Πράσινο), η κατανομή συγκεντρώνεται σε υψηλά επίπεδα ικανοποίησης (0.6-0.9), υποδηλώνοντας ότι η σταθερότητα συνδέεται άμεσα με τη θετική εργασιακή εμπειρία. Στην Ομάδα Αποχώρησης (Κόκκινο): εντοπίζουμε τρεις διακριτές κορυφές. Η κυρίαρχη εντοπίζεται σε εξαιρετικά χαμηλά επίπεδα (<0.15) ενώ μια δεύτερη γύρω στο 0.4, επιβεβαιώνοντας ότι η χαμηλή ικανοποίηση είναι ο βασικός μοχλός φυγής. Συνεπώς, αντιλαμβανόμαστε ότι η επικάλυψη των δύο κατανομών είναι μικρή, καθιστώντας το επίπεδο ικανοποίησης των εργαζομένων ως την πιο αξιόπιστη μεταβλητή για το μοντέλο μας, καθώς διαχωρίζει με μεγάλη ακρίβεια τις δύο κατηγορίες υπαλλήλων.

  
  

• Διερεύνηση μη Ποσοτικών Μεταβλητών

  Παρατηρώντας τις εν λόγω μεταβλητές, μπορούμε να διακρίνουμε ως πιο ενδιαφέρουσες για την εταιρεία που διερευνούμε τον μισθό και το τμήμα απασχόλησης των υπαλλήλων.

  ggplot(hr_data, aes(x = salary, fill = as.factor(left))) +
    geom_bar(position = "fill") +
    scale_y_continuous(labels = scales::percent) +
    scale_fill_manual(values = c("#3498db", "#e67e22"), 
                      labels = c("Παρέμεινε", "Αποχώρησε")) +
    labs(title = "Ανάλυση Αποχώρησης ανά Επίπεδο Μισθού",
         x = "Μισθός",
         y = "Ποσοστό (%)",
         fill = "Κατάσταση") +
    theme_minimal()

  

  Η ανάλυση του γραφήματος για τον μισθό (salary) αναδεικνύει την ισχυρή επίδραση των οικονομικών απολαβών στην παραμονή του προσωπικού:

  • Χαμηλός Μισθός (Low): Παρουσιάζει το μεγαλύτερο ποσοστό αποχώρησης (σχεδόν 30%). Οι υπάλληλοι σε αυτή την κατηγορία είναι οι πλέον ευάλωτοι στην έξοδο, πιθανώς λόγω αναζήτησης καλύτερων οικονομικών όρων.

  • Υψηλός Μισθός (High): Η αποχώρηση είναι ελάχιστη (κάτω από 10%), αποδεικνύοντας ότι οι υψηλές απολαβές λειτουργούν ως ισχυρός παράγοντας συγκράτησης (retention factor).

  • Συμπέρασμα: Ο μισθός αποτελεί καθοριστική κατηγορική μεταβλητή. Η σταδιακή μείωση του ποσοστού αποχώρησης όσο αυξάνεται το μισθολογικό επίπεδο επιβεβαιώνει την ανάγκη συμπερίληψής του στο μοντέλο λογιστικής παλινδρόμησης για την ακριβή πρόβλεψη του κινδύνου φυγής.

  library(ggplot2)
  
  ggplot(hr_data, aes(y = Department, fill = as.factor(left))) +
    geom_bar(position = "fill") +
    scale_x_continuous(labels = scales::percent) +
    scale_fill_manual(values = c("#3498db", "#e67e22"), 
                      labels = c("Παρέμεινε", "Αποχώρησε")) +
    labs(title = "Ποσοστό Αποχώρησης ανά Τμήμα",
         x = "Ποσοστό (%)",
         y = "Τμήμα",
         fill = "Κατάσταση") +
    theme_minimal()

  

  Η ανάλυση ανά τμήμα δείχνει ότι η αποχώρηση δεν κατανέμεται ομοιόμορφα, αναδεικνύοντας διαφορετικές εργασιακές δυναμικές:

  • Τμήματα Υψηλού Κινδύνου: Τα τμήματα Sales, Technical και Support παρουσιάζουν τα υψηλότερα ποσοστά αποχώρησης. Η φύση αυτών των ρόλων, που συχνά συνδέεται με υψηλή πίεση και άμεση επαφή με πελάτες, φαίνεται να ενισχύει την τάση φυγής.

  • Τμήματα Σταθερότητας: Το Management και το RandD εμφανίζουν τη μεγαλύτερη συγκράτηση προσωπικού, γεγονός που υποδηλώνει υψηλότερη ικανοποίηση ή ισχυρότερα κίνητρα παραμονής.

  • Συμπέρασμα: Η μεταβλητή Department λειτουργεί ως δείκτης του εργασιακού περιβάλλοντος. Η διαφοροποίηση των ποσοστών επιβεβαιώνει ότι ο κίνδυνος αποχώρησης επηρεάζεται σημαντικά από το τμήμα στο οποίο ανήκει ο υπάλληλος, καθιστώντας την απαραίτητη για το μοντέλο μας.