Прогноз текучести персонала на основе тестов

Идеологический скорее пост.
О том, насколько точно мы можем прогнозировать текучесть на основе входных данных. Я построил прогноз текучести персонала на основе тестов (личностные опросники и тест способностей).
Картинка прогноза получилась вот такой

• По оси X - предсказанный стаж работы;
• ось Y - реальный стаж;
• красный и зеленый цвет точек означает статус работника - работает он еще или уже уволился (т.е. если работает, то стаж "не закрыт").

Точность модели - R^2 = 0. 046 или 4. 6 % дисперсии.
И по самой картинке точность модели хорошо читается без R^2. Хотя без цифр вообще можно предположить, что модель не работает. Но я ее покрутил через случайный лес и бустинг, могу утверждать, что факторы значимы, но качество такое, какой есть)
Для того, чтобы оценить реальное качество модели, рекомендую посмотреть этот пост Ключевые факторы удержания и текучести персонала

  Исследования компании Evolv показывают, что характеристики работника объясняют лишь 8 % дисперсии, мы накопали чуть меньше - 4,6 %, при этом у меня нет даже пола, возраста работника и т.п..

• Если говорить о содержательной стороне, то на текучесть влияет экстраверсия или, в более широком смысле - тип поведения, при котором работник открыт для общения, самоуверен, ориентирован больше на новые контакты и общение, чем на рутинную работу. 
• Соответственно, методичность, готовность выполнять рутину влияет на удержание. 
• Чувство ответственности и позитивное отношение к жизни удерживают людей в компании. 
• И чуть чуть влияют способности на удержание - естественно, люди с более высокими способностями)

Но я говорю о конкретном кейсе. Переносить его на свою компанию не рекомендую.
Хотя в пользу экстраверсии говорит данное исследование - Универсальный драйвер текучести персонала - это исследование открытое, наше исследование Ключевые факторы удержания и текучести персонала
Отсюда вывод: надо искать факторы текучести не внутри работника, а в том, что происходит между работником и компанией. Это вещи динамичные, трудносхватываемые, но если мы хотим попадать с прогнозом, мы должны учиться это делать.

Понравился пост?

если Вы захотите выразить мне благодарность за интересный пост, вы можете перевести небольшую сумму мне на Яндекс кошелек (кликните по кнопке Перевести) 

или сделать перевод на карту Сбербанка,

Номер карты 676 280 38 921 538 46 57 - укажите "за результаты исследования ". 

Или просто покликайте на директ рекламу ниже на странице - у вас это отнимет несколько секунд, а мне принесет немного денег. 

спасибо!