Поделиться
HR-платформа поможет спрогнозировать риск увольнений сотрудников
Студентка Глобального университета Рыбакова и МФТИ разрабатывает цифровую платформу AMSTEF, которая сможет спрогнозировать риски увольнения сотрудников и повысить эффективность управления персоналом в компаниях. Проект использует методы машинного обучения для анализа данных сотрудников и поможет HR-департаментам эффективнее управлять процессами удержания талантов, а также уменьшить убытки, связанные с текучестью кадров. Об этом CNews сообщили представители МФТИ.
Увольнения сотрудников вызывают значительные финансовые потери, в среднем до 2 млн руб. на одного сотрудника в небольших и средних компаниях, что связано с поиском, наймом и адаптацией новых сотрудников. Руководители подразделений регулярно сталкиваются с проблемой текучести кадров, приводящей к снижению эффективности командной работы и увеличению нагрузки на оставшихся сотрудников. А в малом бизнесе высокая текучесть приводит к убыткам, которые сильно сказываются на финансовой стабильности компании. Новый проект призван восполнить отсутствие инструментов для понимания настроения и удовлетворенности сотрудников в режиме реального времени, а также снизить прямые и косвенные затраты на замену сотрудников.
Проект AMSTEF расшифровывается как Advanced Machine-learning Solutions for Talent Engagement and Forecasting и использует методы машинного обучения для прогнозирования увольнений и работы с персоналом. Основной целью является предоставление HR-департаментам инструментов для анализа данных сотрудников, автоматизации процессов принятия решений и улучшения удержания талантов.
Интеллектуальная HR-платформа включает прогностическую модель для анализа срока работы и риска увольнения сотрудников, аналитические инструменты для визуализации данных и рекомендации по улучшению удержания, а также интеграцию с существующими HR-системами для удобного использования.
Продукт основан на методах машинного обучения: это прогностические модели, обученные на исторических данных сотрудников (ML-алгоритмы), анализ временных рядов для оценки динамики поведения сотрудников. Также будет реализована интеграция с BI-системами для визуализации и интерпретации данных.
В работе используются как собственные разработки команды, так и доступные алгоритмы анализа данных (например, библиотеки Python для ML).
По словам разработчиков, платформа обладает рядом конкурентных преимуществ - она выдает прогноз на основе уникального набора динамических и статических данных, обладает гибкостью, что дает возможность адаптации модели под потребности конкретной компании. Помимо этого, она проста во внедрении и может интегрироваться с популярными HRM-платформами, а также предоставляет практические рекомендации.
«Мы с командой заинтересовались этой темой, потому что видим, насколько сложно компаниям прогнозировать текучесть кадров и управлять удержанием сотрудников. В современных условиях бизнесу важно не только нанимать, но и сохранять людей, особенно ключевых специалистов. Хотя я не HR-специалист, у меня есть опыт работы с аналитикой данных, а также карьерного консультирования, когда я помогала людям находить работу и строить профессиональный путь. Это дало мне понимание, какие факторы влияют на решение сотрудника остаться или уйти. Кроме того, я активно изучаю механизмы принятия решений, влияющие на бизнес-процессы, и умею структурировать данные для эффективного анализа. В итоге мы решили, что можем создать инструмент, который поможет HR-специалистам лучше понимать своих сотрудников и минимизировать текучесть кадров», - сказала Дарья Анисимова, студентка магистратуры «Реализация технологических бизнес-проектов» Глобального университета Рыбакова и МФТИ.
На текущем этапе команда проекта ведет активную работу с потенциальными пользователями — HR-специалистами и руководителями. Проведены интервью с представителями разных компаний, чтобы понять их реальные боли и потребности. Это позволило авторам проекта выделить ключевые факторы, влияющие на увольнения сотрудников, и заложить основу модели прогнозирования. Сейчас собираются данные для тестирования алгоритмов и проверки гипотез.
Цель команды проекта AMSTEF — не просто создать предсказательную модель, но и сделать ее практичной и понятной для HR-специалистов.
Короткая ссылка
