👥 HR-аналитика: удовлетворённость и отток сотрудников

ML-проект из двух связанных задач: регрессия (прогноз уровня удовлетворённости сотрудника) и классификация (прогноз увольнения), где предсказания первой модели используются как признак во второй.

Результат: обе модели превысили целевые пороги — SMAPE = 13.8 (порог ≤ 15) и ROC-AUC = 0.93 (порог ≥ 0.91).

📋 Задача

HR-отделу компании нужно заранее выявлять сотрудников с высоким риском ухода, чтобы принимать превентивные меры и снижать текучесть кадров. Для этого строятся две модели: первая оценивает уровень удовлетворённости работой (его сложно и дорого измерять опросами), вторая — используя в том числе этот прогноз — предсказывает вероятность увольнения.

📊 Данные

Данные компании о сотрудниках: должностной уровень, стаж, зарплата, загруженность, оценка руководителя, нарушения контракта, продвижения — и целевые переменные (удовлетворённость, факт увольнения). Предобработка и кодирование собраны в sklearn-пайплайны (OrdinalEncoder, OneHotEncoder, масштабирование).

Корреляционный анализ выполнен через phik — в отличие от корреляции Пирсона, он корректно работает с категориальными признаками и улавливает нелинейные связи, что критично для HR-данных, где большинство признаков категориальные. Сильнейшая связь с целевой переменной — у оценки руководителя (phik = 0.78): удовлетворённость сотрудника во многом формируется отношениями с руководством.

🧪 Задача 1. Регрессия: удовлетворённость (SMAPE ≤ 15)

Сравнение моделей по SMAPE на кросс-валидации (GridSearchCV); на тесте оценивалась только лучшая:

Модель	SMAPE
DecisionTreeRegressor (test)	13.8
Ridge (CV)	27.9
DummyRegressor, baseline (test)	38.3

Критерий выполнен, модель кратно превосходит константный бейзлайн.

🧠 Задача 2. Классификация: увольнение (ROC-AUC ≥ 0.91)

Подбор гиперпараметров для нескольких классификаторов по ROC-AUC (RandomizedSearchCV):

Модель	ROC-AUC (test)
RandomForestClassifier	0.929 (CV: 0.938)
Dummy (most frequent / stratified)	0.50

Наибольший вклад в прогноз увольнения: должностной уровень, стаж, предсказанная удовлетворённость, зарплата и взаимодействие «нагрузка × оценка руководителя».

💼 Выводы для бизнеса

• Около 80% уволившихся — сотрудники уровня junior со стажем до трёх лет → нужны программы адаптации и наставничества;
• Почти все уволившиеся не получали повышения за последний год → требуется прозрачная система карьерного роста;
• Зарплаты оставшихся в среднем на 50–60% выше, чем у уволившихся;
• Наибольший отток — в отделах sales и technology → приоритет для опросов и улучшения условий;
• Связка двух моделей работает как единый HR-инструмент: оцениваем удовлетворённость → прогнозируем риск ухода → действуем проактивно.

🛠 Стек

Python · pandas · NumPy · scikit-learn · phik · Matplotlib · Seaborn · Jupyter

🚀 Как запустить

git clone https://github.com/foxypandas/hr-ml-analysis.git
cd hr-ml-analysis
pip install -r requirements.txt
jupyter notebook notebooks/hr_ml_analysis_ru.ipynb

Датасет в репозиторий не включён

📁 Структура проекта

├── notebooks/     # основной ноутбук
├── images/        # графики
└── requirements.txt