公司簡介
資本額約6億新台幣；員工人數約400人
困境
- 如何降低員工離職率，找出員工離職的徵兆
目標
- 預測員工離職意願關鍵要素，提昇人力資源部門之人力管理效益
成效
- 透過將近20萬筆的離職員工資料，以隨機森林模型發展出99.93%準確率之離職模型，並運用於實務預測上
- 找出離職意願關鍵要素，並針對關鍵要素實際實施改革措施
技術應用
樹狀模型機器學習技術
Mixed effect模型
各類視覺化分析技術
案例剖析
假設驅動研究（Hypothesis-Driven Research）與資料驅動研究（Data-Driven Research）
2019年4月9日，新聞媒體出現了一則報導「IBM AI預測員工離職機率：正確率 95%，年省9億台幣留才費！」，正如標題所描述的，IBM開發出一套系統，能精準地在員工離職之前，預測他（她）何時即將離職，這樣IBM就能提前出手，挽留員工或者完成人力調度。根據IBM的估算，這套預測系統每年為公司節省9億新台幣，成效卓越。
儘管在該篇文章中，並未詳細說明離職預測模型建置的原理，只強調是透過人工智慧AI的方式來進行。事實上，目前可預測員工離職的方法越來越多，但這一篇文章我們先不討論人資單位如何預測哪些員工可能離職。我們打算先以「如何降低離職率」為例，讓大家了解一下傳統社會科學常用的方法論（又稱「假設驅動研究（Hypothesis-Driven Research）」），以及大數據分析所使用的方法論（又稱「資料驅動研究（Data-Hypothesis-Driven Research）」），有何不同。
首先我們回顧一下，以往要研究如何降低離職率，會如何進行？一開始，我們會先試著站在巨人的肩膀上，回顧一下現有的文獻，看看針對這個議題，有哪些已經發表過的文獻可以參考。上網搜尋後可發現，過去40多年，不斷有學者提出離職模型，例如：Mobley（1979）、Steers Mowday（1979）、Price-Mueller（1981）…等。如圖1、2、3所示。
圖1. Mobley（1979）等人之離職模型（繪圖者：彭煖蘋）
圖2. Steers & Mowday（1979）之離職模型（繪圖者：彭煖蘋）
圖3. Price-Mueller（1981）之離職模型（繪圖者：彭煖蘋）
我們從以上三個例子可以看到，學者在發展模型的過程中，通常會先進行文獻探討，臚列出造成離職的可能動機（自變數），然後發展假設，再經由研究設計、抽樣設計、透過對樣本資料進行分析，驗證假設是否成立。而後續接手同一議題的學者則就自己的觀察，對之前研究者所發展出的模型，進行批判與補充，如此反覆循環。最終，這些模型透過各種假設的推論與驗證，並經後續學者們不斷地優化，漸漸地將離職模型的全貌勾勒出來。而這些模型發展的過程，就是傳統社會科學常用的方法論，又稱為「假設驅動研究（Hypothesis-Driven Research）」。
至於何謂「資料驅動研究（Data-Hypothesis-Driven Research）」。2009年Google於Nature發表了一篇文章「Detecting influenza epidemics using search engine query data」，內容談到Google透過分析5,000萬個使用者常用的搜尋字串，同時比對2003年到2008年間季節性流感的傳播資料，進而發展出預測流感的模型。為了對流感進行預測，Google陸續建立了4.5億個不同的數學模型，作法上要比過去傳統的模型更加精準。而以上的方法論即為「資料驅動研究（Data-Driven Research）」。
回到「如何降低離職率」這個議題上，要降低員工離職率，最佳的方式可能是想辦法預測同仁何時可能會離職，進而讓主管在同仁離職之前，就能先行加以挽留，並藉此讓優秀同仁留下來。
以「資料驅動研究」的概念為基礎，筆者藉由公司的人資資料，發展出離職預測模型。在發展模型的過程中，相關變數包括基本資料、人資資料、績效表現資料等共41項，內容如：部門、職位、性別、學歷、每日遲到分鐘數、遲到次數、請假、考績等，分析約20萬筆（項）紀錄。並採用隨機森林（Random Forest）為工具進行分析。而為了衡量模型的預測效能，將資料隨機切分成70%的訓練資料集（Calibration Sample），以及30%的驗證資料集（Holdout Sample），做為模型檢驗。
圖4. 運用隨機森林建立預測模型（繪圖者：鍾皓軒）
根據預測模型，我們挑選出「考績」、「月遲到分鐘數」、與「年齡」是公司整體離職的重要特徵（關於這一部分，每家企業可能會有很大差異。一位曾經為台灣某家世界級企業做過類似專案的教授就曾分享，影響該公司離職率最大的變數是「請假」）。
這項發現，在「考績」與「年齡」上並沒有太大的驚喜，畢竟各行各業「考績」差、「年齡低」的員工離職率較高實屬常態。但是「月遲到分鐘數」的重要性竟然高過「年齡」等其他變數，就值得進一步探討。先撇開學術研究不談，這樣的結果，對各單位的主管來說，除了可讓主管發現個別員工可能離職的前兆（例如：月遲到分鐘數高的人），同時也可發現哪些員工已經接近自願性離職的邊緣（考績差、月遲到分鐘數高、年齡低的同仁）。
以上資料驅動研究（Data-Driven Research）乃是透過「資料庫知識探索（Knowledge Discovery in Database,簡稱KDD）」的方法來進行。在做法上，KDD透過訂定目標、建立目標資料集、資料清理與前置處理、資料轉換、選擇資料探勘方法、選擇資料探勘演算法、資料探勘（data mining）、解釋探勘模式和鞏固發現的知識等步驟找出預測模型。
從以上離職模型的探討中我們可以發現，「假設驅動研究（Hypothesis-Driven Research）」著重在員工離職的心理動機，而「資料驅動研究（Data-Hypothesis-Driven Research）」則以員工在職場上實際工作所呈現的資料，做為研究內容，而這也是兩者最大的差異所在。
