大数据
精确度
离职预坼升积预溯
图员工升职与离职预测的精确度一召回率曲线
对于离职而言,我们仅通过互动网络中的角色上,而是应该借助数据科学成为一
的节点重要性指标来预测最为准确,预测准个组织最为重要的决策机构。
确度约为.。这说明仅仅依靠互动网络的
信息,就能将超过一半的离职员工提前预测参考文献
出来。对于升职而言,仅通过社会网络中的
,.大数据时代:
节点重要性指标来预测最为准确,准确度约
生活、工作、,周涛译.
为.。所以,从预测准确性上来看,离职
杭州:浙江人民出版社,
的可预测性远远高于升职的可预测性。究, .:
其原因,离职更多地取决于员工相对自由的
个人决定,而升职一般取决于公司职位空缺, , .
,.:
和人士安排等诸多因素,不是一个人单凭努
’,
力就可以升职的,这导致了升职预测本身就
【】, , , 口.
不容易。两个网络对于升职和离职都有很
好的预测能力,总体来说,工作任务网络对.:.,
于预测离职效果更好,而社交网络对于预测,。,
升职效果更好。暗示离职的员工很可能是业Ⅱ.
.
务能力不高,而升职则需要长袖善舞,有相
,,:~
当的社交能力。图为员工升职与离职预
】.
测的精确度一召回率—. ,
曲线,具体计算方法依据参考文献【】。图,:
为离职预测,图为升职预测。~ :
圈为采用社会网络指标,方格为采用互动网科学出版社,
. . 一~
络指标,三角形为采用耦合网络指标。
.:,
“
一切都被记录,一切都被数字化”。
.
在大数据时代,人力资源管理作为人才和.:,
资源的分配管理者,不应该仅停留在辅助口
大数据导航人力资源管理-论文 来自淘豆网m.daumloan.com转载请标明出处.
