人工智能将你的离职想法扼杀在摇篮里

近期，IBM的CEO Ginni Rometty透露，目前已经在IBM的超级电脑Watson上研发了一套系统，能够预测员工何时打算离职，准确度高达95%。

文｜黄有娣

校对｜诗诗

图源｜网络

集微网消息，核心员工对企业发展起到极大的作用，核心员工的关键性指导带动企业的发展，为企业发展带来强大动力。

然而，企业的核心员工在一个企业长期工作以后或者因某些原因会产生离职的想法，核心员工的离职会给企业带来人力资本投资的损失，增加企业的人力资源的配置成本，同时会影响企业当前的发展。

因此，如何预测企业员工想离职的想法以及及时做出应对措施，成为各个企业的人力资源管理乃至企业发展中亟待解决的问题之一。

那最好的方式就是在员工有离职想法前把它扼杀在摇篮里，这听起来似乎很难做到，但随着人工智能的发展，这将不是难题！

近期，IBM的CEO Ginni Rometty透露，目前已经在IBM的超级电脑Watson上研发了一套系统，能够预测员工何时打算离职，准确度高达95%，而这套系统也为IBM每年节省了高达3亿美元用于留住员工的费用。

同时，通过云端运算服务和现代化的人工智能的效能，IBM 已经把人力资源部的员工精简了30%。留下来的员工可获得更高的薪水，做着价值更高的工作。

目前，IBM的这套人工智能系统并非只供内部使用，也提供给外部客户进行使用，自身发展的同时不忘带动其他企业的共同发展。

同时，小编经过了解，中国的企业的也申请了相关的专利，如：平安科技（深圳）有限公司就申请了一篇名为“员工离职的预警方法及相关装置”的专利（申请号：201810825916.9）。

到底怎么做到的呢？让我们一探究竟。

第一步：确定用于员工离职预警的离职属性条目。

其中离职属性条目包括但不限于员工基本信息、员工职位、员工工作任期、员工收入水平、员工绩效、员工最近一次升职时间间隔、员工奖惩项目、员工家庭住址、员工考勤、员工请假频率、登录求职网址频率中的一种或者多种的组合。

确定离职属性条目可从数据量较大的员工数据中选取有效信息作为员工离职预警的数据基础，包括员工离职预警模型训练的数据基础以及基于员工离职预警模型的离职应对信息预测的数据基础，可降低员工离职应对信息预测的数据处理量，提高员工离职应对信息的预测准确率。

第二步：获取与上述离职属性条目对应的离职员工样本数据，根据上述离职员工样本数据构建离职员工预警模型。

员工离职预警模型的建模数据可来源于目标企业的员工数据系统中的员工数据。

该目标企业的员工数据系统可为存储员工数据的数据管理系统，也可为监控员工在企业局域网上的数据收发记录的数据监控系统，基于该数据监控系统可采集并记录目标企业的员工数据。

获取得到员工离职预警模型的建模数据所构建的离职员工属性特征对之后，则可将上述员工属性特征对输入员工离职预警模型的初始网络模型中，通过上述初始网络模型对输入的员工属性特征对中包括的离职员工数据特征及其对应的离职应对信息的标签特征进行学习，得到具备输出任一员工数据特征对应的离职应对信息的能力的员工离职预警模型。

第三部：获取目标员工的员工数据中与上述离职属性条目对应的目标员工属性数据，将上述目标员工属性数据输入员工离职预警模型。

当目标企业需要对包括目标员工在内的某一部分的员工进行状态监控以及时掌握员工的离职动态以及可能的离职应对信息时，可获取目标企业的待测部分员工的员工数据，进而可基于上述获取得到的待测部分员工的员工数据构建各个员工对应的员工属性特征并输入员工离职预警模型。

通过员工离职预警模型对待测部分的各个员工属性特征进行学习并对应输出各个员工的预测离职应对信息。

第四部：基于上述员工离职预警模型确定出上述目标员工属性数据对应的目标离职应对信息。

基于上述目标员工属性数据构建得到目标员工属性特征之后，则可将上述目标员工属性特征输入员工离职预警模型，基于上述员工离职预警模型对上述目标员工属性特征进行学习，并确定出上述目标员工对应的离职应对信息。

根据目标员工的离职应对信息可及时掌握目标员工的离职动态，预防和/或应对目标员工的离职，可减少企业的人力资源管理成本，提高员工离职的挽留成功概率，进而可降低目标员工的离职给企业带来重大损失的风险。

了解了强大的高科技之后，以后还有产生离职的想法吗？在没产生离职想法之前，企业就已将你拿下！

END