基于SPSS Clementine探析员工离职影响因素

徐勤亚 刘文睿 张石敏

摘  要：随着21世纪知识经济的日益发展，人力资源成为企业发展的核心竞争力之一，对企业的兴衰成败起决定性作用，因此解决员工离职率这一难题对企业发展至关重要。本文使用SPSS Clementine数据挖掘软件对员工离职数据进行处理，探究员工离职主要因素及原因。通过主要特征选择模型、主成份分析模型和关联规则Apriori算法，并结合散点图、直方图等对字段进行多维度分析，得出工资收入、是否加班、升职间隔时间、职业级别等是影响员工离职的主要影响因素，最后针对分析结果向有关部门提出合理性建议。

关键词：数据挖掘;SPSS Clementine;员工离职

一、引言

随着21世纪的发展，知识经济占主导地位，人才资源成为企业的核心竞争力之一，决定企业的兴衰成败。但是，员工的离职率一直是困扰企业的一个难题。鉴于此，结合数据挖掘软件SPSS Clementine，对该问题的成因进行归纳分析，探究员工离职的主要影响因素及原因，从而提出可行的对策。

二、实验数据来源及参数分析

（一）数据来源

本文的数据取自于开源平台阿里云大数据众智平台——阿里云天池，共计27个字段，1100条记录。

（二）参数分析

通过数据的缺失值和异常值等审核无误后，对实验数据中的主要字段作如下解析：

1、年龄：员工年龄;2、是否离职：员工是否已经离职，0表示未离职，1表示已经离职;3、商务差旅频率：Non-Travel表示不出差，Travel_Rarely表示不经常出差，Travel_Frequently表示经常出差;4、所在部门：Sales表示销售部，Research & Development表示研发部，Human Resources表示人力资源部;5、公司跟家庭住址的距离：从1到29，1表示最近，29表示最远;6、员工的教育程度：从1到5，5表示教育程度最高;7、专业领域：Life Sciences表示生命科学，Medical表示医疗，Marketing表示市场营销，Technical Degree表示技术学位，Human Resources表示人力资源，Other表示其他;8、工作环境满意度：从1到4，1的满意程度最低，4的满意程度最高;9、性别：Male表示男性，Female表示女性;10、工作投入度：从1到4，1为投入度最低，4为投入度最高;11、职业级别：从1到5，1为最低级别，5为最高级别;12、工作角色：Sales Executive是销售主管，Research Scientist是科学研究员，Laboratory Technician实验室技术员，Manufacturing Director是制造总监，Healthcare Representative是医疗代表，Manager是经理，Sales Representative是销售代表，Research Director是研究总监，Human Resources是人力资源;13、工作满意度：从1到4，1代表满意程度最低，4代表满意程度最高;14、婚姻状况：Single代表单身，Married代表已婚，Divorced代表离婚;15、月收入：范圍在1009到19999之间;16、曾经工作公司数：员工曾经工作过的公司数;17、是否加班：Yes表示加班，No表示不加班;18、工资提高百分比：工资提高的百分比;19、绩效评估：员工工作绩效评估;20 关系满意度：从1到4，1表示满意度最低，4表示满意度最高;21、总工龄：总共参加工作时间;22、培训时长：上一年的培训时长，从0到6，0表示没有培训，6表示培训时间最长;23、工作生活平衡度：从1到4，1表示平衡程度最低，4表示平衡程度最高;24、在目前公司年数：在目前公司工作年数;25、在目前工作职责年数：在目前工作职责的工作年数;26、距离上次升职时长：距离上次工作升职的时间;27、跟管理者共事年数：跟目前的管理者共同工作年数。

三、具体分析及结果

由于所分析数据字段较多，因此对数据进行重要因素分析，根据模型判断，将27个字段分为重要、一般重要和不重要三个等级，重要字段分别为：是否加班、总工龄、工作角色、婚姻状况、年龄、职业级别、在目前工作职责年数、跟管理者共事年数、工作满意度、工作投入度、工作环境满意度、公司跟家庭住址距离、商务差旅频率、距离上次升职时长、专业领域、所在部门、关系满意度和工作生活平衡度，共计18个字段，接下来将主要从这些字段进行剖析。

结合主要特征选择模型分析的结果，对重要字段构建主成份分析模型，总结出员工离职的关键指标。根据特征值大于1的原则，最终提取出5个主因子用于归纳员工离职因素，累积方差贡献率为92.211%，可以较好的解释整体情况。下面，结合主成份分析结果进行具体分析。

首先，对部门离职进行简单分析，采用计数对每个部门的离职情况进行统计，可以发现，公司内人力资源部门较稳定，离职人数少，研发部门离职人数最多，人员流动大，销售部门的人员流失情况也较严重。

其次，探究工资收入、员工工作满意度与离职的关系，将工作满意度作为移动轴参数，制作三者的散点图，通过调节移动轴，可以发现，离职的员工主要为工资<=5000元的群体，同时对于工资收入较低的员工多数工作满意度也较低，最终导致离职，可见工资收入是影响离职的关键因素。

接着，探究距离上一次升职时长、工作投入度个和离职的关系，结合3D散点图1，可以发现，在距离上次升职时长2-8年容易导致员工离职，未离职人员也出现明显的工作投入度下降问题，因此，若员工长时间得不到发展空间，容易导致离职。

探究职业级别、是否加班、生活工作平衡度和离职的综合关系，以颜色区分职业级别，移动坐标轴代表是否加班构建直方图2和图3，图2代表不加班，图3代表加班，通过对比，可以发现不论加班不加班，多数人可以将工作生活平衡度维持在3，处于较好状态，但加班时，离职人数将增加，明显表现在职业级别为1的员工，可见对于基层工作人员来说，加班是影响其离职的关键因素之一。

最后，探究不同年龄层的离职情况，源数据中年龄从18岁跨度到60岁，因此，对年龄进行分箱和重新分类，将其分为三个年龄层：青年、中年和中老年。

通过年龄层与离职分布图可以看出，年纪较大的员工倾向于稳定，离职情况少，青年人和中年人离职较多，分析原因，可能是青年人刚参加工作，希望寻求更多机会，需要发展空间，中年人对于收入和工作满意度更有需求，同时具有一定的工作经验，如果需求得不到满足，就有较大概率离职。

结合关联规则Apriori算法对年龄层和离职做进一步分析，设置离职情况为后项，年龄层为前项，结果中置信度均超过73%以上，对于结果能够较好地解释，可得出结论，中年人和青年人更加容易离职，中年人是最容易离职的群体。

四、结论：

通过以上分析，可以发现各年龄层中，中年和青年员工较容易离职，其中，研发与销售部门更容易人员流失，工资收入、是否加班、升职间隔时间、工作时间、工作环境、职业级别等因素会较大幅度影响员工的工作满意度和工作参与度，进而导致离职，因此综合分析结果，对企业提出如下建议：

（一）重视工作满意度

工作满意度是员工在工作中，对工作本身及工作环境、工作状态、工作方式等有积极感受的心理状态。企业应当针对不同类型的员工提供不同的方案，重视员工的需求，包括薪资、学习晋升等方面。

（二）建立合理的激励机制

当员工工作绩效较好时，企业应适当给予激励，才能激发员工积极性，否则会降低员工的工作热情，增加离职的可能性。物质激励只能满足物质需求，而精神激励可以体现企业对员工的关爱与尊重，目前，很多企业的激励方式已经开始采用“以人为本”的方式，诸如员工生日聚会、員工旅游奖励等。

（三）关注高离职率人群

对于新入职或入职不超过3-5年的员工，特别是受教育程度较高的新员工，应当重点关注其满意度是否正常、薪水是否合理、工作时长是否过长，以减少人员流失，同时对于研发部门和销售部门等人员流失量大的部门，要重点关注。

参考文献：

[1]许青.利用Clementine对高校机房管理系统进行数据挖掘[J].赤峰学院学报（自然科学版），2018，34（07）：50-52.

[2]程代娣.Clementine数据挖掘工具在计算机等级考试成绩中的应用[J].齐鲁工业大学学报，2017，31（06）：52-56.

[3]王芙蓉.基于数据挖掘的CET-4成绩分析与研究[D].宁夏大学，2016.

[4]刘丽敏，张学锋.数据挖掘中的聚类算法在邮政快递CRM中的应用[J].网络安全技术与应用，2014（08）：8-9.

[5]郭宇红，王路宁，毛玉琪.SPSS Clementine决策树建模在图书馆中的应用[J].计算机时代，2014（04）：30-33.

[6]季聪华，曹毅，张颖，刘姗，王伟.基于SPSS Clementine软件的关联规则算法的应用[J].中医药管理杂志，2014，22（01）：31-33.

[7]张帆.基于Clementine的广告客户数据挖掘模型设计与实现[D].北京邮电大学，2010.

[8]刘利俊.利用Clementine进行试卷质量分析[J].现代计算机（专业版），2008（05）：115-117.

作者简介：

徐勤亚（1998-），女，安徽省合肥市，本科，研究方向：信息管理与信息系统。

刘文睿（1999.10-），男，汉，安徽省合肥市，学生，学士;研究方向：人力资源管理。