[삼성 SDS Brightics 서포터즈] #13_개인 프로젝트_직원 이직률① 데이터 선정

안녕하세요!

Brightics 서포터즈 3기입니다!

 

저번 주까지는 팀 프로젝트를 진행했었는데요

이번 주부터 약 6주간은 개인 프로젝트를 진행할 예정입니다!

6주간 제 계획은

 

1주 - 데이터 선정 및 분석 개요

2주 - EDA

3주 - 데이터 전처리

4주 - 데이터 전처리 및 데이터 모델링

5주 - 모델링

6주 - 결과 정리

 

로 진행하려 합니다!

 

그럼 개인 프로젝트 1주차 시작해볼까요?

---

1. 배경

 

최근, 회사를 이직하는 비율이 점차 늘어난다는 기사를 본 적이 있습니다.

이를 직접 확인해보기 위해 관련 자료를 찾아보았습니다!

 

출처 : https://peoplemanagingpeople.com/articles/employee-retention-statistics/

 

상단의 표를 참고하면

2021년 1월 ~ 2021년 12월까지

전체 직업군 단위 그만둔 비율이 증가하는 것을 알 수 있었습니다.

 

출처 : https://financesonline.com/employee-turnover-statistics/

상단의 분석자료는 2021년 이직률 분석 자료입니다.

 

평균 이직률은 20%이며,

직군별 상이하지만  e-commerce 직군이 30.7%로

평균 이직률이 높은 것을 확인할 수 있었습니다.

 

또한 1-3년 동안 일한 직원들의 사직서 제출 비율이

45%로 가장 높다고 합니다.

 

---

해당 자료들을 찾아보며

이직률이 높은 것이 어떤 요인으로 발생하는 것인지 궁금해졌습니다!

 

---

2. 데이터 분석 목적

 

저는 탐색한 배경을 근거로

 

Test 집단의 이직률 예측 및
이직한 사람들의 이직 요인 파악

으로 분석 목적을 선정하였습니다!

 

---

3. 데이터셋 선정

 

데이터셋은 캐글의

'Employee Turnover' 데이터셋을 이용하여 분석하려 합니다!

Employee Turnover

 

3-1. 데이터 구성

Columns	Description
stag	재직 기간(경험 시간)
gender	성별
age	나이
industry	산업군
profession	직업
traffic	어떤 경로로 회사에 들어왔는지
coach	수습 기간 중 코치의 존재 여부
head_gender	supervisor 성별
greywage	백색 급여(계약서에 명시된 급여) / 회색 금여 (계약서 명시 급여 + 문
way	출근 방법(버스 or 차 or etc)
extraversion	외향성 점수
independ	독립 점수
selfcontrol	자기 통제 점수
anxiety	불안 점수
novator	novator 투자회사 점수
event	직원 이직 여부(0,1)

데이터 칼럼은 총 16개로 되어있으며

event 칼럼은 Y,

이외의 칼럼은 X로 구성되어 있습니다.

---

이번 주는 간단히 어떤 데이터로 분석할지

배경 조사와 분석의 목적, 데이터셋 선정을 마무리하였습니다!

 

다음 주에는 해당 데이터의 EDA 포스팅으로 돌아오겠습니다 :)

 

* 본 포스팅은 삼성 SDS Brightics 서포터즈 3기 활동의 일환으로 작성하였습니다 *