基于组合赋权和改进TOPSIS法的新生代知识型员工离职预警模型研究

基于新生代知识型员工离职率居高不下的现状,从个体因素、组织因素、工作因素、宏观环境因素四个方面选取了新生代知识型员工离职预警指标,采用FAHP与信息熵相结合的方式确定了各预警指标的权重,并将改进的TOPSIS法与3σ理论相结合,构建了新生代知识型员工离职预警模型,最后结合223份调查问卷对模型进行了验证,准确率达到82.5%,表明该模型具有较好的预警效果。

IT项目成员离职预警模型研究

IT项目成员的高离职率成为了企业关注的焦点。降低项目成员离职率,完善成员离职预警管理体系,对企业来说有着非常重要的意义。首先根据IT项目成员的特点设计了离职预警指标体系,然后通过对统计数据的分析和拟合,得出了IT项目成员离职预警模型,并对模型及其因素进行了显著性检验;最后,对计算结果进行了分析并得出结论。

基于Fisher判别函数的酒店员工离职预警研究

基于马氏距离平方,构建了Fisher判别函数,应用Fisher判别函数对酒店员工离职数据进行模拟判别,验证了判别函数在识别员工离职倾向上的有效性;根据被调查的6位员工的满意度数据,对他们的离职倾向进行了预测.

大数据时代HRM的新变革

本文以绩效为导向利用神经网络模型分析绩效影响因素和权重,辅助招聘高绩效的员工;利用logistic回归模型分析已离职员工数据,挖掘员工离职影响因素,对在职员工进行离职倾向预测,根据离职概率大小和离职影响因素来采取针对性的挽留措施。最后介绍了大数据在"人资分析"方面应用的案例。