今回は、企業の実データをもとに
「勤怠データから退職しそうな人を予測できるか？」
という課題について考えてみます。
※関連記事は「退職（予測）に関するデータ分析結果（まとめ）」よりご覧ください。
「勤怠データ」から「退職しそうな人」を予測できるか？
従業員が「退職」してしまうと、企業にとっては大きな利益損失につながります。
※前回記事の通り「1人の退職で年収相当の利益を損失している」可能性があります。
そこで、「退職しそうな人」を事前に予測し、認識のズレを補正したり、サポートを手厚くすることで、退職を防ぐ試みがいろいろと行われています。
今回はその中でも、「従業員の勤怠データ」から「退職しそうな人」を予測できるか分析してみます。
「勤怠データ」における「退職者」の特徴分析
まずは、「退職者」について「勤怠データ」に特徴があるか？を確認してみます。以下のグラフは、「退職」直前までの、退職者の「総労働時間の平均」のデータです。
今回の企業においては、
「退職者」は「退職5か月前」に過去の平均総労働時間の最低値（13か月前）を下回る
ことがわかります。
※「１～２か月前」になると、有給消化なども含んだ結果になります。
そのため、
「退職者」は退職前に労働時間が減る傾向がある
ということがいえます。
「勤怠データ」における「退職者」を予測できる？
次に、「勤怠データ」について「機械学習」を行い、「退職の予測」ができるか確認してみます。
予測するためのデータとして、
「労働時間」「休み回数」「早退回数」「遅刻回数」「休み明け遅刻回数」「出社時間」「退社時間」
を使用しました。
※ただし、「退職前１～３か月」のデータは、退職がすでに確定してしまっており、打ち手につなげられない可能性があるため、「退職前４か月以前」のデータのみを使用します。
約300人に対して、機械学習（AI）を行い、予測結果と実際の結果を以下の表にまとめました。(以降の数字は合計300人となるように丸めています)
上記では、
・「退職」と「在職」の正解率は88%（(1人+262人）/300人）
ですが、
・実際に退職した36人中1人しか、退職を予測できていない
結果となっており、未来予測としてはほとんど意味がない結果となりました。
次に、退職を予測できる人数が増えるように、機械学習の内容を調整して、再度分析をしてみます。
結果、
・退職者37人中8人の予測はできた
一方で、
・「退職と予測」した65人中、「実際に退職」した人は8人
しかおらず、実際の利用を考えると、ほぼ使えない結果になってしまいました。
結論として、
（今回の分析では）「勤怠データ」から「退職」を予測できない
という結果になりました。
まとめ
今回、
・「退職者」の「勤怠データ」には傾向がある
※「退職前に労働時間が減少する」など
・ただし、その特徴だけでは（今回の分析では）未来予測はできない
という結論になりました。
データ分析をしていると「統計的に傾向（＝有意差）がある」場合でも、「未来予測ができない」ことも多いです。
※例えば、1000人の会社で退職率10%（100人）の場合、退職者100人の20%（20人）、在職者900人の10%（90人）が【特徴X】である場合、統計的に【退職者は特徴Xを持っている傾向】がありますが、【特徴Xを持つ110人（20人+90人）の中から、退職者（20人）を見つけることは難しい】となります。
もちろん「特徴」はあるため、機械学習のアルゴリズムを工夫することで、未来予測できる可能性はゼロではないと考えています。
もし「勤怠データ」から「退職の未来予測」でよい結果が得られている方がいらっしゃいましたら、ぜひご意見を頂けますと嬉しく思います。
※以下の記事では、「退職の未来予測」が一定できた分析内容を紹介しています。
※執筆者：塚本鋭
東京大学・大学院において、複雑ネットワークや大規模シミュレーションに関する研究に従事。人工知能学会研究会優秀賞・東京大学工学系研究科長賞 等を受賞。 大学院修了後、株式会社野村総合研究所にコンサルタントとして入社し、ICT・メディア領域を担当。2013年1月より株式会社クラウドワークスに8番目の社員として参画し、2014年12月に上場を経験。データ分析・産官学連携を軸としながら、B2B事業立ち上げ、カスタマーサポート部門立ち上げ、子会社副社長等を歴任。2018年より現職。
