Makine öğrenmesi yöntemleri ile tahminleme – demir çelik sektöründe bir uygulama

Firmalar, mevcut personeli elde tutmanın maliyetinin yeni bir personelin işe alınmasının maliyetinden daha düşük olduğundan, iş gören devir oranının düşük olmasını hedeflemektedir. Demir çelik sektörünün zorlu çalışma koşullarına sahip olmasından ötürü işten ayrılışların fazla olduğu göz önünde bulundurularak makine öğrenmesi algoritmaları kullanılmış ve işten ayrılma olasılığı bulunan personellerin tahminlenmesi amaçlanmıştır. Çalışmada, makine öğrenmesi algoritmaları, Knime ve Python programlama dili üzerinden uygulanmıştır. Veri seti, yaklaşık 16 yıllık süreçte, 2318 kişiye ait veriden ve 14 farklı nitelikten oluşmaktadır. Nitelikler, personellerin istifa etmesinde etkisi olduğu düşünülen özelliklerden seçilmiştir. Beş farklı makine öğrenmesi algoritması uygulanmış ve Knime uygulamasında %78,40 ve Python programlama dilinde %76,88 doğruluk oranı ile en başarılı tahminleme yapan, Rastgele Orman Algoritması olduğu gözlemlenmiştir. Rastgele Orman Algoritmasına göre işten ayrılmadaki en önemli nitelik sıralaması yapılarak, en önemli kriterlerin yaş ve kıdem olduğu görülmüştür. Rastgele Orman Algoritması ile Karar Ağacı üzerinden örnek elde edebilmek için varsayım yapılarak niteliklere değer verilmiş ve işten ayrılma potansiyelinin olup olmadığı değerlendirilmiştir. Bu çalışma sonucunda mevcut personelin işten ayrılma potansiyelinin olup olmadığı, işe alımda hangi kriterlere öncelik verilmesi gerektiği ve personelin işe devamlılığın sağlanması için alınması gereken aksiyon kararlarının verilmesi sağlanacaktır.