فهرست نشریات علمی دسترسی آزاد ایران

هدف: این مقاله در نظر دارد تا با تجزیه و تحلیل داده‌های مرتبط با نیروی کار یک فروشگاه‌های زنجیره‌ به پیش‌بینی ترک شغل نیروها و بررسی عوامل فردی و سازمانی (شغلی) موثر بپردازد. روش‌شناسی: تعداد 17542رکورد اطلاعاتی منحصر به فرد شامل اطلاعات وضعیت فعالیت فرد (ادامه فعالیت یا ترک شغل) و 12 مشخصه فردی و شغلی در بازه زمانی آبان 1398 الی 1401 بکار گرفته شد و سپس به روش داده‌کاوی و با استفاده از الگوریتم‌های یادگیری ماشین درخت تصمیم و ماشین بردار پشتیبان (SVM) به پیش‌بینی ترک شغل نیروی کار در این فروشگاه زنجیره‌ای بصورت پایلوت در سراسر کشور پرداخته شد. یافته‌ها: نتایج بدست آمده نشان دادند که ویژگی‌ها و مشخصه‌های شغلی تأثیر بیشتری بر ترک شغل دارند. بطور مشخص، از بین ویژگی‌های مختلف تعداد جابجایی نیروها، سمت سازمانی (صف یا ستادی)، سنوات خدمت و ساعت‌کار بیشترین اهمیت و تأثیرگذاری را بر ترک شغل دارند. از میان مشخصه‌های فردی نیز مشاهده شد که ترک شغل در میان جوانان و افراد کمتر از 30 سال سن بیشتر است. بر اساس این ویژگی‌ها، مدل‌های ماشین بردار پشتیبان (SVM) با دقت 91 درصد و امتیاز-F1 بالای 90 درصد و الگوریتم درخت تصمیم نیز با دقت 83 درصد و امتیاز-F1 به همین اندازه از عملکرد مناسبی در دسته‌بندی و پیش‌بینی موارد ترک شغل برخوردار شدند. نتیجه‌گیری: می‌توان بر اساس مشخصه‌های فردی و شغلی و با استفاده از روش‌های داده‌کاوی و یادگیری ماشینی سیاست‌هایی در جهت حفظ و نگه‌داشت منابع انسانی تنظیم کرد که موجب کاهش هزینه‌ها و همچنین حفظ مزیت‌های رقابتی و پیشرفت و توسعه بنگاه خواهد شد.