Оптимізація процесу рекрутингу за допомогою предиктивної аналітики

Abstract

Об’єктом дослідження є процес рекрутингу та підбору персоналу на основі аналізу даних. Предмет дослідження є застосування методів машинного навчання для прогнозування плинності кадрів у процесі рекрутингу. Метою роботи є створення програмного засобу для прогнозування ймовірності звільнення працівника з використанням предиктивної аналітики. Завданнями роботи є: – у першому розділі розглянути теоретичні основи предиктивної аналітики, її значення в сучасному рекрутингу, а також визначити джерела даних для побудови моделей прогнозування; – у другому розділі проаналізувати інструменти збору та обробки даних, порівняти існуючі програмні рішення у сфері інтелектуального рекрутингу, виділити переваги й недоліки та обґрунтувати створення власного застосунку; – у третьому розділі описати функціональні можливості створеної системи, архітектуру програмного продукту, структуру інтерфейсу, механізми навчання та прогнозування, а також провести оцінювання її точності. Актуальність дослідження обумовлена необхідністю використання інтелектуальних інструментів для покращення якості прийняття рішень у сфері найму персоналу. За результатами дослідження сформовано програмний продукт SmartRecruit, який реалізує побудову, навчання, оцінювання та застосування моделі машинного навчання для прогнозування ймовірності звільнення кандидата. Практична новизна: створення застосунку, що забезпечує гнучке управління моделями, має простий графічний інтерфейс і дозволяє здійснювати прогнозування ймовірність звільнення нового працівника. Одержані результати можуть бути використані в HR-відділах компаній, кадрових агентствах, навчальних закладах для демонстрації застосування штучного інтелекту в управлінні персоналом, а також як основа для подальшого розвитку інтелектуальних систем у сфері рекрутингу.

The object of the research is the process of recruiting and selecting personnel based on data analysis. The subject of the research is the application of machine learning methods to predict staff turnover in the recruitment process. The purpose of the work is to create a software tool for predicting the probability of employee dismissal using predictive analytics. The tasks of a bachelor's degree are: – in the first section, to consider the theoretical foundations of predictive analytics, its importance in modern recruiting, and to identify data sources for building forecasting models; – in the second section, analyze data collection and processing tools, compare existing software solutions in the field of intelligent recruiting, highlight advantages and disadvantages, and justify the creation of your own application; – in the third section, describe the functionality of the created system, the architecture of the software product, the interface structure, learning and prediction mechanisms, and evaluate its accuracy. The relevance of the study is due to the need to use intelligent tools to improve the quality of decision-making in the field of personnel recruitment. According to the results of the research, a software product called SmartRecruit was created, which implements the construction, training, evaluation and application of a machine learning model to predict the probability of a candidate's dismissal. Practical novelty: creating an application that provides flexible model management, has a simple graphical interface, and allows you to predict the probability of a new employee being fired. The results obtained can be used in HR departments of companies, recruitment agencies, and educational institutions to demonstrate the application of artificial intelligence in personnel management, as well as as a basis for the further development of intelligent systems in the field of recruiting.