1. 分析目的
最優秀最有經驗的員工，其離職的主要原因是什麼？
為了弄明白這個問題，我從數據平臺Kaggle上下載了人力資源的數據。
數據來源：https://www.kaggle.com/ludobenistant/hr-analytics
2. 理解數據
導入數據後，先查看數據結構，包括以下變量：
滿意度(satisfaction_level)
績效評估(last_evaluation)
完成項目數(number_project)
平均月度工作時間(average_montly_hours)
服務年限(time_spend_company)
是否有工傷(Work_accident)
是否離職(left)
過去5年是否有升職(promotion_last_5years)
工作部門(sales)
薪資水平(salary)
3. 處理數據
Kaggle下載下來的數據基本上都是比較乾淨的數據了，不需要太多的清洗工作，這裡只是為後續分析做個簡單的處理，數據處理的流程如下：
4. 分析數據
1) 初步探索
中位數是從小到大排序數據後，中間位置的數據。中位數比平均值能更好的反映整體數據的集中趨勢。
可以觀察到滿意度的中位數為0.64，績效評估的中位數為0.72，完成項目的中位數是4個，平均月度工作時間為200個小時，服務年限的中位數是3年。
2) 相關性分析
我用corrplot包進行了變量之間的相關性分析，結果如下：
圖中圓圈的大小代表了相關性的大小，圓圈的顏色代表了正相關還是負相關。
可以初步看出，離職原因是因為滿意度低，工資低，服務年限較長，月工作時間多，沒有晉升機會。
3) 目標群體分析
這次分析的目標群體是最優秀最有經驗的員工，那麼首先需要把這些員工篩選出來。根據初步探索的結果，我們暫定最優秀最有經驗的員工標準為：
績效評估大於中位數
完成項目大於中位數
服務年限大於中位數和平均數
這次的相關性結果和上次的有了一些變化，月度工作時長和完成項目的相關性變大。
4）變量分析
下面通過圖形來具體看一下每個變量和離職的關係。圖形中橫軸表示對應的研究變量，縱軸表示人數。其中藍色表示離職人數，紅色表示未離職人數。
滿意度和離職的關係
滿意度在0.1以下的，離職率將近100%；滿意度在0.8左右的，離職率將近50%
績效評估和離職的關係
績效評估在0.75以上的，離職率在50%左右
完成項目數和離職的關係
完成項目數越多，離職率越高
月度工作220小時以上，工作時長越長，離職率越高
服務年限3-5年，離職率最高
在過去5年未得到升職的，離職率大約為33%
從部門離職率來看，HR和技術部佔比相對較大。但從離職人數來看，銷售和技術部離職人數最多。
薪資水平越低，離職率越高
基本上到這裡所有變量對離職的影響都分析了，但我仍好奇那些對公司滿意度高的優秀員工，究竟是哪種因素主要導致了其離職？
於是我將滿意度大於0.7的優秀員工篩選出來，發現主要是錢少事多未升職。如果進一步分析的話，倒是可以看看滿意度是怎麼評估的，錢少事多未升職滿意度還較高，不知是什麼因素起了作用。
5. 分析總結
從相關性和對各個變量的分析來看，最優秀最有經驗的員工離職，主要原因有以下幾點：
1）工作強度大
月度工作時長超過220小時，大約日工作時長為10小時以上
2）工作能力強
績效評估越高，完成項目越多，工作經驗越多，離職的資本就越大，有更多的跳槽機會
3）薪資水平低
擁有的能力和經驗和獲得的報酬不符
4）未得到晉升
呼籲我們的HR同事們多多關注這些最優秀最有經驗的員工啊。對公司貢獻多，經驗豐富，能力強，如果沒有獲得合理的待遇和職業發展機會，也怪不得人家另謀高就。公司招新人的成本可比老員工大多了。
印證了那句話，錢給少了，心委屈了。
本文內容來自 大數據社群會員 的實踐筆記，想看她的源代碼可以點擊下面閱讀原文。
最近幾個群裡大家也在討論跳槽，討論的範圍無非是哪家給的薪水更高。但是歸根到底，你有能力跳槽到更好的地方，與你的知識水平和技能是有很大關係的。
如果你要跳槽了，一定要看好公司是否給你繳納五險一金。具體的辭職時間，最好是在一個月的下半月。下半月離職，這個月的社保已經交了，即使新工作出現問題，也還有一段時間的挪騰空間，不至於社保中斷。不是我們喜歡社保這東西，而是它斷了確實會很麻煩。
據我所知，很多人還是不瞭解五險一金，那就看看下面這個小視頻快速瞭解下《三分鐘看懂五險一金》。