員工離職，對企業而言是相當巨大的損失，因為不僅要重新招募新人和訓練新人，還增加了許多繁瑣的離職行政作業，甚至還可能流失既有客戶。為了降低公司的離職率，除了改善企業文化、調整薪酬結構、進行員工關懷等積極作為，有許多公司更用科學化的方式，來預測每一位員工的離職機率，並提早做關懷措施。
目前預測員工離職的機率方式，多半需要資訊工程團隊，透過寫程式的方式，才能得到計算結果。但企業內部的資訊團隊，產能就已經相當吃緊，若還指派此項任務，恐怕造成巨大負擔。而且資訊團隊相對於HR，比較缺乏離職相關的know how，因此是否能針對AI演算法計算出的結果給出合理的推論和解釋，是一件不容易的事情。
其實最好的做法，是讓HR單位自己就能預測員工離職的機率。現在已經進入No Code無程式碼時代，HR可以善用No Code平台，在3分鐘的時間就計算完公司所有人的離職機率，且無須資訊團隊支援。現在就讓我們看看，No Code平台是如何用AI預測員工離職的機率。
AI離職預測，總共可以分為4大步驟：準備員工資料、建立離職預測模型、試算在職員工資料、取得員工離職的機率。接下來會和大家介紹，No Code平台是如何用圖形化介面，幫HR省下寫程式的浩大工程。
Step 1：準備員工資料
首先，要準備公司創立至今，在職員工與離職員工的資料(在職和離職的資料都必須有)。這份資料除了基本的年齡、性別、職務、部門、學歷等資訊，最好還要有其它與員工個人相關的資訊，如婚姻狀況、家裡和公司距離、興趣、人格特質等。準備完成後，就可以將這份excel檔案，上傳到No Code平台了。
Step 2：建立離職預測模型
首先要定義預測目標，例如我們要預測「是否離職」。接著選擇可能會影響這目標的相關參數，例如「年齡」、「性別」、「員工滿意度等」等。最後選擇你要使用什麼AI演算法，來建立離職預測的模型。
Step 3：試算在職員工資料
建立好離職預測的模型後，你就可以把在職的員工資料，丟進去剛剛建立好的模型中，試算每一個在職員工的離職機率。
Step 4：取得員工離職機率
最後，No Code平台會自動計算出每一位在職員工可能的離職機率，你可以挑出離職機率較大者，優先做員工關懷，或者列入離職高風險群觀察對象。如果某位員工預測離職的機率很高，並不表示他一定會離職，所以最好能夠比對該員工的真實狀況，若和預測結果是一致的，這時候客觀的數據，就能夠佐證主觀的想法了。
透過No Code平台預測員工離職，能為企業創造以下效益：
- 公司不需有資訊工程師，就能夠輕鬆使用AI。
- 節省資訊工程師的工作負擔。
- HR只需要用3分鐘的時間，就可以取得員工離職的機率。
- 公司更能將資源集中在離職風險較高的員工身上。
先行智庫企業級數據分析服務
先行智庫為台灣管理顧問公司，服務內容包含企業內訓、顧問諮詢以及數據解決方案，了解更多企業服務內容：https://kscthinktank.com.tw/data-analysis/