Comparisons of employee churn clustering factors based on Markov chain and Bayesian network
2
Issued Date
2023
Copyright Date
2023
Resource Type
Language
eng
File Type
application/pdf
No. of Pages/File Size
xi, 25 leaves
Access Rights
open access
Rights
ผลงานนี้เป็นลิขสิทธิ์ของมหาวิทยาลัยมหิดล ขอสงวนไว้สำหรับเพื่อการศึกษาเท่านั้น ต้องอ้างอิงแหล่งที่มา ห้ามดัดแปลงเนื้อหา และห้ามนำไปใช้เพื่อการค้า
Rights Holder(s)
Mahidol University
Bibliographic Citation
Thematic Paper (M.Sc. (Information Technology Management))--Mahidol University, 2023)
Suggested Citation
Isaratep Dankao Comparisons of employee churn clustering factors based on Markov chain and Bayesian network. Thematic Paper (M.Sc. (Information Technology Management))--Mahidol University, 2023). Retrieved from: https://repository.li.mahidol.ac.th/handle/123456789/113900
Title
Comparisons of employee churn clustering factors based on Markov chain and Bayesian network
Alternative Title(s)
การเปรียบเทียบกลุ่มปัจจัยที่ส่งผลต่อการลาออกของพนักงานด้วยลูกโซ่มาร์คอฟและเบย์เซียนเน็ตเวิร์ค
Author(s)
Abstract
Employee churn is a problem that many organizations or businesses are going to encounter in times of economic downturn or situations of competition for employees. Retention of employees within the organization is something for which everyone in the organization has to share responsibility. Retention of employees is one of the crucial strategies to manage an organization and to retain employees in an organization. This leads to the emergence of the question: "Are there any effective strategies to attract and retain employees to work in an organization as long as possible?" This research aimed to create an employee churn model and analyze the results. This paper divided employees into 18 clusters and predicted churn using machine learning. Then, the probability was computed to prioritize each cluster using a Markov chain and Bayesian network, and the description of each probability was determined. Furthermore, the results from the Markov chain and Bayesian network were compared. To conclude, the churn model divided the sample into 18 clusters, and the cluster of employees from the sales department showed a probability of 1 to leave the company, which is the highest probability to churn. According to the results, a Bayesian network better defines the relation of each attribute and cluster in the data when information and conditions are sufficient for learning. However, the Markov chain is more effective for its application, using a fundamental matrix to define the amount of employee retention. IMPLICATION OF THE THEMATIC PAPER: The main implication of this study is to provide a churn problem model for analysis. As a result, the Markov chain could define the average amount of retention for each cluster and create scenarios with a Bayesian network to simulate probabilities to determine a solution that is suitable for a company.
การลาออกเป็นปัญหาที่หน่วยงานธุรกิจหลาย ๆ หน่วยงานกำลังประสบ ทั้งในช่วงที่เศรษฐกิจตกต่ำหรือภาวะที่มีการแข่งขันเพื่อแย่งชิงพนักงาน การเก็บรักษาพนักงานไว้กับองค์กรเป็นสิ่งที่ทุกคนในองค์กรต้องรับผิดชอบร่วมกัน การเก็บรักษาพนักงานไว้ถือเป็นหนึ่งในกลยุทธ์ที่สำคัญต่อการบริหารองค์กร ปัญหาที่ว่าทำอย่างไรจึงจะรักษาพนักงานให้อยู่กับองค์กรได้ เรามีกลยุทธ์ใดในการดึงดูดพนักงานให้อยู่กับองค์กรให้นานที่สุด การลดการลาออกจะช่วยลดค่าใช้จ่ายเหล่านี้และอาจช่วยทำให้ผลผลิตสูงขึ้นด้วย นอกจากนั้นหากพิจารณาในระดับประเทศ ปัญหาพนักงานลาออกเป็นสิ่งบั่นทอนศักยภาพในการพัฒนาและต่อยอดความรู้และทักษะของพนักงานอันจะนำไปสู่ความได้เปรียบในการแข่งขัน ประสิทธิภาพในการผลิต และคุณภาพในการบริการ ดังนั้นทางผู้วิจัยจึงต้องการสร้างโมเดลการลาออกของพนักงานโดยการแบ่งกลุ่มพนักงานเป็น 18 คลัสเตอร์ และพยากรณ์การลาออกของพนักงานด้วยการเรียนรู้ของเครื่อง จากนั้นหาความน่าจะเป็นที่จะเกิดขึ้นของแต่ละคลัสเตอร์ด้วยลูกโซ่มาร์คอฟและเครือข่ายเบย์เซียน และระบุถึงความหมายของความน่าจะเป็นนั้น ๆ นอกจากนี้ผลลัพธ์จากลูกโซ่มาร์คอฟและเครือข่ายเบย์เซียนจะนำมาเปรียบเทียบเพื่อระบุความแตกต่างอีกด้วย จากผลสรุปนั้น โมเดลการลาออกได้แบ่งข้อมูลออกมาเป็น 18 คลัสเตอร์ โดยคลัสเตอร์ที่มีจำนวนของพนักงานฝ่ายขายมากที่สุดมีความน่าจะเป็นอยู่ที่ 1 ซึ่งเป็นค่าที่มากที่สุดของความน่าจะเป็นในการลาออกจากองค์กร โดยอิงจากผลลัพธ์เครือข่ายเบย์เซียนนั้นดีกว่าในแง่ของการบ่งบอกถึงความสัมพันธ์ของแอททริบิวต์ถ้าตัวข้อมูลที่นำมามีรายละเอียดและเงื่อนไขที่มากพอต่อการเรียนรู้ แต่สำหรับลูกโซ่มาร์คอฟนั้นดีกว่าในเรื่องของการใช้งาน โดยสารนิพนธ์นี้ได้นำเมทริกซ์พื้นฐานเข้ามาคำนวณหาจำนวนปีที่พนักงานทำงานก่อนจะลาออกเฉลี่ยของแต่ละคลัสเตอร์ การนำผลของสารนิพนธ์ไปใช้ ความหมายหลักของการศึกษานี้คือเพื่อสร้างโมเดลการลาออกมาวิเคราะห์ จากผลการศึกษา เราสามารถใช้ลูกโซ่มาร์คอฟเพื่อระบุจำนวนปีที่พนักงานทำงานก่อนจะลาออกเฉลี่ยของแต่ละคลัสเตอร์ และสามารถสร้างสถานการณ์ด้วยเครือข่ายเบย์เซียนสำหรับจำลองความน่าจะเป็นเพื่อระบุทางแก้ปัญหาที่เหมาะสมสำหรับองค์กร
การลาออกเป็นปัญหาที่หน่วยงานธุรกิจหลาย ๆ หน่วยงานกำลังประสบ ทั้งในช่วงที่เศรษฐกิจตกต่ำหรือภาวะที่มีการแข่งขันเพื่อแย่งชิงพนักงาน การเก็บรักษาพนักงานไว้กับองค์กรเป็นสิ่งที่ทุกคนในองค์กรต้องรับผิดชอบร่วมกัน การเก็บรักษาพนักงานไว้ถือเป็นหนึ่งในกลยุทธ์ที่สำคัญต่อการบริหารองค์กร ปัญหาที่ว่าทำอย่างไรจึงจะรักษาพนักงานให้อยู่กับองค์กรได้ เรามีกลยุทธ์ใดในการดึงดูดพนักงานให้อยู่กับองค์กรให้นานที่สุด การลดการลาออกจะช่วยลดค่าใช้จ่ายเหล่านี้และอาจช่วยทำให้ผลผลิตสูงขึ้นด้วย นอกจากนั้นหากพิจารณาในระดับประเทศ ปัญหาพนักงานลาออกเป็นสิ่งบั่นทอนศักยภาพในการพัฒนาและต่อยอดความรู้และทักษะของพนักงานอันจะนำไปสู่ความได้เปรียบในการแข่งขัน ประสิทธิภาพในการผลิต และคุณภาพในการบริการ ดังนั้นทางผู้วิจัยจึงต้องการสร้างโมเดลการลาออกของพนักงานโดยการแบ่งกลุ่มพนักงานเป็น 18 คลัสเตอร์ และพยากรณ์การลาออกของพนักงานด้วยการเรียนรู้ของเครื่อง จากนั้นหาความน่าจะเป็นที่จะเกิดขึ้นของแต่ละคลัสเตอร์ด้วยลูกโซ่มาร์คอฟและเครือข่ายเบย์เซียน และระบุถึงความหมายของความน่าจะเป็นนั้น ๆ นอกจากนี้ผลลัพธ์จากลูกโซ่มาร์คอฟและเครือข่ายเบย์เซียนจะนำมาเปรียบเทียบเพื่อระบุความแตกต่างอีกด้วย จากผลสรุปนั้น โมเดลการลาออกได้แบ่งข้อมูลออกมาเป็น 18 คลัสเตอร์ โดยคลัสเตอร์ที่มีจำนวนของพนักงานฝ่ายขายมากที่สุดมีความน่าจะเป็นอยู่ที่ 1 ซึ่งเป็นค่าที่มากที่สุดของความน่าจะเป็นในการลาออกจากองค์กร โดยอิงจากผลลัพธ์เครือข่ายเบย์เซียนนั้นดีกว่าในแง่ของการบ่งบอกถึงความสัมพันธ์ของแอททริบิวต์ถ้าตัวข้อมูลที่นำมามีรายละเอียดและเงื่อนไขที่มากพอต่อการเรียนรู้ แต่สำหรับลูกโซ่มาร์คอฟนั้นดีกว่าในเรื่องของการใช้งาน โดยสารนิพนธ์นี้ได้นำเมทริกซ์พื้นฐานเข้ามาคำนวณหาจำนวนปีที่พนักงานทำงานก่อนจะลาออกเฉลี่ยของแต่ละคลัสเตอร์ การนำผลของสารนิพนธ์ไปใช้ ความหมายหลักของการศึกษานี้คือเพื่อสร้างโมเดลการลาออกมาวิเคราะห์ จากผลการศึกษา เราสามารถใช้ลูกโซ่มาร์คอฟเพื่อระบุจำนวนปีที่พนักงานทำงานก่อนจะลาออกเฉลี่ยของแต่ละคลัสเตอร์ และสามารถสร้างสถานการณ์ด้วยเครือข่ายเบย์เซียนสำหรับจำลองความน่าจะเป็นเพื่อระบุทางแก้ปัญหาที่เหมาะสมสำหรับองค์กร
Degree Name
Master of Science
Degree Level
Master's degree
Degree Department
Faculty of Engineering
Degree Discipline
Information Technology Management
Degree Grantor(s)
Mahidol University