• analytics
• employee attrition
• machine learning
• prediction
• predizione
• turnover dipendenti

Il turnover dei dipendenti è un grave problema per tutte le imprese di qualsiasi settore.
Le cause del fenomeno sono molteplici e difficili da individuare, poiché possono variare
da fattori macro-economici a ragioni personali del singolo. Inoltre, i costi associati sono
elevati, in particolar modo quando lasciano l'azienda dipendenti di elevata esperienza.
Tutto ciò fa sì che elevati tassi di turnover siano insostenibili per un'impresa. Questa tesi
affronta il problema del turnover dei dipendenti facendo uso di predictive analytics:
andando oltre la semplice descrizione del perché un dipendente lasci la propria impresa,
l'obiettivo è quello di (1) sviluppare un modello predittivo dei dipendenti a rischio di
turnover e (2) di implementarlo in un caso studio. A questo scopo, sono state impiegate
varie tecniche di machine learning, utilizzate in letteratura nell’ambito della predizione
del turnover dei dipendenti e ne sono state valutate le performance, così da selezionare
la più performante. Il caso studio condotto nasce da un progetto di 4 mesi, realizzato
all'interno del programma Junior Consulting, presso ELIS Consulting & Labs a Roma.

Employee attrition is a severe issue for all companies in every industry. The causes of
this phenomenon are multiples and difficult to detect, ranging from macro-economical
factors to personal concerns of the single employee. Moreover, significant costs are
associated with attrition, in particular when skilled and experienced employees leave. It
results that high turnover rates are disruptive for a firm. This thesis addresses this
problem through predictive analytics: going beyond the simple description of why an
employee leaves a company, the purpose is to develop a comprehensive framework in
predicting which employees are at risk of leaving and to implement it on the proposed
case study. In order to do this, various machine learning techniques used in literature to
predict employee attrition have been implemented and their performance assessed to
select the best among them. The case study originates from a 4-months project carried
out within the Junior Consulting program, at ELIS Consulting & Labs in Rome.