Este projeto engloba técnicas de aprendizado de máquina aplicadas no contexto de People Analytics com a aplicação de modelos preditivos supervisionados para classificação de turnover, com o objetivo de auxiliar o processo de tomada de decisão de uma empresa cuja o nome não será citado, impactando diretamente na performance organizacional. Os dados utilizados foram extraídos de uma plataforma de People Analytics, que centraliza as informações dos funcionários. A construção do conjunto de dados final ocorreu através da utilização de técnicas de mineração para manipulação e tratamento. Em seguida, foram aplicadas técnicas de pré-processamento para adequar os dados aos algoritmos de classificação Random Forest, Naive Bayes, Regressão Logística e Decision Tree. Os resultados foram compilados e analisados considerando as principais medidas de avaliação para classificação. Os classificadores Random Forest e Regressão Logística apresentaram os melhores desempenhos e por isso foram selecionados para a etapa de interpretação com a ferramenta SHAP. Dessa análise foi selecionado o classificador regressão logística para a última etapa de análise pós predição, onde foi observado a relação da probabilidade de turnover dos casos de falso positivo com o tempo até turnover futuro desses casos.

This project encompasses machine learning techniques applied in the context of People Analytics with the application of supervised predictive models for turnover classification, with the objective of helping the decision-making process of a company (whose name will not be mentioned), directly impacting the organizational performance. The data used were extracted from a platform, which centralizes employee information. Data mining techniques were used to manipulate and clean the extracted data and to build a final dataset. Then, pre-processing techniques were applied to adapt the data to the Random Forest, Naive Bayes, Logistic Regression and Decision Tree classification algorithms. The results were compiled and analyzed considering the main evaluation measures for classification. The Random Forest and Logistic Regression classifiers presented the best performances and, therefore, were selected for the interpretation stage with the SHAP tool. From this analysis, the logistic regression classifier was selected for the last stage of post-prediction analysis, where the relationship between the probability of turnover of false positive cases and the time until future turnover of these cases was observed.