1.选手简介
1.1.选手介绍
帆软社区用户名：时亚东
职业简介：现就职于浙江养生堂天然药物研究所有限公司，在检测中心任职数据分析助理工程师岗位，日常负责检验人员工作量统计、检测中心业务量统计和数据库管理等工作。
1.2.参赛初衷- 希望通过实践提升分析工具技能；
- 培养数据分析思维
- 了解并掌握FineBI的应用
- 和更多FineBI大神交流学习，进行数据可视化作品以及分析思维的激烈碰撞
2.场景介绍
2.1.业务背景介绍&数据来源- 业务背景：人员流失问题类型有很多，目前在学习数据分析过程中经常遇到的几种人员流失问题主要包括：电信客户流失预测案例、淘宝用户行为分析、信用卡逾期用户预测以及员工流失分析预测案例等。造成员工流失的原因有很多，分析起来也很复杂，对于管理者来说需要针对员工的相关属性进行准确的预测，采取相应的对策应对。因此本次选择以IBM员工流失案例的数据针对此类问题提供一定的研究思路和预测方法。
2.2.分析思路
2.3.数据整理
所选数据相对整齐，无缺失值和异常值存在，所以之间导入了FineBI中建立了自选数据集，把对应的字段进行分类进行使用。
2.4.完成分析报告
2.4.1.配色选择：色彩柔和、层次分明
2.4.2.图表选择：想要表达的关系多以分类汇总、占比分析为主，因此选择柱形图和饼图居多；当然为了增加报告元素的多元化，也选择了树图、圆环图、条形图、散点图以及气泡图进行相关内容的表达。
2.4.3.分析结论：
员工流失原因多种多样，为了清晰地分析某公司员工流失的原因，本次分析将流失原因分为三类：员工画像、公司画像、工作和薪资情况分析。点击流失比例中Yes的比例便可查看流失员工各项原因分布情况。流失员工中男性占63%；本科以下学历占70%以上；单身员工占一半左右；25-35岁员工占50%左右；10年以下工作经验的员工占67%；生命科学和医药学专业的员工占65%；离家距离10km以内的员工占56%；入职年限10年以内的员工约占83%；流失员工中科研人员占56%；股票期权水平为的0的员工占65%；不经常出差的员工占66%；实验室技术员占26%，且销售主管占24%，研究员占20%；生活和工作平衡程度为3的员工更易流失占54%；经常加班的员工占54%；工作级别为1的员工占60%；3年内晋升的员工占78%；在当前职位工作时间在2年以内的新员工更易流失；更换工作次数在2次以内的员工占51%。
完整报告请参见pdf附件
2.5.总结
平时工作之余的时间太少，针对本次比赛共花了半个月的时间准备，但实际制作作品时间仅有两个晚上，针对员工流失分析的层次感还是觉得不够明确，对数据的整理方面仍有欠缺。但虽然时间紧张在使用FineBI的过程仍能感受到它带来的便捷和高效，通过自己的快速学习和不断实战练习，能够早点成长为一名合格的数据分析师，当然也会将这款高效的软件向身边的同事进行推广和介绍，让更多人了解FineBI。
|
