Predicting potential resignations in the companies using machine learning techniques
Makine öğrenme teknikleriyle kurumlardaki olası istifaların öngörülmesi
- Tez No: 844913
- Danışmanlar: DOÇ. DR. TEVFİK AYTEKİN
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Yönetim Bilişim Sistemleri, Science and Technology, Management Information Systems
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Yapay Zeka Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Yapay Zeka Bilim Dalı
- Sayfa Sayısı: 64
Özet
Devam eden dijitalleşme süreci, iş dünyasında dönüşümü beraberinde getirmiş, hem şirketlere hem de ülkelere birçok avantaj sunmuştur. Bu dijitalleşme dalgası işlemleri basitleştirmiş, bağlantıları artırmış ve eşi benzeri görülmemiş veri odaklı karar verme imkanı sağlamıştır. Ancak, her önemli değişiklik gibi, kendi zorluklarını da beraberinde getirmiştir. Günümüz dijital ortamında en acil sorunlardan biri, iş gücü piyasasının değişen dinamikleri etrafında dönmektedir ve bu dinamikler çalışanlara yerleştirdiği sürekli değişen talepleri içermektedir. Bu bağlamda, örgütlerin önceliklerinin ön saflarına çıkan merkezi sorun, nitelikli ve değerli çalışanların tanımlanması ve elde tutulmasıdır. Bir şirketin değeri, işgücünün becerileri, bilgisi ve yenilikçiliği ile giderek daha fazla ilişkilendirildiği bir dönemde, yetenekli bireyleri çekme ve elde tutma yeteneği sadece bir tercih değil, stratejik bir zorunluluktur. Şirketler, başarının sadece en iyi yetenekleri kazanma yeteneğine değil, aynı zamanda onları elde tutma yeteneğine bağlı olduğunun farkındadır. Bu kritik sorunu ele almak için örgütler, sofistike araçlar ve ölçütler kullanmaktadır. Anahtar Performans Göstergeleri (KPG'ler), çalışan katılımını değerlendirmek ve isteğe bağlı katkıları değerlendirmek için vazgeçilmez hale gelmiştir. Bu ölçümler, bir örgütün iş gücünün genel sağlığının ve istikrarının barometreleri olarak hizmet etmektedir. Ancak, gerçek test, bu ölçümleri istifaları belirlemek ve etkili elde tutma stratejileri geliştirmek için önceden kullanmaktadır. Bu özet, bu acil sorunun özüne inerek, çalışan kaybının erken belirtilerini tanıma ve bunun sonucunda elde tutma taktikleri oluşturma stratejilerini aydınlatmayı amaçlamaktadır. Bunun için çalışma, Destek Vektör Makineleri (SVM), Yapay Sinir Ağları (YSA) ve diğer popüler makine öğrenme algoritmaları gibi ileri teknolojilerden yararlanmaktadır. Veri analitiği ve makine öğrenme gücünü kullanarak örgütler, çalışanların istifalarını etkileyen faktörleri daha iyi anlayabilir ve elde tutma çabalarını buna göre uyarlayabilirler. Özetle, bu araştırma çabası, dijitalleşmenin iş gücü üzerindeki oluşturduğu zorlukların ve örgütlerin nasıl tepki verebileceğinin yollarının kapsamlı bir keşfi sunmayı amaçlamaktadır. Veri odaklı yaklaşımların proaktif kullanımını vurgulayarak, bu çalışma dijital çağda yetenek elde tutma alanındaki evrilen manzaranın üstesinden gelmeye çalışan işletmelere değerli görüşler sunmaktadır.
Özet (Çeviri)
The ongoing digitalization process has ushered in a transformative era for businesses, offering numerous advantages. It has streamlined operations, enhanced connectivity, and facilitated unprecedented data-driven decision-making. However, it also brings challenges, with a central concern being the shifting dynamics of the labor market and evolving employee demands. Organizational priorities now revolve around identifying and retaining skilled employees. In an era where a company's value is closely tied to its workforce's skills, knowledge, and innovation, attracting and retaining talent is not just a preference but a strategic imperative. Success hinges on acquiring and retaining top talent. To tackle this challenge, organizations are adopting sophisticated tools and metrics, with Key Performance Indicators (KPIs) becoming essential for gauging employee engagement. These metrics serve as barometers for an organization's workforce health. The true test lies in proactively using these metrics to identify potential resignations and develop effective retention strategies. This abstract explores strategies for recognizing early signs of employee attrition and crafting retention tactics. Leveraging advanced technologies such as Support Vector Machines, Artificial Neural Networks, and other machine learning algorithms, the study aims to provide deeper insights into factors driving resignations. By harnessing data analytics and machine learning, organizations can tailor retention efforts accordingly. In summary, this research comprehensively explores the challenges of digitalization on the workforce and how organizations can respond. Emphasizing proactive, data-driven approaches, the study offers valuable insights for businesses navigating talent retention in the digital age.
Benzer Tezler
- Studies on increasing the efficiency of industrial flow control structures
Endüstriyel akım kontrol yapılarının verimliliğinin artırılması çalışmaları
MERT OYMAK
Yüksek Lisans
İngilizce
2021
EnerjiEskişehir Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET OZAN ÇELİK
- Küresel iklim değişikliğine bağlı olarak ekin saparısı [Cephus pygmeus (L.) (hymenoptera: cephidae)]'nın potansiyel dağılım alanlarının belirlenmesi
Predicting potential distribution areas of wheat stem sawfly (Cephus pygmeus (L.) (hymenoptera: cephidae) under climate change
MEHMET BAŞAK
Yüksek Lisans
Türkçe
2023
ZiraatHarran ÜniversitesiBitki Koruma Ana Bilim Dalı
DOÇ. DR. ÇETİN MUTLU
DR. ÖĞR. ÜYESİ SHAHID FAROOQ
- Türkiye'nin karantina listesinde olan su sümbülü [Pontederia (=Eichhornia) crassipes (Mart.)]'nün iklim değişikliğine bağlı olarak dağılım alanlarının belirlenmesi
Predicting potential spread of water hyacinth [Pontederia(=Eichhornia) Crassipes (Mart.)] listed as quarantine weed in Türkiye under changing climate
HATİCE SOLMAZ
Yüksek Lisans
Türkçe
2024
ZiraatHarran ÜniversitesiBitki Koruma Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SHAHID FAROOQ
- Predicting potential allosteric communication pathways in pyruvate kinase using residue network model
Rezidü ağ modelini kullanarak piruvat kinazdaki potansiyel allosterik iletişim yollarının tahmini
ZEHRA SARICA
Yüksek Lisans
İngilizce
2019
Kimya Mühendisliğiİstanbul Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYŞE ÖZGE KÜRKÇÜOĞLU LEVİTAS
- Kestirimci bakım için makine öğrenmesi ve derin öğrenme yöntemleri uygulanarak hata tespiti ve sınıflandırılması
Fault detection and classification for predictive maintenance using machine learning and deep learning methods
UĞUR İLERİ
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiDüzce ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. YUSUF ALTUN