چکیده مقاله
این پژوهش به ارزیابی امکان سنجی و کارآمدی تحلیل کلان داده برای پیش بینی رفتار کارکنان و کاهش ترک خدمت در سازمان های مختلف می پردازد داده های چندمنبعی شامل عملکرد، رضایت شغلی، ویژگی های فردی، محیط کار و داده های رفتاری دیجیتال گردآوری و پیش پردازش شدند تا شاخص های پیش آینده ترک خدمت استخراج شوند مدل های یادگیری ماشین و تحلیل بقای ترک خدمت برای نگارش پیش بینی های دقیق و تحلیل پایداری زمانی به کار رفتند و با اعتبارسنجی متقابل ارزیابی شدند یافته ها نشان می دهند که ترکیب شاخص های رفتاری زودهنگام با رضایت شغلی و فشار کار قدرت پیش بینی ترک خدمت را بهبود می دهد و داده های رفتاری دیجیتال اگر با اصول حفاظت از حریم خصوصی همراه باشد ارزش افزوده قابل توجهی دارند رویکرد چندمنبعی نسبت به مدل های تک منبعی دقت و کارایی بیشتری ارائه می دهد و مداخلات مدیریتی به موقع و شخصی سازی شده در کاهش ترک خدمت موثر است چارچوب عملی، پیشنهادی معماری چندلایه تیم داده محور و اهمیت شفافیت مدل را تشریح می کند در نهایت بحث های اخلاقی، حقوقی و چالش های پیاده سازی همراه با چشم اندازهای آینده پیشنهاد می شود
کلیدواژهها
نویسندگان
شیوه ارجاع
�هانگیری، پیمان،1405،تحلیل کلان داده در پیش بینی رفتار کارکنان و کاهش ترک خدمت،چهاردهمین کنفرانس بین المللی مدیریت، حسابداری، بانکداری و اقتصاد ایران،مشهد
ارائهشده در
مجموعه مقالات چهاردهمین کنفرانس بین المللی مدیریت، حسابداری، بانکداری و اقتصاد ایران30 خرداد 1405 · مشهد