Laila de Araujo Costa
Uma Abordagem para predição de rotatividade de profissionais de software e hardware baseada em modelos de aprendizado de máquina: Conciliando acurácia e interpretabilidade
Resumo
Nos últimos anos, o setor de Tecnologia da Informação, sobretudo no que se refere ao desenvolvimento de soluções de software e hardware, vem vivenciando mudanças relevantes, que tem exigido que as empresas se empenhem cada vez mais para tentar manter seus colaboradores nelas, buscando evitar alta rotatividade de pessoal. Reter bons profissionais é significativamente importante, pois protege a empresa de efeitos indesejados, como: custos de seleção e treinamento dos substitutos, custos de desligamentos, atraso nos projetos e a consequente insatisfação dos clientes, e problemas na imagem da empresa no mercado. Dado esse contexto, tem se tornado cada vez mais importante buscar ajuda de soluções computacionais para produzir informações de qualidade para apoiar decisões e estratégias dos gestores das empresas. Especificamente, observa-se na literatura, propostas de soluções baseadas em técnicas de inteligência artificial, mais especificamente técnicas de aprendizado de máquina, permitindo realizar predições de profissionais com tendência a pedir desligamento. Neste sentido, propõe-se um sistema de informação preditiva baseado em aprendizado de máquina no apoio à prevenção de rotatividade de profissionais em projetos de software e hardware. Para tanto, tem-se buscado estudar variáveis que possam influenciar no desenvolvimento de um modelo preditivo, daí então, construindo-se uma base de dados para ser preparada para a construção indutiva dos modelos preditivos. Uma avaliação preliminar foi realizada com os dados utilizados.