Дарья Анисимова, студентка Глобального университета Рыбакова и Московского физико-технического института (МФТИ), создает цифровую платформу AMSTEF, предназначенную для прогнозирования рисков увольнения сотрудников и повышения эффективности управления персоналом. Эта система использует методы машинного обучения для анализа данных, что позволит HR-департаментам более эффективно управлять процессами удержания талантов и минимизировать финансовые потери, связанные с текучестью кадров.

По статистике, увольнения могут обойтись компаниям до 2 миллионов рублей на одного сотрудника в малом и среднем бизнесе, учитывая затраты на найм и адаптацию новых работников. Текучесть кадров также сказывается на производительности команд и увеличивает нагрузку на оставшихся сотрудников. Новый проект нацелен на устранение недостатка инструментов для оценки удовлетворенности и настроения сотрудников в реальном времени.

AMSTEF, что расшифровывается как Advanced Machine-learning Solutions for Talent Engagement and Forecasting, включает в себя прогностическую модель для анализа срока работы и рисков увольнения, а также инструменты для визуализации данных. Приложение интегрируется с существующими HR-системами, что облегчает его использование. Все методы основаны на исторических данных о сотрудниках, временных рядах и BI-системах для обработки информации.

Проект AMSTEF имеет конкурентные преимущества благодаря своему уникальному набору данных и гибкости, позволяющей адаптировать модель под нужды конкретной компании. Команда проекта активно взаимодействует с HR-специалистами, чтобы понять их нужды и разработать практические рекомендации для снижения текучести кадров.

Разработчики отметили актуальность и важность данной темы, так как выживание бизнеса зависит не только от привлечение новых сотрудников, но и от сохранения квалифицированных специалистов. Платформа AMSTEF призвана стать полезным инструментом для HR-специалистов, позволяя предсказать увольнения и своевременно реагировать на проблемы в коллективе.