2023年5月23日下午，由上海财经大学会计学院主办的学术报告会在会计学院108室召开，来自新加坡国立大学的柯滨教授为大家带来题为《Human Capital Management Using Machine Learning: The Case of Employee Turnover》的学术讲座。本次报告由会计学院教师李惟主持。学院李增泉、黄俊、唐松、阴慧芳、刘浩、魏春燕、王刚等教师以及二十多位硕士和博士生参与了讨论。
大数据与机器学习是近年来备受关注的研究领域，柯滨教授及其研究团队尝试利用机器学习来创建一种全周期的企业管理方法论。在本次学术讲座上，柯滨教授向我们展示了其中的一个子课题——使用专有数据和机器学习来建立能够预测员工自愿离职的模型。这一研究具有充分的理论与实践意义：一方面，大部分管理会计领域的现有研究都将重点放在了因果分析之上，而缺乏一些预测类的研究；与此同时，学术界在人力资本分析（People Analytics）方面的探究也刚刚起步，我们尚不了解这一管理方法的真实成本与收益。本研究的价值即是补充了这两类文献的不足之处。另一方面，离职分析是人力资源管理中非常重要的环节，但目前大都需要企业的HR人力解决，这使得分析的精度较为糟糕，因此，易于使用的预测模型是企业和类似组织的实际需求。本研究所创造的模型不仅可以被企业管理人员直接采用，也能够作为一个关键节点来推进企业全周期人力资源管理系统的构建。本研究的主要成果与发现可以被总结为以下几个方面：（1）我们能够构建起可以预测员工离职行为的机器学习模型；（2）相对复杂的模型（RUSBoost）可能会在一些极端环境中缺乏稳定性；（3）简单模型（Logit）的预测准确度并不会显著弱于复杂模型，且可能更为稳健；（4）除了模型设定之外，选择合适的数据源也是提升预测准确度的关键手段。
在报告过程中，柯滨教授展示了其研究团队所构建的离职预测模型的效用。平均而言，各类机器学习模型能够将自愿离职预测准确率从3%-5%提升到接近30%，这充分表明了大数据与机器学习技术在企业内部管理方面的价值。除此之外，柯滨教授也多次强调，构建合理的模型仅是做出精准预测的其中一个要素，选取适当的数据搜寻方式、向模型输入高质量的数据也同样非常重要。
柯滨教授的汇报引起了参会老师与同学的热烈讨论，大家在人力资本数据的分类、银行类企业的特殊性、简单模型起作用的内在逻辑、预测与因果分析类文献的价值等方面做了进一步的探讨。
供图供稿：程少彤（2020310020）