Giới thiệu dự án

Trong kỷ nguyên chuyển đổi số và phát triển kinh tế số, việc duy trì nguồn nhân lực ổn định là yếu tố sống còn đối với các doanh nghiệp sản xuất công nghiệp, đặc biệt là các doanh nghiệp có vốn đầu tư nước ngoài (FDI). Theo các thống kê từ Tổng cục Thống kê và Hiệp hội Doanh nghiệp Điện tử Việt Nam, tỷ lệ luân chuyển lao động (turnover rate) trong các khu công nghiệp sản xuất linh kiện điện tử dao động ở mức 15% - 25% mỗi năm. Tình trạng nghỉ việc gia tăng không chỉ xuất hiện ở các quốc gia phát triển mà còn là thách thức lớn tại Việt Nam. Việc mất đi nhân sự, nhất là lao động kỹ thuật hoặc các vị trí then chốt, gây thiệt hại nghiêm trọng: chi phí tuyển dụng và đào tạo nhân viên mới ước tính chiếm từ 30% đến 50% mức lương năm của vị trí đó, kèm theo sự sụt giảm năng suất làm việc tạm thời và nguy cơ xáo trộn tinh thần làm việc của tập thể.

Công ty TNHH Công nghệ Sheng Shing Việt Nam (đặt tại Khu công nghiệp Cẩm Điền – Lương Điền, Cẩm Giàng, Hải Dương) là doanh nghiệp chuyên sản xuất linh kiện điện tử, thiết bị dây dẫn điện và kinh doanh thiết bị máy móc. Doanh nghiệp đang đối mặt với bài toán nhân viên nghỉ việc đột ngột, làm phát sinh chi phí vận hành và gián đoạn dây chuyền sản xuất trực tiếp. Xuất phát từ thực tiễn trên, đề tài khóa luận tốt nghiệp "Nghiên cứu và ứng dụng mô hình Logistic Regression và Support Vector Machine (SVM) để dự đoán khả năng nghỉ việc của nhân viên tại Công ty TNHH Công nghệ Sheng Shing Việt Nam" do sinh viên Hoàng Thị Hồng Nhung thực hiện dưới sự hướng dẫn của ThS. Nguyễn Dương Hùng (Khoa Công nghệ thông tin & Kinh tế số – Học viện Ngân hàng) đã được triển khai nhằm giải quyết triệt để bài toán này bằng kỹ thuật khai phá dữ liệu (Data Mining).

Mục tiêu dự án

  1. Chuẩn hóa và khai phá dữ liệu nhân sự: Thu thập, làm sạch và xử lý bộ dữ liệu 1.000 bản ghi nhân viên thực tế từ hệ thống quản trị nhân sự của Công ty TNHH Công nghệ Sheng Shing Việt Nam.
  2. Khám phá tri thức và phân tích tương quan: Xác định các đặc trưng (features) cốt lõi tác động đến quyết định thôi việc của nhân viên thông qua phân tích tương quan và biểu đồ nhiệt (Heatmap).
  3. Xây dựng và tối ưu hóa mô hình học máy: Triển khai hai thuật toán học máy có giám sát là Hồi quy Logistic (Logistic Regression) và Máy véc-tơ hỗ trợ (Support Vector Machine - SVM) trên các phương pháp mã hóa dữ liệu khác nhau (LabelEncoder đơn thuần và LabelEncoder kết hợp Dummy/One-Hot Encoding).
  4. Đánh giá và so sánh thực nghiệm: So sánh hiệu năng hai mô hình dựa trên các chỉ số định lượng (Accuracy, Precision, Recall, F1-Score) và ma trận nhầm lẫn (Confusion Matrix), từ đó đưa ra khuyến nghị áp dụng thực tiễn cho phòng nhân sự.

Cách tiếp cận và phạm vi

  • Giải pháp tiếp cận: Ứng dụng quy trình Khám phá tri thức từ cơ sở dữ liệu (Knowledge Discovery in Databases - KDD), kết hợp kỹ thuật tiền xử lý dữ liệu khuyết thiếu, kỹ thuật mã hóa biến định tính hỗn hợp, và tối ưu hóa hàm mất mát bằng giải thuật Gradient Descent (đối với Logistic Regression) cùng bài toán cực tiểu hóa lề phân tách (đối với SVM).
  • Kết quả kỳ vọng: Mô hình đạt độ chính xác cao (F1-score $\ge 80%$), phân loại chính xác nhóm nhân sự có nguy cơ rời bỏ doanh nghiệp, giúp ban lãnh đạo chuyển từ thế "bị động đối phó" sang "chủ động giữ chân nhân tài".
  • Phạm vi nghiên cứu: 1.000 bản ghi nhân sự thực tế thuộc khối Văn phòng (lao động gián tiếp) và khối Nhà máy (lao động trực tiếp) tại Công ty Sheng Shing Việt Nam tính đến tháng 3/2024.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại đa số các doanh nghiệp sản xuất hiện nay, việc quản lý nguy cơ nghỉ việc của nhân viên chủ yếu dựa trên cảm tính của quản lý trực tiếp hoặc các cuộc phỏng vấn thôi việc (Exit Interview) khi sự việc đã an bài. Phương pháp này mang tính bị động tuyệt đối và không tận dụng được dữ liệu nhân sự lịch sử.

Tiêu chí so sánh Đánh giá cảm tính / Thủ công Khảo sát định kỳ (Surveys) Giải pháp Machine Learning (Đề tài)
Tính chủ động Rất thấp (Chỉ biết khi nộp đơn) Trung bình (Định kỳ quý/năm) Rất cao (Cảnh báo sớm theo thời gian thực)
Độ chính xác Thiếu khách quan, định tính Dễ bị sai lệch do câu trả lời xã giao Khách quan, dựa trên 19 thuộc tính định lượng
Chi phí vận hành Thấp ban đầu nhưng tổn thất lớn Tốn thời gian thu thập và phân tích Tự động hóa hoàn toàn trên dữ liệu sẵn có
Khả năng mở rộng Không thể mở rộng quy mô lớn Khó áp dụng thường xuyên cho hàng nghìn công nhân Dễ dàng mở rộng cho toàn bộ nhà máy và tập đoàn

Ưu tiên yêu cầu theo mô hình MoSCoW

  • Must have (Bắt buộc có): Module tiền xử lý dữ liệu khuyết thiếu (Imputation), module mã hóa biến phân loại (LabelEncoder & One-Hot Dummy), pipeline huấn luyện mô hình Logistic Regression và SVM, xuất báo cáo Confusion Matrix và Classification Report.
  • Should have (Nên có): Trực quan hóa tương quan ma trận Heatmap, phân tích tầm quan trọng của các thuộc tính (Feature Importance).
  • Could have (Có thể có): Giao diện Web API (FastAPI) nhận thông tin nhân viên và trả về xác suất nghỉ việc tức thì.
  • Won't have (Chưa thực hiện ở giai đoạn này): Tích hợp phân tích chuỗi thời gian liên tục (Time-series turnover tracking) và phân tích cảm xúc từ văn bản nhận xét.

Thiết kế hệ thống

Kiến trúc giải pháp được thiết kế theo mô hình luồng dữ liệu 4 tầng chuẩn KDD:

graph TD
    A[Cơ sở dữ liệu Nhân sự SQL Server] -->|SQL Query & Data Extraction| B[Tầng Tiền Xử Lý Dữ Liệu]
    B -->|Mean/Mode Imputation| C[Tầng Kỹ Thuật Đặc Trưng]
    C -->|LabelEncoder / One-Hot Dummies| D[Tầng Huấn Luyện Mô Hình]
    D -->|Huấn luyện & Tối ưu hóa| E1[Logistic Regression - Sigmoid / Loss Minimization]
    D -->|Huấn luyện & Tối ưu hóa| E2[Support Vector Machine - Hyperplane Margin]
    E1 --> F[Tầng Đánh Giá & Dự Đoán]
    E2 --> F
    F -->|Confusion Matrix, Precision, Recall, F1-Score| G[Báo cáo cảnh báo rủi ro nhân sự]

Technology Stack và phiên bản

  • Ngôn ngữ lập trình: Python 3.10.x
  • Thư viện xử lý dữ liệu: Pandas v2.1.4, NumPy v1.26.2
  • Thư viện học máy: Scikit-learn v1.3.2
  • Thư viện trực quan hóa: Matplotlib v3.8.2, Seaborn v0.13.0
  • Cơ sở dữ liệu nguồn: Microsoft SQL Server 2019

Thiết kế trích xuất dữ liệu (Data Extraction Schema)

Hệ thống truy vấn và giải mã dữ liệu trực tiếp từ các bảng nhân sự (D04_Employee, D03_OrgStructure, C04_Position, C04_LaborForm, C04_JobTitle, C03_Province, D06_OvertimeAnl, D06_LateEarly) thông qua câu lệnh SQL chuẩn hóa:

SELECT a3.Code, EmployeeName, YEAR(GETDATE()) - YOB AS 'Age', Gender, 
       DateEmployment, YearEmployee, DateEndProbation, ProbationDay, 
       YearProbation, DateQuit, YearQuit, TerminationType, 
       a3.OrgStructureName, PositionName, LaborFormName, JobTitleName, 
       ProvinceName, OvertimeHours, LateEarlyCount
FROM (
    SELECT a.Code, EmployeeName, YOB, Gender, 
           CONVERT(date, DateEmployment) AS DateEmployment, 
           YEAR(DateEmployment) AS 'YearEmployee', 
           DATEDIFF(DAY, DateEmployment, DateEndProbation) AS 'ProbationDay', 
           CONVERT(date, DateEndProbation) AS DateEndProbation, 
           YEAR(DateEndProbation) AS 'YearProbation', 
           CONVERT(date, DateQuit) AS DateQuit, 
           YEAR(DateQuit) AS 'YearQuit', 
           b.OrgStructureName, TerminationType, 
           CONVERT(date, a.DateEffective) AS DateEffective, 
           PositionName, LaborFormName, JobTitleName, ProvinceName 
    FROM D04_Employee AS a 
    LEFT JOIN D03_OrgStructure AS b ON a.OrgStructureID = b.ID 
    LEFT JOIN C04_Position AS c ON a.PositionID = c.ID 
    LEFT JOIN C04_LaborForm AS d ON a.LaborFormID = d.ID 
    LEFT JOIN C04_JobTitle AS e ON a.JobTitleID = e.ID 
    LEFT JOIN C03_Province AS f ON a.ProvinceID = f.ID
) AS a3 
LEFT JOIN (
    SELECT EmployeeID, SUM(ApprovedHours) AS 'OvertimeHours' 
    FROM D06_OvertimeAnl 
    GROUP BY EmployeeID
) AS a1 ON a3.Code = a1.EmployeeID 
LEFT JOIN (
    SELECT EmployeeID, COUNT(Workdate) AS 'LateEarlyCount' 
    FROM D06_LateEarly 
    GROUP BY EmployeeID
) AS a2 ON a3.Code = a2.EmployeeID;

Phương pháp luận (Methodology)

Dự án áp dụng quy trình tiêu chuẩn công nghiệp CRISP-DM (Cross-Industry Standard Process for Data Mining) gồm 6 giai đoạn:

  1. Business Understanding (Hiểu bài toán doanh nghiệp): Định hình mục tiêu giảm chi phí nhân sự và hạn chế gián đoạn sản xuất tại Sheng Shing.
  2. Data Understanding (Khám phá dữ liệu): Phân tích 19 trường thuộc tính gồm thông tin định lượng (Age, ProbationDay, OvertimeHours, LateEarlyCount, Dependent, YearAtCompany, Allowance, DayLeave, WorkDay, YearWithCrrPosition) và định tính (Gender, OrgStructureName, PositionName, LaborForm, ProvinceName, Salary, Marriage, Bonus, Resign).
  3. Data Preparation (Chuẩn bị dữ liệu): Xử lý giá trị rỗng (Age điền bằng Mean; Province, Marriage điền bằng Mode) và thực hiện mã hóa nhị phân/đa lớp.
  4. Modeling (Xây dựng mô hình): Huấn luyện Logistic Regression và Support Vector Classifier.
  5. Evaluation (Đánh giá): Kiểm định chéo bằng độ đo F1-Score trên tập kiểm thử độc lập (Test Set chiếm 20%).
  6. Deployment (Định hướng triển khai): Tích hợp vào quy trình đánh giá rủi ro nhân sự hàng tháng.

Implementation và kết quả

Chi tiết giải thuật và công thức toán học

1. Mô hình Hồi quy Logistic (Logistic Regression)

Hồi quy Logistic ước lượng xác suất xảy ra biến cố nhị phân $y \in {0, 1}$ (0: Không nghỉ việc, 1: Nghỉ việc) thông qua hàm kích hoạt Sigmoid:

$$f(x) = \sigma(w^T x) = \frac{1}{1 + e^{-w^T x}}$$

Hàm mất mát Binary Cross-Entropy trên toàn bộ tập dữ liệu $N$ mẫu:

$$J(w) = -\frac{1}{N} \sum_{i=1}^N \left[ y_i \log(z_i) + (1 - y_i) \log(1 - z_i) \right] \quad \text{với } z_i = \sigma(w^T x_i)$$

Gradient của hàm mất mát theo véc-tơ trọng số $w$:

$$\frac{\partial J(w)}{\partial w} = \sum_{i=1}^N (z_i - y_i) x_i$$

Trọng số được cập nhật thông qua giải thuật Gradient Descent với tốc độ học $\eta$:

$$w := w - \eta \sum_{i=1}^N (z_i - y_i) x_i$$

2. Mô hình Máy véc-tơ hỗ trợ (Support Vector Machine - SVM)

SVM xây dựng siêu phẳng tối ưu $\langle w, x \rangle + b = 0$ nhằm tối đa hóa khoảng cách phân tách lề (margin) giữa hai lớp:

$$\text{margin} = \frac{2}{|w|}$$

Bài toán tối ưu hóa lồi có ràng buộc:

$$\min_{w, b} \frac{1}{2} |w|^2 \quad \text{thỏa mãn } y_i (\langle w, x_i \rangle + b) \ge 1, \quad \forall i \in {1, \dots, N}$$

          x (Lớp +1: Nghỉ việc)
          |   / H+: <w, x> + b = +1
          |  /       
    d+    | /   Siêu phẳng tối ưu H0: <w, x> + b = 0
  <-----> |/         
          / <-----> d-
         /  |   H-: <w, x> + b = -1
        /   |
       /    o (Lớp -1: Ở lại)
     Margin = 2 / ||w||

Hiện thực hóa mã nguồn (Code Implementation)

Xử lý dữ liệu khuyết thiếu và kỹ thuật mã hóa kết hợp

import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import LabelEncoder
from sklearn.linear_model import LogisticRegression
from sklearn.svm import SVC
from sklearn.metrics import classification_report, confusion_matrix, accuracy_score

# 1. Đọc dữ liệu và xử lý giá trị khuyết thiếu (Data Imputation)
df = pd.read_csv("sheng_shing_employee_data.csv")

# Điền giá trị trung bình cho biến định lượng Age
df['Age'] = df['Age'].fillna(df['Age'].mean())

# Điền giá trị xuất hiện nhiều nhất (Mode) cho biến định tính
df['ProvinceName'] = df['ProvinceName'].fillna(df['ProvinceName'].mode()[0])
df['Marriage'] = df['Marriage'].fillna(df['Marriage'].mode()[0])

# 2. Phương pháp Mã hóa hỗn hợp (LabelEncoder kết hợp One-Hot Dummies)
# Mã hóa các cột nhị phân (2 giá trị) bằng LabelEncoder
binary_cols = ['LaborForm', 'Gender', 'Marriage', 'Bonus', 'Resign']
le = LabelEncoder()
for col in binary_cols:
    df[col] = le.fit_transform(df[col])

# Mã hóa các cột đa lớp (>= 3 giá trị) bằng pd.get_dummies
multi_class_cols = ['OrgStructureName', 'PositionName', 'ProvinceName', 'Salary']
df_encoded = pd.get_dummies(df, columns=multi_class_cols, drop_first=False)

# 3. Phân chia tập dữ liệu huấn luyện và kiểm thử (80% Train - 20% Test)
X = df_encoded.drop(columns=['Resign'])
y = df_encoded['Resign']
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42, stratify=y)

# 4. Huấn luyện mô hình Logistic Regression
lr_model = LogisticRegression(max_iter=1000, random_state=42)
lr_model.fit(X_train, y_train)
y_pred_lr = lr_model.predict(X_test)

# 5. Huấn luyện mô hình SVM (Support Vector Classifier)
svm_model = SVC(kernel='linear', random_state=42)
svm_model.fit(X_train, y_train)
y_pred_svm = svm_model.predict(X_test)

Phân tích kết quả thực nghiệm và đánh giá định lượng

Dữ liệu thực nghiệm qua Heatmap cho thấy các yếu tố có mối tương quan nghịch mạnh mẽ nhất đối với quyết định nghỉ việc (Resign) gồm:

  1. YearWithCrrPosition (Số năm ở vị trí hiện tại): Tương quan nghịch cao nhất. Nhân viên giữ nguyên vị trí quá lâu mà không có lộ trình phát triển dễ phát sinh tâm lý chán nản, trong khi nhân viên mới nhận việc dưới 1 năm có tỷ lệ bỏ việc cao nhất.
  2. YearAtCompany (Thâm niên làm việc): Nhân viên làm việc lâu năm có mức độ gắn kết cao.
  3. OvertimeHours (Số giờ tăng ca): Nhân viên có giờ tăng ca quá ít (thu nhập giảm sút) hoặc quá cao (kiệt sức) có tỷ lệ thôi việc cao hơn nhóm có giờ tăng ca ổn định.
  4. Salary (Mức lương): Nhóm lương thấp có tỷ lệ thôi việc lên tới 84.40%, nhóm lương trung bình là 57.62%, trong khi nhóm lương cao chỉ chiếm 15.38%.

Bảng so sánh hiệu năng các mô hình thực nghiệm

Thuật toán Phương pháp mã hóa Accuracy Precision (Lớp 1) Recall (Lớp 1) F1-Score (Macro Avg)
Logistic Regression LabelEncoder đơn thuần 81.50% 80.20% 79.80% 0.81
Logistic Regression LabelEncoder + Dummies 86.00% 85.40% 84.90% 0.86
Support Vector Machine LabelEncoder đơn thuần 82.00% 81.10% 80.50% 0.82
Support Vector Machine LabelEncoder + Dummies 87.50% 87.20% 86.80% 0.87

[!NOTE] Việc kết hợp LabelEncoder cho các biến nhị phân và Dummy Encoding (One-Hot) cho các biến đa phân loại giúp mô hình loại bỏ giả định thứ bậc sai lệch giữa các nhãn danh nghĩa, giúp độ chính xác của cả hai mô hình tăng trung bình từ 4.5% đến 5.5%.

Đổi mới và đóng góp

  1. Chuẩn hóa quy trình mã hóa dữ liệu đặc thù ngành sản xuất: Không áp dụng rập khuôn một kỹ thuật encoding duy nhất, đề tài đề xuất chiến lược kết hợp linh hoạt (Hybrid Categorical Encoding) giữa LabelEncoder cho biến 2 giá trị và One-Hot Dummies cho biến đa danh mục, tối ưu hóa không gian vector đặc trưng.
  2. Khám phá tri thức thực tiễn tại doanh nghiệp FDI: Minh chứng bằng dữ liệu thực nghiệm rằng tỷ lệ nghỉ việc chịu tác động mạnh bởi phân khúc lao động (Lao động trực tiếp tại xưởng sản xuất có nguy cơ nghỉ việc cao gấp 2.4 lần so với khối văn phòng gián tiếp; nhân viên độc thân có tỷ lệ nghỉ việc cao hơn nhân viên đã kết hôn).
  3. Hiệu quả vượt trội so với giải pháp truyền thống: Nâng cao độ chính xác dự báo rủi ro nhân sự thêm 28.5% so với phương pháp đánh giá định tính của cán bộ quản lý, giúp phát hiện nguy cơ trước ít nhất 30 ngày.
Thuộc tính so sánh Mô hình Cây quyết định C4.5 Đánh giá khảo sát định kỳ Mô hình SVM (Đề tài)
Khả năng xử lý đa chiều Trung bình (Dễ bị Overfitting) Rất kém Xuất sắc (Tối ưu hóa siêu phẳng)
Độ nhạy với dữ liệu nhiễu Kém (Dễ lệch nhánh) Kém Cao (Nhờ lề cực đại Margin)
Khả năng giải thích Trực quan theo cây Báo cáo tỷ lệ phần trăm Toán học vững chắc (Tối ưu lồi)

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong doanh nghiệp

  • Hệ thống cảnh báo sớm (HR Early Warning System): Hàng tháng, sau khi phòng nhân sự chốt bảng chấm công (giờ làm việc thực tế, số giờ tăng ca, số lần đi muộn về sớm, phụ cấp), hệ thống tự động chạy mô hình dự báo để quét toàn bộ danh sách nhân viên.
  • Can thiệp chủ động: Đối với các nhân viên được mô hình gán nhãn Resign = 1 với xác suất trên 70%, hệ thống tự động gửi cảnh báo tới Trưởng bộ phận và HRBP (Human Resource Business Partner) để thực hiện rà soát chế độ đãi ngộ, trao đổi nguyện vọng và điều chỉnh khối lượng công việc kịp thời.

Kiến trúc triển khai Web API (Production Deployment)

Dịch vụ dự đoán được đóng gói dưới dạng microservice sử dụng FastAPI và Docker:

[HR Management Web App] 
[FastAPI Microservice /api/v1/predict]
[Dashboard Giám Sát Cảnh Báo Nhân Sự]
  • API Endpoint: POST /api/v1/predict-turnover
  • Request Body mẫu:
{
  "Age": 24.0,
  "Gender": "Male",
  "ProbationDay": 60,
  "OrgStructureName": "Nha May",
  "PositionName": "Cong nhan",
  "LaborForm": "direct",
  "ProvinceName": "Mien Bac",
  "OvertimeHours": 12.5,
  "LateEarlyCount": 4,
  "Dependent": 0,
  "Salary": "low",
  "YearAtCompany": 0.5,
  "Marriage": "single",
  "Bonus": "no",
  "Allowance": 2,
  "DayLeave": 2,
  "WorkDay": 22,
  "YearWithCrrPosition": 0.5
}

Phân tích hiệu quả kinh tế (Cost-Benefit Analysis)

  • Chi phí triển khai mô hình: Khoảng 30 - 50 triệu VND (chi phí hạ tầng máy chủ nội bộ và tích hợp phần mềm).
  • Lợi ích kinh tế: Trung bình mỗi tháng Công ty Sheng Shing có khoảng 15 công nhân nghỉ việc đột ngột. Chi phí tuyển dụng và đào tạo thay thế là 8.000.000 VND/người.
  • Tiết kiệm dự kiến: Nếu mô hình giúp giữ chân thành công 35% số nhân sự có ý định thôi việc (khoảng 5 người/tháng), công ty tiết kiệm được:

$$\text{Tiết kiệm hàng năm} = 5 \times 8.000.000 \times 12 = 480.000.000 \text{ VND/năm}$$

  • Thời gian hoàn vốn (ROI): Dưới 2 tháng sau khi đưa vào vận hành chính thức.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  1. Quy mô tập dữ liệu: Mẫu nghiên cứu dừng lại ở 1.000 bản ghi tại một công ty cụ thể, chưa bao quát biến động nhân sự theo mùa vụ qua nhiều năm.
  2. Loại hình dữ liệu: Chưa thu thập được các dữ liệu phi cấu trúc như phản hồi trong các cuộc họp phòng ban, đánh giá hiệu suất chi tiết (KPIs) hàng quý.

Hướng phát triển tương lai

  • Mở rộng tích hợp các thuật toán học máy nâng cao dạng Ensemble Learning như XGBoost, LightGBM, CatBoost hoặc mạng Nơ-ron sâu (Deep Neural Networks) để nâng cao F1-score lên trên 92%.
  • Xây dựng Dashboard trực quan hóa dữ liệu nhân sự thời gian thực bằng Streamlit hoặc Power BI Embedded kết nối trực tiếp với Database SQL Server.

Đối tượng hưởng lợi

  • Sinh viên ngành CNTT, Hệ thống thông tin, Kinh tế số: Nắm bắt quy trình hoàn chỉnh từ trích xuất dữ liệu SQL, tiền xử lý, mã hóa biến phân loại đến xây dựng mô hình học máy thực chiến trên bộ dữ liệu doanh nghiệp thật.
  • Lập trình viên & Kỹ sư Dữ liệu: Tham khảo mã nguồn xử lý Imputation, Hybrid Encoding và pipeline so sánh Logistic Regression vs SVM.
  • Nhà quản trị doanh nghiệp & Bộ phận Nhân sự (HR): Sở hữu công cụ khoa học chính xác để dự báo biến động lao động, tối ưu hóa chính sách lương thưởng và giảm chi phí tuyển dụng.
  • Nhà nghiên cứu (Researchers): Tài liệu tham khảo ứng dụng People Analytics và Machine Learning trong bối cảnh các nhà máy sản xuất tại thị trường mới nổi.

Câu hỏi thường gặp

1. Yêu cầu phần cứng và môi trường để triển khai mô hình là gì?

Hệ thống yêu cầu máy chủ tối thiểu 2 vCPU, 4GB RAM, hệ điều hành Linux (Ubuntu 20.04/22.04 LTS) hoặc Windows Server, cài đặt sẵn Python 3.10+, Docker và Microsoft SQL Server 2016 trở lên.

2. Mô hình có gặp giới hạn khi số lượng nhân viên tăng lên hàng chục nghìn người không?

Khi quy mô tăng lên trên 50.000 bản ghi, thuật toán SVM tuyến tính có thể tốn nhiều thời gian huấn luyện hơn ($O(N^2)$ đến $O(N^3)$). Giải pháp là chuyển sang sử dụng mô hình tối ưu LinearSVC dựa trên thư viện liblinear hoặc triển khai huấn luyện phân tán theo batch với Mini-batch Gradient Descent trên Logistic Regression.

3. Làm thế nào để tích hợp mô hình vào phần mềm HRM hiện có của công ty?

Mô hình được đóng gói thành RESTful API độc lập qua FastAPI. Phần mềm HRM chỉ cần thực hiện gọi một HTTP POST request kèm dữ liệu chấm công tháng của nhân viên để nhận kết quả phân loại rủi ro mà không cần thay đổi cấu trúc mã nguồn hiện tại.

4. Tần suất cần huấn luyện lại (Retrain) mô hình là bao lâu?

Nên thực hiện tái huấn luyện mô hình định kỳ 6 tháng một lần hoặc khi công ty có sự thay đổi lớn về cơ cấu lương, chính sách thưởng hoặc mở rộng quy mô nhà xưởng để tránh hiện tượng trôi dạt dữ liệu (Data Drift).

5. Dự án mang lại lợi ích tài chính gì cụ thể cho ban giám đốc?

Giúp doanh nghiệp cắt giảm trực tiếp 300 - 500 triệu đồng chi phí tuyển dụng và đào tạo thay thế mỗi năm, duy trì tính ổn định của dây chuyền sản xuất linh kiện và nâng cao mức độ hài lòng của người lao động.

Kết luận

Khóa luận tốt nghiệp của sinh viên Hoàng Thị Hồng Nhung đã giải quyết thành công bài toán dự báo nguy cơ nghỉ việc của nhân viên tại Công ty TNHH Công nghệ Sheng Shing Việt Nam bằng các công cụ khai phá dữ liệu hiện đại. Qua thực nghiệm khoa học trên 1.000 hồ sơ nhân sự, việc áp dụng phương pháp mã hóa kết hợp LabelEncoder + One-Hot Dummy đã giúp mô hình Support Vector Machine (SVM) đạt hiệu năng vượt trội với Accuracy 87.50% và F1-Score 0.87, bám sát ngay sau là Logistic Regression với Accuracy 86.00% và F1-Score 0.86.

Nghiên cứu không chỉ khẳng định giá trị học thuật của các thuật toán học máy có giám sát trong lĩnh vực People Analytics mà còn mang lại giá trị kinh tế trực tiếp, hỗ trợ ban lãnh đạo doanh nghiệp hoạch định chính sách nhân sự thông minh, giữ chân nhân tài và tối ưu hóa chi phí sản xuất trong thời đại số hóa.