가전제품 설치전문가 이직 예측모형
Resignation Forecasting Model For Home Appliances Installation Professionals
- 주제(키워드) 설치전문가 , 이직예측 , 데이터마이닝
- 발행기관 아주대학교
- 지도교수 임석철
- 발행년도 2012
- 학위수여년월 2012. 2
- 학위명 석사
- 학과 및 전공 산업대학원 물류경영공학과
- 실제URI http://www.dcollection.net/handler/ajou/000000012349
- 본문언어 한국어
- 저작권 아주대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
국내 가전제품 시장의 고객 최접점에서 서비스 품질의 중추적 역할을 담당하는 설치전문가의 이직률은 열악한 근무환경 등의 사유로 해마다 지속 상승하고 있는 실정이고 그에 따라 구인難 속에 신규인력 적기 충원 어려움, 계속되는 교육비용 증가 및 숙련도 미숙 등으로 서비스 실행력이 저하되는 원인이 되고 있다. 따라서 기업들은 설치전문가의 이직률 감소를 위한 여러 가지 대책을 강구하고 추진 중이지만 사후관리 수준에 머물고 있어 그 효과는 미미하다 할 수 있겠다. 본 연구에서는 사후에 수립하는 대책에서 벗어나 설치전문가의 재직 중 이직 패턴을 분석하고 사전 예측하고자 한다. 이를 위해 SAS E-Miner와 기업의 실제 데이터를 이용하여 데이터마이닝 기법 중 의사결정나무(C4.5, CART, CHAID)와 신경망 기법의 예측 정확도를 각 각 비교하고, 이 중 정확도가 높은 C4.5와 신경망의 결합모형을 구축하여 단일기법에 비해 보다 향상된 예측 정확도를 얻을 수 있는 모형을 제안하였다. 본 연구에서 제안한 분석절차와 모형을 통해 설치전문가의 이직을 사전에 예측하고 특별관리가 된다면 설치전문가의 장기근속을 유도하고 이를 통해 매년 증가하는 교육훈련비용과 반품비용 등을 절감하는데 기여할 수 있을 것이며 더 나아가 고객에게는 보다 안정적인 서비스를 제공할 수 있을 것이다.
more초록/요약
The installation professionals play a pivotal role in assuring the quality of service and customer satisfaction in the domestic electronics market. It is notable that the annual turnover rate of the installation professionals is steadily increasing for several reasons including poor working conditions. Companies are having difficulty timing the supply of workforce, and spending more on training newly employed workers. The service performance is supposed to wear off due to lack of working experiences of new workers. Accordingly, some measures by companies are being taken to slash the turnover rate, but they are scarcely effective as limited to no more than consequence management. This study is aimed at analyzing and predicting the turnover pattern of installation professionals rather than taking ex post facto measures. By using SAS E- Miner and the actual data of a local company, this study compares the predictive accuracy of the decision tree(C4.5, CART, CHAID) with that of the neural network method, and forms a model combining more accurate C4.5 and the neural network. Therefore, it suggests a model with a lot more improved predictive accuracy than a single method. The analysis process and the model suggested in this study might be so effective in predicting the rate of installation professionals changing their job and in turning their mind toward long-term service. This study could help reduce the annually accruing expenses of in-service training and returning items from the customers, thus leading to reliable services to the customers. Key words : Installation Professionals, Resignation Forecasting, Data Mining
more목차
요약문ⅰ
목차 ⅱ
그림목차 ⅲ
표목차 ⅳ
제1장 서론 1
제1절 연구의 배경 및 목적 1
제2절 연구의 내용 및 구성 3
제3절 기존연구 고찰 3
제2장 데이터마이닝 기법 6
제1절 기본개념 6
제2절 SAS Enterprise Miner 8
제3절 의사결정나무(Decision Tree) 9
제4절 신경망 기법(Neural Network) 12
제5절 전문가시스템(Expert System) 14
제3장 설치전문가 이직 예측모형 16
제1절 데이터 준비 16
제2절 요인별 상관분석 16
제3절 의사결정나무 알고리즘 비교 19
제4절 최적 의사결정나무 모델링 24
제5절 신경망 모델링 26
제6절 결합모델의 생성 28
제4장 모형의 타당성 검증 사례 32
제1절 실험의 구성 32
제2절 실험의 결과 33
제3절 결합모델의 통계적 유의성 검증 34
제4절 전문가시스템의 구현 39
제5절 기대효과 41
제5장 결론 43
ABSTRACT 45
참고문헌 47
