| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 1.15 MB | Adobe PDF |
Authors
Advisor(s)
Abstract(s)
Nowadays, the business world is characterized by high competitiveness, where every factor is essential for ensuring the success of a company. In this sense, Human Resources take on great importance, being the essential component for ensuring the success of any organization. Thus, retaining highly qualified employees is one of the biggest challenges faced today, with employee turnover being a costly and destructive problem for companies. Thee Lisbon Regional Delivery Hub (LRDH) of Willis Towers Watson (WTW) is no exception, with its highly qualified employees leaving annually. This thesis has a dual purpose: to investigate the factors that influence employee turnover at Willis Towers Watson and to determine the most effective predictive model for predicting that turnover. This study found that employees with longer tenure, those who have been promoted, Portuguese nationals, and individuals in higher-level positions are more likely to remain active in the organization. Additionally, the study also showed the effectiveness of machine learning models, with the random forest model being highly capable of predicting employee turnover at WTW. These results provide valuable insights for the company’s human resources department, as it is now possible to identify the factors that most influence employee departures and, thus, adopt retention measures. By addressing these factors, the LRDH of WTW can not only reduce employee turnover, but also improve its productive and financial performance.
Atualmente, assiste-se a uma elevada competitividade empresarial, onde cada fator é determinante para garantir vantagem competitiva. Neste sentido, os Recursos Humanos assumem grande importância, sendo a componente essencial para garantir o sucesso de qualquer organização. Deste modo, manter funcionários altamente qualificados é um dos maiores desafios enfrentados na atualidade, sendo o turnover dos funcionários um problema caro e destrutivo para as empresas. O Lisbon Regional Delivery Hub (LRDH) da Willis Towers Watson (WTW) não é excessão, assistindo frequentemente à saída dos seus funcionários altamente qualificados. Esta tese apresenta um duplo sentido: investigar os fatores que influenciam o turnover dos funcionários na Willis Towers Watson e determinar o modelo mais eficaz para prever esse turnover. Com este estudo foi possível concluir que funcionários com mais tempo de empresa, aqueles que foram promovidos, portugueses e indivíduos com cargos mais elevados são mais propensos a permanecer ativos na organização. Para além disso, o estudo também mostrou a eficácia dos modelos de machine learning, onde o modelo de random forest mostrou ser altamente capaz de prever o turnover dos funcionários da WTW. Estes resultados fornecem insights valiosos para o departamento de recursos humanos da empresa, uma vez que agora é possível verificar quais são os fatores que mais influenciam a saída dos funcionários e, assim, adotar medidas de retenção dos mesmos. Ao abordar esses fatores, o LRDH da WTW, além de reduzir a rotatividade dos funcionários, pode melhorar seu desempenho produtivo e retorno financeiro.
Atualmente, assiste-se a uma elevada competitividade empresarial, onde cada fator é determinante para garantir vantagem competitiva. Neste sentido, os Recursos Humanos assumem grande importância, sendo a componente essencial para garantir o sucesso de qualquer organização. Deste modo, manter funcionários altamente qualificados é um dos maiores desafios enfrentados na atualidade, sendo o turnover dos funcionários um problema caro e destrutivo para as empresas. O Lisbon Regional Delivery Hub (LRDH) da Willis Towers Watson (WTW) não é excessão, assistindo frequentemente à saída dos seus funcionários altamente qualificados. Esta tese apresenta um duplo sentido: investigar os fatores que influenciam o turnover dos funcionários na Willis Towers Watson e determinar o modelo mais eficaz para prever esse turnover. Com este estudo foi possível concluir que funcionários com mais tempo de empresa, aqueles que foram promovidos, portugueses e indivíduos com cargos mais elevados são mais propensos a permanecer ativos na organização. Para além disso, o estudo também mostrou a eficácia dos modelos de machine learning, onde o modelo de random forest mostrou ser altamente capaz de prever o turnover dos funcionários da WTW. Estes resultados fornecem insights valiosos para o departamento de recursos humanos da empresa, uma vez que agora é possível verificar quais são os fatores que mais influenciam a saída dos funcionários e, assim, adotar medidas de retenção dos mesmos. Ao abordar esses fatores, o LRDH da WTW, além de reduzir a rotatividade dos funcionários, pode melhorar seu desempenho produtivo e retorno financeiro.
Description
Keywords
Machine learning Human resources management Employee turnover Willis Towers Watson (WTW) Predictive models Gestão de recursos humanos Turnover dos funcionários Modelos de previsão