AI离职预测配置：从零搭建员工流失预警系统

离职预测配置的核心，是把员工行为数据整理成结构化特征，用分类模型算出每个人的离职风险分，再通过定时任务定期刷新结果。
下面按一台普通 Linux 服务器上的最小可用方案展开，默认你只有基础命令行经验，也能照着完成。

先确认环境、数据和字段口径

动手前先确认三件事，缺一件后面都会卡住。

• 服务器环境：建议 Ubuntu 20.04 及以上或 CentOS 7 以上，Python 3.8 以上，内存 2GB 起。用 python3 --version 和 free -h 确认。
• 数据来源：至少要有员工基础信息表（工号、部门、入职日期、职级、薪资区间）和一张历史离职标记表（工号、离职日期）。字段口径要统一，比如"离职"只算主动离职还是包含合同到期，必须提前定死。
• 结果去向：预测分最终写回数据库还是导出 CSV，决定后面脚本的收尾逻辑。

创建独立目录和虚拟环境，避免污染系统 Python：

mkdir -p /opt/attrition && cd /opt/attrition
python3 -m venv venv
source venv/bin/activate
pip install pandas scikit-learn joblib pymysql

安装完成后用 pip list 确认 scikit-learn 和 pandas 已出现，版本号正常输出即环境就绪。

准备特征表与训练脚本

离职预测不是直接喂原始表，而是先构造特征。
常用且容易解释的特征包括：司龄（月）、近三个月加班时长、近半年绩效均值、薪资相对同职级中位数比值、最近一次晋升距今月数、通勤距离。
建议先在数据库里建一张宽表 employee_features，由 SQL 定时汇总，避免每次训练都做重计算。

训练脚本 train.py 的核心逻辑如下，注意标签列 churn 用 1 表示已离职、0 表示在职：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import roc_auc_score
import joblib

df = pd.read_csv("employee_features.csv")
features = ["tenure_months", "overtime_3m", "perf_avg_6m",
            "salary_ratio", "months_since_promotion"]
X = df[features].fillna(df[features].median())
y = df["churn"]

X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.2, random_state=42, stratify=y)
model = RandomForestClassifier(n_estimators=200, random_state=42)
model.fit(X_train, y_train)
print("AUC:", round(roc_auc_score(y_test, model.predict_proba(X_test)[:, 1]), 3))
joblib.dump(model, "model.pkl")

运行 python train.py，
正常情况下会打印一个 0 到 1 之间的 AUC 值。如果 AUC 低于 0.6，
先别急着调参，
优先检查标签是否严重不平衡、
特征是否泄露了离职后的信息（比如离职日期本身被当成特征）。

定时打分与结果回写

训练只是第一步，真正产生价值的是每天或每周对新数据打分。
写一个 score.py，加载 model.pkl，读取最新特征表，输出每个工号的风险分：

import joblib, pandas as pd
model = joblib.load("model.pkl")
df = pd.read_csv("employee_features_today.csv")
features = ["tenure_months", "overtime_3m", "perf_avg_6m",
            "salary_ratio", "months_since_promotion"]
df["risk_score"] = model.predict_proba(
    df[features].fillna(df[features].median()))[:, 1]
df[["emp_id", "risk_score"]].to_csv("risk_result.csv", index=False)

用 crontab 配置每日执行，先 crontab -e 加入：

0 2 * * * cd /opt/attrition && /opt/attrition/venv/bin/python score.py >> score.log 2>&1

保存后 crontab -l 能看到这条记录即配置成功。
第二天检查 score.log 是否有报错，risk_result.csv 是否按预期更新。

几个容易踩的坑

• 样本量太小：离职样本往往只有几十条，随机森林容易过拟合。样本少于 200 条时，优先用逻辑回归并做交叉验证，结果更稳。
• 特征时间穿越：所有特征必须取"预测时点之前"的数据，否则模型分数虚高，上线后完全不可用。
• 直接当结论用：风险分只反映统计相关性，不能替代管理判断，也不要向员工本人公开个人分数。涉及个人信息处理时，需按所在地区法规评估合规性，本文不展开具体条款。
• crontab 环境变量缺失：定时任务里必须写 Python 绝对路径，否则常报 ModuleNotFoundError。

效果验证与后续维护

上线后不要只看一次 AUC。
建议每月用当月实际离职情况回算一次命中率：取风险分前 10% 的员工，看其中有多少人真的在下面一个季度内离职。
这个指标比离线 AUC 更能反映实际效果。

如果命中率持续下降，常见原因是业务变化导致特征分布漂移，此时应重新拉取近一年数据重训模型，并保留旧模型做对比。

关于"多久重训一次"，没有统一答案，取决于人员流动速度和数据量；
可以从每季度一次开始，根据回算结果再调整频率。
整套 AI离职预测配置 的价值不在模型多复杂，而在数据口径稳定、定时任务可靠、验证指标持续跟踪这三件事上。