Der britische National Health Service ist das öffentlich finanzierte Gesundheitssystem des Vereinigten Königreichs. Mit über 1,2 Millionen Beschäftigten ist er der mit Abstand größte Arbeitgeber des Landes. Der NHS wurde 1948 nach dem Zweiten Weltkrieg von Gesundheitsminister Aneurin Bevan gegründet. Dies war das erste Mal, dass allen Bürgern eines Landes eine kostenlose Gesundheitsversorgung angeboten wurde, die durch Steuern und nicht durch Versicherungsprämien finanziert wurde.
Fast Data Science - London
Neben der Gesundheitsversorgung ist der NHS auch für die Ausbildung, berufliche Weiterentwicklung und Zertifizierung der Ärzte, Krankenschwestern und anderen Gesundheitsfachkräfte des Landes verantwortlich. Der NHS nimmt junge Ärzte auf, die gerade ihr Medizinstudium abgeschlossen haben, und schickt sie auf einen Ausbildungsweg, bis sie sich für ein Fachgebiet wie Kardiologie, Urologie oder Allgemeinmedizin qualifizieren. Die Ausbildung eines jungen Arztes zum Facharzt oder Allgemeinmediziner kostet rund 200.000 Pfund und dauert etwa sechs Jahre. Natürlich verliert der NHS Geld, wenn junge Ärzte die Organisation verlassen, bevor sie ihren Ausbildungsweg abgeschlossen haben.
Higher Education England (HEE), eine Abteilung des NHS, benötigte eine Methode, um die Fluktuation von Mitarbeitern vorherzusehen und zu verstehen. Fast Data Science entwickelte und trainierte ein maschinelles Lernmodell in Azure ML , das vorhersagen konnte, welche Mitarbeiter zu einem bestimmten Zeitpunkt Gefahr laufen, den NHS zu verlassen.
Wir haben eine Reihe überraschender Faktoren entdeckt, die hinter der Mitarbeiterfluktuation stehen, und diese an die Unternehmensleitung weitergegeben, wo sie in die künftige Personalstrategie des NHS einfließen.
Wir haben außerdem Weiterbildungs- und Beratungsleistungen im Bereich Datenwissenschaft für die Analyseteams bei HEE angeboten und einigen Analysten die Leistungsfähigkeit von No-Code-ML mit Microsoft Azure ML nähergebracht.
In diesem Artikel zur Vorhersage der Mitarbeiterfluktuation können Sie ausführlichere Informationen zu den Techniken lesen, die wir in diesem Projekt eingesetzt haben – von Analytik über maschinelles Lernen und Deep Learning bis hin zur Überlebensanalyse.
What we can do for you
