印度IT行业候选人入职预测数据集-avikumart
数据来源：互联网公开数据
标签：人力资源,招聘,入职预测,员工流失,IT行业,人才管理,机器学习
数据概述：
本数据集源自ScaleneWorks公司为印度IT企业提供人才招聘服务的过程中收集的候选人相关信息。ScaleneWorks公司面临着约30%的候选人接受offer后未入职的情况，导致企业时间和资源的巨大损失。该数据集旨在构建模型，预测候选人最终是否会入职。
数据集包含以下字段：
Candidate：候选人唯一识别码
DOJ Extended：候选人是否申请了延长入职时间
Duration to accept the offer：候选人接受offer所需天数
Notice period：候选人离职所需通知期（单位：天）
Offered band：根据经验和表现为候选人提供的职级
Percent hike expected in CTC：候选人期望的薪资涨幅百分比
Percent hike offered in CTC：公司提供的薪资涨幅百分比
Percent difference CTC：期望薪资涨幅与实际提供薪资涨幅的差值
Joining Bonus：是否提供入职奖金
Candidate relocate actual：候选人是否需要搬迁
Gender：候选人性别
Candidate Source：简历来源渠道
Rex in Yrs：相关工作经验年限
LOB：业务线（即提供offer的部门）
Location：公司所在地
Age：候选人年龄
Status：目标变量，表示候选人是否入职（1表示入职，0表示未入职）
数据用途概述：
该数据集可用于构建和验证预测候选人入职可能性的机器学习模型。通过分析不同因素对入职结果的影响，可以帮助公司优化招聘流程，减少人员流失，提高招聘效率，降低人力成本。具体应用场景包括：
候选人入职风险评估：预测候选人最终是否会入职，辅助招聘决策。
招聘流程优化：识别影响入职的关键因素，改进招聘策略。
员工流失预警：提前识别可能流失的候选人，采取挽留措施。
人力资源规划：基于预测结果，更好地进行人才储备和规划。
