การคัดเลือกและวิเคราะห์กลุ่มพนักงานที่มีศักยภาพสูงโดยใช้การเรียนรู้ของเครื่อง

งานวิจัยนี้มีวัตถุประสงค์เพื่อเปรียบเทียบตัวแบบในการคัดเลือกพนักงานที่มีศักยภาพสูง ด้วยเทคนิคการถดถอยลอจิสติก (Logistic Regression) นาอีฟเบส์ (Naïve Bayes) ต้นไม้ตัดสินใจแบบจำแนกและแบบถดถอย (Decision tree : CART) และซัพพอร์ตเวคเตอร์แมชชีน (Support Vector Machine : SVM) โดยใช้ข้อมูลอายุพนักงาน (ปี) อายุการทำงาน (ปี) และผลการปฏิบัติงาน ของพนักงานการไฟฟ้าส่วนภูมิภาค ในปี พ.ศ. 2564 จำนวน 13,933 ราย โดยแบ่งข้อมูลเป็น 2 ชุด คือ ชุดฝึกสอน (Training set) สำหรับการสร้างตัวแบบ จำนวน 9,753 ราย และชุดทดสอบ (Test set) สำหรับการวัดประสิทธิภาพของตัวแบบจำนวน 4,180 ราย และวิเคราะห์กลุ่มพนักงานที่มีศักยภาพสูงขององค์กรจำนวน 7,754 ราย ด้วยวิธี K-Means และวัดประสิทธิภาพของการวิเคราะห์กลุ่มด้วยค่าทดสอบ Silhouette

ผลการวิเคราะห์การสร้างตัวแบบพบว่าตัวแบบต้นไม้ตัดสินใจแบบจำแนกและแบบถดถอยให้ค่าความถูกต้องสูงที่สุด รองลงมา คือ ตัวแบบซัพพอร์ตเวคเตอร์แมชชีน ตัวแบบการถดถอยลอจิสติก และตัวแบบนาอีฟเบส์ ตามลำดับ และปัจจัยที่ส่งผลต่อการได้รับคัดเลือกเป็นพนักงานที่มีศักยภาพสูง คือ อายุพนักงาน รองลงมา คือ ผลการปฏิบัติงาน อายุการทำงาน ตามลำดับ ส่วนผลการวิเคราะห์กลุ่มพนักงานที่มีศักยภาพสูงจำนวน 3 กลุ่ม พบว่าพนักงานกลุ่มแรกร้อยละ 51.68 เป็นกลุ่มที่มีประสิทธิภาพการทำงานดีเยี่ยม ส่วนกลุ่มสองร้อยละ 32.99 มีประสิทธิภาพการทำงานรองลงมา และกลุ่มสุดท้ายร้อยละ 15.33% เป็นกลุ่มที่ต้องปรับปรุงประสิทธิภาพในการทำงาน