员工缺勤预测-基于公司内部论坛互动与情绪评估数据集
数据来源：互联网公开数据
标签：员工缺勤, 人力资源分析, 情绪分析, 论坛互动, 工作满意度, 行为预测, 时间序列, 社交互动
数据概述：
本数据集旨在探索通过分析员工在公司内部论坛的互动行为、每日情绪评分等数据，预测员工缺勤的可能性。数据集整合了来自MyHappyForce公司的数据，包含多个CSV文件，提供了员工在论坛上的评论、点赞、点踩、回复等社交互动信息，以及他们对工作感受的每日评分。数据涵盖了不同公司的员工，并提供了公司、员工、评论、互动和投票等多个维度的数据。
数据包含了以下关键信息：
- 公司信息 (Company.csv): 包括公司ID、创建日期、行业类型和账户状态等。
- 投票数据 (Votes.csv): 员工每日对自身工作感受的评分（1-4分，代表“非常差”到“非常好”）。
- 员工参与状态 (LastParticipationExists.csv): 员工的参与投票总数、最后参与日期、账户是否被删除及其删除日期。
- 评论数据 (Comments.csv): 员工发布的评论内容、评论长度、收到的点赞和点踩数量、评论日期以及评论类型（信息、祝贺、建议、问题）。
- 评论互动数据 (CommentInteractions.csv): 员工对评论的互动行为（点赞、点踩、回复）以及互动日期。
数据用途概述：
该数据集主要用于人力资源分析和员工行为预测研究。研究人员可以利用此数据进行以下分析：
- 缺勤预测模型构建： 通过建立机器学习模型，预测员工未来的缺勤情况。
- 情绪与缺勤关系分析： 分析员工情绪评分、论坛互动与缺勤之间的关联。
- 社交互动对工作满意度的影响： 研究员工在论坛上的互动行为（如评论、点赞、回复）与工作满意度之间的关系。
- 行业差异性分析： 探索不同行业员工的互动行为、情绪状态和缺勤模式的差异。
- 时间序列分析： 分析员工情绪、论坛互动和缺勤随时间的变化趋势。
该数据集可为人力资源管理、员工关系研究、以及企业决策提供重要的数据支持。
