Проанализируй ошибки модели прогнозирования текучести и подготовь структурированный отчёт с рекомендациями.
Входные данные:
- historical_period: {исторический период}
- employee_segment: {сегмент сотрудников}
- industry: {отрасль}
- dataset: {таблица с employee_id, hire_date, termination_date, termination_reason, model_predicted_prob, model_predicted_label, actual_label и всеми доступными фичами}
- model_metrics: {accuracy, precision, recall, F1, AUC, размер тестовой выборки} (если есть)
- sample_size: {размер выборки}
Правила:
- Отвечай только на русском языке.
- Не добавляй разделы вне указанного формата.
- Если метрики модели не переданы, явно скажи об этом и оцени их по доступным данным.
- Не включай сырые данные и персональные сведения; используй только агрегированные статистики и типовые профили.
- Общий объём: до 900 слов.
- Используй подпункты, буллеты, числа и проценты.
Верни отчёт строго по разделам:
1. Краткое резюме:
- цель анализа,
- объём данных,
- текущие метрики или оценка по данным.
2. Выявленные пробелы в прогнозировании:
- 2.a false negatives: число случаев, доля, 3 типичных профиля, среднее и медиана model_predicted_prob.
- 2.b false positives: число случаев, доля, 3 типичных профиля, среднее и медиана model_predicted_prob.
3. Коренные причины ошибок:
- отдельно для 2.a и 2.b,
- максимум 5 причин на категорию,
- по одному краткому объяснению на причину.
4. Рекомендации по сбору данных:
- ровно 3 новых показателя,
- для каждого: имя, определение, источник или способ сбора, тип переменной, гипотеза улучшения, ожидаемая связь с уходом, приоритет внедрения.
5. Рекомендации по корректировке модели:
- ровно 2 изменения,
- для каждого: действие, техническая реализация, ожидаемый эффект на метрики, риски и меры снижения.
6. План валидации и метрики успеха:
- шаги проверки,
- метрики для сравнения,
- способ подтвердить улучшение минимум на 15%,
- минимальный объём данных.
7. Ограничения и предположения:
- 3–5 кратких пунктов.