146. 멘토링 프로그램 참여 신입사원 조기 잔존 실습
실전 데이터 분석 146: 신입 온보딩 멘토링 프로그램 조기 이탈 방지 효과
📊 실습 개요 (Tutorial Overview)
본 실습은 실제 비즈니스 및 학계에서 자주 마주하는 멘토링 프로그램 참여 신입사원 조기 잔존를 주제로 다룹니다. 수집된 실제 통계 데이터셋을 바탕으로 Pandas 라이브러리를 통해 결측치를 과학적으로 정제하고, Seaborn 시각화를 통해 다중 요인의 입체적인 상관 경향을 진단합니다.
🛠️ 핵심 분석 실습 역량 (Core Skills)
- 결측치 mean 대치 (`fillna`): 설문 평가 응답 거부 또는 사내 HR 데이터 연동 누락으로 발생한 멘토피드백점수 변수의 빈칸을 안전하게 채웁니다.
- 상관 시너지 데이터 분석 및 해석: 단변수 빈도 분포 점검 및 독립/종속 다변수 결합 시각화를 통해 실무 가설을 증명합니다.
🧐 실무 도메인 지식 가이드 (Domain Knowledge Guide)
👥 인사 및 조직 문화 (HR & Workplace Analysis) 인적 자원 관리(HR Analytics)는 핵심 인재의 이탈(Attrition) 방지, 사내 직무 이동 성과, 복지 리텐션을 다루는 과학적 기업 운영 분야입니다.
- 직원 자발적 퇴사(Attrition): 야근 빈도, 직무 몰입도(Engagement), 급여 대비 승진 연한 격차 등을 통해 조기 이탈 리스크 직원을 경보합니다.
- 채용 채널 성과 분석: 직무 코딩테스트 및 전형 결과와 입사 사후 실제 성과 데이터 간의 타당성(상관) 관계를 실증 분석합니다.
- 원격 근무 효율성: 원격/사무실 하이브리드 근무자의 생산성 점수와 근무 만족도 분산 차이를 통계 검증(T-test 등)합니다.
Step 1: 데이터 불러오기 및 기본 정보 확인 (Data Load)
제공된 CSV 파일을 분석 컴퓨터로 불러와 로드하고, 컬럼의 타입 및 데이터 구조를 확인합니다.
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
# 한글 폰트 설정
import koreanize_matplotlib
sns.set_theme(style="whitegrid")
# 데이터 로드
df = pd.read_csv('./corporate_mentorship.csv')
print(df.info())
print(df.head())
💻 [실행 결과]
<class 'pandas.DataFrame'> RangeIndex: 1000 entries, 0 to 999 Data columns (total 6 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 NewHireID 1000 non-null int64 1 MentoringHours 1000 non-null float64 2 MentorFeedbackScore 985 non-null float64 3 Department 1000 non-null str 4 JobSatisfaction 1000 non-null float64 5 OneYearRetention 1000 non-null int64 dtypes: float64(3), int64(2), str(1) memory usage: 52.9 KB None NewHireID MentoringHours ... JobSatisfaction OneYearRetention 0 1460001 24.9 ... 132.7 0 1 1460002 29.8 ... 122.7 0 2 1460003 17.0 ... 107.4 1 3 1460004 15.4 ... 64.0 1 4 1460005 18.4 ... 62.0 1 [5 rows x 6 columns]
RangeIndex: 1000 entries, 0 to 999
Data columns (total 6 columns):
# Column Non-Null Count Dtype
— —— ————– —–
0 NewHireID 1000 non-null int64
1 MentoringHours 1000 non-null float64
2 MentorFeedbackScore 985 non-null float64
3 Department 1000 non-null str
4 JobSatisfaction 1000 non-null float64
5 OneYearRetention 1000 non-null int64
dtypes: float64(3), int64(2), str(1)
memory usage: 47.0 KB
NewHireID MentoringHours MentorFeedbackScore Department JobSatisfaction OneYearRetention 0 1460001 24.9 6.7 HR 132.7 0 1 1460002 29.8 8.3 Support 122.7 0 2 1460003 17.0 5.7 Engineering 107.4 1 3 1460004 15.4 6.5 HR 64.0 1 4 1460005 18.4 7.1 HR 62.0 1 ```
Step 2: 결측치 및 데이터 정제 (Data Cleaning)
수집 과정에서 빈칸으로 기록된 결측값(NaN)의 존재 여부를 진단하고, 데이터 도메인 성격에 부합하는 통계 수치 대입 기법으로 정제합니다.
# 1. 컬럼별 결측치 개수 확인
print("--- 정제 전 결측치 확인 ---")
print(df.isnull().sum())
# 2. 결측치 전처리 및 대치 수행
mean_val = df['MentorFeedbackScore'].mean().round(1)
df['MentorFeedbackScore'] = df['MentorFeedbackScore'].fillna(mean_val)
print(df.isnull().sum())
💻 [실행 결과]
--- 정제 전 결측치 확인 --- NewHireID 0 MentoringHours 0 MentorFeedbackScore 15 Department 0 JobSatisfaction 0 OneYearRetention 0 dtype: int64 NewHireID 0 MentoringHours 0 MentorFeedbackScore 0 Department 0 JobSatisfaction 0 OneYearRetention 0 dtype: int64
MentoringHours 0 MentorFeedbackScore 15 Department 0 JobSatisfaction 0 OneYearRetention 0
— 정제 후 결측치 확인 — NewHireID 0 MentoringHours 0 MentorFeedbackScore 0 Department 0 JobSatisfaction 0 OneYearRetention 0 ```
💡 분석가의 통찰 (Analyst’s Insight)
- 평균 대입 적용의 비즈니스 및 통계적 근거: 멘토피드백점수 지표는 평시 상태에서 정규분포 중심에 수렴하므로, 누락된 값을 피실험자 및 이용자 평균값으로 메워 왜곡을 최소화합니다.
Step 3: 단변수 분포 분석 (Univariate EDA)
가장 먼저 핵심 변수가 전체 데이터에서 어떤 빈도와 분포를 가졌는지 단일 변수 시각화를 통해 파악해 봅니다.
plt.figure(figsize=(8, 5))
# 단변수 분석 그래프 생성
sns.histplot(data=df, x='JobSatisfaction', kde=True, color='teal')
plt.title('멘토링 프로그램 참여 신입사원 조기 잔존 빈도 분포', fontsize=14, fontweight='bold')
plt.show()
💻 [실행 결과]
💡 시각화 차트 읽는 법 & 인사이트
- 밀도 집중 대역 확인: JobSatisfaction 변수의 종형 곡선 또는 비대칭 스케일을 관찰하여, 다수가 모여 있는 주류 대역과 이상 극단치 구간을 감별합니다.
Step 4: 다변수 상관관계 및 이상치 분석 (Multivariate EDA)
두 개 이상의 변수를 동시에 결합하여, 조건에 따른 수치 차이나 독립 변수와 종속 변수 간의 통계적 경향을 분석합니다.
plt.figure(figsize=(9, 6))
# 다변수 분석 그래프 생성
sns.scatterplot(data=df, x='MentoringHours', y='JobSatisfaction', hue='OneYearRetention', palette='coolwarm', alpha=0.8)
plt.title('MentoringHours와 JobSatisfaction 상관성 및 OneYearRetention 대조', fontsize=14, fontweight='bold')
plt.show()
💻 [실행 결과]
💡 코드 딥다이브 & 비즈니스 통찰 (Analyst’s Insight)
- 분산 경향과 위험 타겟 집중 진단: X축과 Y축 간의 선형 양/음의 관계선 흐름 속에서, OneYearRetention 색상 점들이 특정한 영역에 쏠려 있는지 판독하여 다중 요인의 연계 시너지를 증명합니다.
Step 5: 통계적 직관과 해석 (Statistical Logic)
💡 [분석 도메인 통계 지식 한눈에 보기] 본 실습은 멘토링 프로그램 참여 신입사원 조기 잔존를 판독하기 위한 의사결정 프레임워크를 제공합니다.
- 단순 평균(Mean) 비교의 함정을 방어하기 위해 집단 간의 표준편차(Standard Deviation) 분산을 대조하고, 다변수 회귀 검증을 통해 우연의 일치가 아님을 유의 수준(p-value)을 통해 입증하는 의사결정 습관이 중요합니다.
🎯 30분 강의 마무리 및 심화 과제
오늘 우리는 실전 데이터셋을 분석하여 판다스로 데이터를 가공 및 정제하고, 시각화를 활용하여 핵심 변수 간의 통계적 유의성을 검증했습니다. 데이터 속에서 숨겨진 패턴을 올바른 시각으로 탐색하는 능력이 데이터 사이언티스트의 가장 강력한 무기입니다.
📝 심화 과제 (Advanced Challenge)
- 결측치를 채우기 전과 후의 통계량 변화 대조: 전후의 평균값 및 분산 격차를 코드로 구해 설명력을 확인하세요.
- 타겟 변수 기준 그룹화 비교: 타겟 레이블값 유무에 따른 핵심 피처들의 중간값 테이블 요약을 출력해 분석해 보세요.