，并且基于特征向量和模型做出预测。
[0027]在一些实施例中，规格化器规格化职能、职称、工作群组中的一个或多个，使得职能、职称和/或工作群组的数目减少。在各实施例中，规格化器在分组之前或之后、在过滤之前或之后、在特征向量生成之前、或者在任何其它适当的时间执行其功能。
[0028]图1是图示了网络系统的实施例的框图。在一些实施例中，图1的网络系统包括用于确定留任风险的系统。在所示出的示例中，图1包括网络100。在各实施例中，网络100包括以下中的一个或多个:局域网、广域网、有线网络、无线网络、互联网、内联网、存储区域网络或者任何其它适当的通信网络。管理员系统102、雇员数据服务器104和留任风险确定器106经由网络100通信。在各实施例中，管理员系统102包括用于使管理员访问雇员数据服务器104上的数据的系统，以使用留任风险确定器106确定留任风险，或者出于任何其它适当的目的。雇员数据服务器104包括用于存储雇员数据的系统。在一些实施例中，雇员数据服务器104包括用于存储针对公司的雇员数据的系统。在各实施例中，雇员数据服务器104包括用于存储当前雇员数据、过去雇员数据、雇员事务数据或者任何其它适当的雇员数据的系统。留任风险确定器106包括用于确定留任风险的系统。在一些实施例中，留任风险确定器106包括用于构建模型以确定留任风险的系统。在一些实施例中，确定留任风险的模型至少部分地基于存储在雇员数据服务器104中的数据。在一些实施例中，留任风险确定器106包括至少部分地基于模型来确定针对给定雇员的留任风险的系统。在一些实施例中，留任风险确定器106使用关于雇员的来自雇员数据服务器104的历史数据来构建和测试用于留任的模型并且使用该模型来确定针对给定雇员的留任风险。
[0029]图2是图示了雇员数据服务器的实施例的框图。在一些实施例中，雇员数据服务器200包括图1的雇员数据服务器104。在所示出的示例中，雇员数据服务器200包括雇员目录202和事务数据库204。雇员目录202包括雇员信息。在各实施例中，雇员信息包括雇员姓名、雇员标识符、雇员职称、雇员部门、雇员位置、雇员薪资、雇员监督者、雇员年龄或者任何其它适当的雇员信息。事务数据库204包括雇员事务的集合。在一些实施例中，雇员事务包括雇员事件的记录。在各实施例中，雇员事件包括聘用、开除、晋升、降级、改变分组、改变位置、改变薪资率、改变监督者、退休、死亡或者任何其它适当的雇员事件。在一些实施例中，事务包括雇员事件之前和之后的雇员信息的记录。
[0030]图3A是图示了留任风险确定器的实施例的框图。在一些实施例中，留任风险确定器300包括图1的留任风险确定器106。在所示出的示例中，留任风险确定器300包括分组器302。在一些实施例中，分组器302包括用于将与一个雇员相关联的雇员数据(例如事务)分组成时间序列的分组器。在一些实施例中，分组器302按照雇员聚合雇员数据。在一些实施例中，分组器302附加地对雇员数据进行分类(例如按照事务日期)。在一些实施例中，分组器302使用处理器实现。留任风险确定器300附加地包括过滤器304。在一些实施例中，过滤器304包括用于过滤雇员(例如用于从时间序列的集合移除与雇员相关联的时间序列)的过滤器。在各实施例中，过滤器基于转变特性进行过滤，并且包括用于移除退休的雇员、死亡的雇员、仅在公司工作短时间的雇员、在临时基础上聘用的雇员、合同工或者任何其它适当的雇员的过滤器。在一些实施例中，过滤器304使用处理器实现。留任风险确定器300附加地包括规格化器306。在一些实施例中，规格化器306包括用于规格化事务的规格化器。在各实施例中，规格化事务包括确定与雇员职称相关联的规格化的雇员职称、确定与雇员水平相关联的规格化的雇员水平、确定与雇员薪资(例如在改变或输入薪资的日期转换成美元)相关联的规格化的货币价值(例如基于在适当日期的转换率将货币价值转换成特定货币)、或者以任何其它适当的方式规格化事务数据。在一些实施例中，规格化器对职能、职称、工作群组中的一个或多个进行规格化，以使得职能、职称和/或工作群组的数目减少。在各实施例中，规格化器在分组之前或之后、在过滤之前或之后、在特征向量生成之前、或者在任何其它适当的时间执行其功能。在一些实施例中，规格化器306使用处理器实现。留任风险确定器300附加地包括特征向量提取器308。在一些实施例中，特征向量提取器308包括用于从时间序列提取特征向量的组件或模块。在一些实施例中，从时间序列提取特征向量包括从时间序列确定特征的集合。在各实施例中，特征向量的特征包括职能的数目、总雇用时间、晋升之间的平均持续时间、职能是否已经改变、位置的数目、在当前职能中的时间或者任何其它适当的特征。在一些实施例中，特征向量提取器308使用处理器实现。留任风险确定器300附加地包括模型构建器310。在一些实施例中，模型构建器310接收特征向量的集合并且构建一个或多个模型。在一些实施例中，模型包括权重向量。在一些实施例中，模型构建器310使用处理器实现。留任风险确定器300包括预测器312。在一些实施例中，预测器312包括用于基于模型预测留任风险的预测器。在一些实施例中，基于模型预测留任风险包括计算特征向量与权重向量的点积。在一些实施例中，预测器312使用处理器实现。在各实施例中，留任风险确定器300的模块全部实现在单个处理器上，每一个均实现在单独的处理器上，以任何适当的方式组合实现到多个处理器上，或者以任何其它适当的方式实现。在各实施例中，留任风险确定器300附加地包括输入接口(例如用于接收事务)、输出接口(例如用于提供留任风险)、分装器(例如用于按照雇员特征分离时间序列一一例如按照在公司工作的时间)或者任何其它适当的模块。
[0031]在一些实施例中，在特征向量提取308之前并且在模块构建器310之前执行分装器功能。在一些实施例中，分装器模块使用雇用特性对到来的数据进行分装。例如，雇员被分离成四个分装(例如针对1-5年、6-10年、11-15年以及16年或更多年的在公司的雇员任期)。在各实施例中，每一个数据分装被用来创建单独的模型(例如针对在公司的雇员任期的每一个分装一个)。在各实施例中，分装器模块使用雇员特性(例如雇员的部、雇员的水平(例如指导者、管理者、指挥者、副总、助理、技术员等))进行分装，并且对于每一个分装构建单独的模型，其中目标在于模型实现与实际行为的更好匹配。
[0032]图3B是图示了留任风险确定器的实施例的框图。在一些实施例中，图3B的留任风险确定器包括图1的留任风险确定器106。在所示出的示例中，原始事务350包括事务的集合。在一些实施例中，从图1的雇员数据服务器104接收原始事务350。在所示出的示例中，通过货币规格化352接收原始事务350 ο货币规格化352规格化货币信息(例如通过将不同货币规格化成共同的货币，因此其价值可以直接相比较，通过计及通货膨胀等)。通过货币规格化352规格化的事务由工作规格化354接收。工作规格化354跨职称、工作群组和/或职称而规格化事务(例如使用工作群组规格化356、职称规格化358和职能规格化360)。在一些实施例中，工作规格化包括利用规格化的工作信息来替换工作信息(例如职称)，以使得不同工作可以更直接地相比较。例如，两个不同公司/部门/企业单元针对等同角色使用不同职称，从而使它们难以进行比较。工作规格化利用规格化的职称来替换一个或两个公司处的职称，以使得不同公司/部门/企业单元处的等同角色与相同的规格化职称相关联。由工作规格化354规格化的事务由用户通过用户分组362进行分组。用户分组362将与单个用户相关联的事务分组成与该用户相关联的事务的时间序列。过滤364至少部分地基于转变特性来过滤由用户分组362产生的时间序列的集合。在各实施例中，过滤364过滤(例如，移除)与转变特性相关联的时间序列一一例如与以下中的一个或多个相关联:与临时工作人员相关联的时间序列(例如使用临时工作人员过滤器366)、与已故工作人员相关联的时间序列(例如使用已故工作人员过滤器368)、与退休工作人员相关联的时间序列(例如使用退休人员过滤器370)、与由公司雇用少于6个月的工作人员相关联的时间序列(例如雇用小于6个月过滤器372)或者任何其它适当的过滤器。特征提取374从接收自过滤364的时间序列提取特征。在各实施例中，特征提取374提取涉及雇用于公司时间的特征(例如使用在公司时间特征提取376)、涉及职能转变的