A existência de elevadas taxas de turnover nas empresas é um problema capaz de pôr em risco a continuidade destas no mercado, dada a sua associação a mais despesas, perda de conhecimento e de produtividade. No entanto, é sobre o turnover voluntário que as empresas devem prestar maior atenção, visto que acarreta elevados custos e a decisão está do lado dos colaboradores. Assim, importa perceber como é que as empresas podem conseguir antecipar a saída voluntária dos seus colaboradores e, por essa razão, este estudo avalia a relação entre os dados armazenados pelos empregadores, sobre os seus colaboradores, e a decisão, dos colaboradores, em abandonarem os seus empregadores. A presente investigação é sustentada por uma revisão sistemática da literatura, que inclui 24 artigos, e, seguindo a metodologia CRISP-DM, pela aplicação de técnicas de machine learning, nomeadamente árvores de decisão, comparando diferentes algoritmos. Os modelos desenvolvidos foram aplicados a um conjunto de dados extraídos de um software de gestão de cadastro de colaboradores, que inclui características pessoais e profissionais destes. No total foram utilizadas mais de 60 variáveis e uma amostra superior a 31000 colaboradores. Os resultados permitem concluir que os dados armazenados pelos departamentos de recursos humanos são capazes de prever o turnover voluntário com uma precisão de 80,2%. Desta forma, o principal contributo deste estudo é ajudar o tecido empresarial, nomeadamente os profissionais de Recursos Humanos, a identificar e prevenir o turnover voluntário dos seus colaboradores, de forma mais eficaz.

The existence of high turnover rates in companies is a problem that can jeopardize their continuity in the market, given its association with more expenses, loss of knowledge and productivity. However, it is voluntary turnover that companies need to pay more attention to, since it entails high costs and the decision lies with the employees. It is therefore important to understand how companies can anticipate the voluntary departure of their employees and, for this reason, this study evaluates the relationship between the data stored by employers about their employees and the employees' decision to leave their employers. This research is supported by a systematic literature review, which includes 24 articles, and, following the CRISP-DM methodology, by the application of machine learning techniques, namely decision trees, comparing different algorithms. The models developed were applied to a set of data extracted from employee registration management software, which includes their personal and professional characteristics. In total, more than 60 variables and a sample of more than 31000 employees were used. The results allow us to conclude that the data stored by human resources departments can predict voluntary turnover with an accuracy of 80.2%. Thus, the main contribution of this study is to assist the business community, especially HR professionals, in identifying and preventing voluntary turnover among their employees more effectively.