.

Сделать репост в соц сети!

четверг, 28 мая 2015 г.

Кейс по оптимизации масс рекрутинга

Коллеги, предлагаю реальный кейс. Цифры «живые», взяты из практики одного крупного российского ритейлера.
После собеседования у руководителя (и если собеседование было успешным) кандидат проходит проверку. После проверки кандидату звонят, чтобы назначить время на оформление документов, и здесь возможно несколько исходов:
  • Кандидат просто не берет трубку;
  • Берет трубку, но отказывается выходить на работу в компанию;
  • Берет трубку и подтверждает время прихода на оформление документов.

На графике ниже следующая информация:
  • Красная линия – кандидаты, кто не взял трубку или ответил отказом,
  • Зеленая линия – кандидаты, кто подтвердил приход к компанию
  • Но оси X – время проверки кандидата в днях.
  • По оси Y – время % кандидатов, кому позвонили в такой-то день после собеседования у руководителя. Т.е. высокий пик зеленой линии означает, что у более чем 25 % кандидатов, которые подтверждают выход на работу, время проверки составляет 3 дня.




Описательные статистики времени проверки кандидата

Для тех, кто подтвердил выход
   Min.   1st Qu.  Median    Mean     3rd Qu.    Max.
  2.000   3.000     4.000    4.978    6.000    57.000
Для тех, кто не взял трубку, кто ответил отказом
   Min.   1st Qu.  Median    Mean     3rd Qu.    Max.
  2.000   4.000    6.000     6.836    8.000    57.000

Qu. - это квартиль, остальные термины, думаю, понятны даже дял тех, кто не знаком со статистикой. 
Те же самые данные, но в на другом типе диаграммы – boxplot



Вопросы кейса

  1. Как бы Вы прокомментировали данные диаграммы?
  2. Какая диаграмма является более показательной?
  3. Можно ли на основе данных результатов говорить о том, что можно установить критичное время проверки кандидата?
  4. Если да, то какой срок проверки вы бы установили?
  5. Если вы не готовы дать ответ, потому что, по вашему мнению, не хватает данных, то каких данных не хватает?

Отдельное задание

Создайте файл формата excel, на основе которого были построены эти графики. Вам достаточно только указать переменные: 1) колонка один это.... 2) колонка 2 это.... и т.п..

Ласло Бок: фокус не только на топ менеджменте (презентация книги Work-rules)

Я уже цитировал книгу Ласло Бока у себя в блоге (см. Про качество подбора персонала на основе интервью - обязательно прочитайте, если вам интересно узнать, про что пишет Ласло Бок).
Сегодня я хочу дать цитату Ласло Бока, которая мне кажется крайне важной:
Everyone loves focusing on the top performers. But the bottom need just as much attention. Most struggling employees aren't bad people, and want to get better. Invest in them. Help them build the skills they need to become stronger. Even if they only end up average, you’ll get a major boost in overall productivity. Going from #9 out of 10 to #5 out of 10 is a huge change. And by being transparent and supportive early on, you’ll be able to help those that can't improve see that, and make the right transition
Вспоминая свой опыт работы в компаниях, не могу не согласиться с Ласло Боком. Я чаще работал в банках и всегда предлагал начинать с построения работы с низов - операционистов, кассиров, кредитных менеджеров. И постоянно наталкивался на сопротивление "мажоров" (я так их называю на своем языке. Эти люби чаще по политическим соображениям предпочитали работать с топами - больше преференций, чаще на виду. Но таки, если вы всерьез и надолго, то базу надо закладывать внизу.
Ну и собственно презентация книги Ласло Бока. Может быть кто-нибудь в России пожелает ее перевести?


Управление эффективностью работников: анализ через деревья условного вывода


Покажу еще пример / методы анализа и визуализации, которые HR может использовать в управлении эффективностью.
Покажу на примере двух кейсов, которые следящим за моим блогом

Первый кейс

Прогноз эффективности продавцов, у которых есть объективный измеритель - уровень продаж
См. про этот же кейс Прогноз эффективности кандидатов: еще один инструмент
У нас есть собранные данные по нашим работникам:
результаты теста способностей при приеме на работу
ответ на вопрос рекрутера "Есть ли у вас аналогичный опыт работы"
показатели продаж за полгода работы
Мы с помощью специального инструмента анализа Conditional Inference Trees - я не знаю перевод, могу только на свой манер назвать - деревья условного вывода  (хотя однозначно это некорректный перевод, поскольку смысл тут в статистическом выводу через условия).
Вопрос к вам, читатели: понятно, вообще, что эта картинка обозначает?

воскресенье, 24 мая 2015 г.

Прогноз эффективности кандидатов: еще один инструмент

С данными этого кейса я выступал на разных конференциях и на своем вебинаре
Пост про то, какие результаты можно получать в прогнозе эффективности кандидатов.
Напомню сразу, что эти результаты вы можете получить для своей компании, если воспользуетесь услугой Прогноз успешности кандидатов на основе тестов.
Или как вариант - приходите на вебинар Прогноз эффективности кандидатов на основе тестов

Описание 

У нас есть собранные данные по нашим работникам:

  • результаты теста способностей при приеме на работу
  • ответ на вопрос рекрутера "Есть ли у вас аналогичный опыт работы"
  • показатели продаж за полгода работы

Задача проста: по имеющимся данным научиться прогнозировать эффективность / успешность кандидатов.
В описании анализа я буду некоторые шаги опускать, поскольку. в противном случае, будет длинно.
Первым шагом нам необходимо выявить взаимосвязь между показателем эффективности (продажами) и результатами теста и наличием опыта.
Мы выявили корреляцию: эффективность коррелирует с показателями теста и наличием опыта.
Взаимосвязь между тестом IQ и продажами
Корреляция есть, но как теперь ее использовать при прогнозе? Мы говорим, что бизнес определяет точку нулевой эффективности на уровне 80 (рублей, % и т.п..).
Мы строим прогнозную модель (на картинке визуализация)


суббота, 23 мая 2015 г.

Типология специалистов e-learning


Задачи поста:
  1. показать, какие у меня получились типологии специалистов e-learning. 
  2. показать новый для многих метод обработки опросов - исследований. В некотором смысле можно говорить о создании модели компетенций в таком формате.

Описание кейса

На клиентском портале компании Websoft (кто не знает, компания специализируется на системах дистанционного обучения) проходил опрос среди клиентов компании:
Мы проанализировали раздел «требования» вакансий на позицию «специалист e-learning», собрали требования в наиболее обобщенном виде (в нижеследующем списке нет системы – это просто наиболее распространенные требования, расположенные в алфавитном порядке). Просим Вас выбрать не более пяти требований, которые являются наиболее важными для специалиста e-learning с Вашей т.з.. НЕ БОЛЕЕ ПЯТИ
Варианты ответов (требования к специалисту e-learning) были такие

  1. анализ.информации
  2. владение.методиками.обучения.взрослой.аудитории
  3. высшее.образование
  4. гибкое.мышление
  5. знание.excel
  6. знание.баз.данных
  7. знание.педагогического.дизайна
  8. знание.психологии.восприятия.и.рекламы
  9. знания.графических.пакетов.Photoshop..Photopaint.и.др.
  10. знания.основ.программирования.на.языках.HTML..CSS..javascript
  11. инициативность
  12. коммуникативные.навыки
  13. мотивация.обучаемых
  14. навыки.сбора.информации
  15. ответственность
  16. оценка.эффективности.обучения
  17. саморазвитие.и.самообучение
  18. системное.мышление
  19. творческое.мышление
  20. управление.проектами

Обращаю ваше внимание: я использовал малти чойс - множественный выбор. Всего проголосовало 72 респондента.
Стандартно результаты считаются так

Типология специалистов e-learning


понедельник, 18 мая 2015 г.

Кризис доверия работодатель - кандидат

Из забавы почти вырос интересный, на мой взгляд, результат. Задал я в двух группах вопрос: overqualified - вежливый способ посыла кандидата.
И варианты ответа: а) согласен б) не согласен.
Голосование было произвольным, но мне показалось, что в группе HRM, где участники преимущественно рекрутеры, чаще были не согласны с этим утверждением overqualified - вежливый способ посыла кандидата, а в группе Поиск работы, где, как мне кажется, большинство соискатели, чуть чаще выбирали вариант "согласен" - overqualified - вежливый способ посыла кандидата.
В итоге я создал опрос overqualified - вежливый способ посыла кандидата - с формализованными вариантами ответа а) согласен, б) не согласен и выбором позиции на рынке труда а) рекрутер и б) соискатель.
Результаты
                        согласен  не согласен
  рекрутер              28           34
 соискатель           27           11
Всего: 100
                       согласен  не согласен
  рекрутер           45 %          55 %
  соискатель        71 %         29 %

Pearson's Chi-squared test with Yates' continuity correction

data:  table(droplevels(q)$позиция, q$мнение)
X-squared = 5.3781, df = 1, p-value = 0.02039
А эти крокозябры означают, что разница в выборе не случайна, а определяется, скорее всего, позицией на рынке труда.
Интерпретации - дело неблагодарное. Но думаю, что данные результаты можно интерпретировать как недоверие одних другим. А работодатель нуждается в выстраивании системы коммуникаций с кандидатом, если хочет достичь основное требование HR - бренда - transparency.

Семинар - практикум "Аналитика для HR", 19-20 апреля 2016 г. Санкт-Петербург

Анонсирую семинар "Аналитика для HR", 19-20 апреля 2016 г Санкт-Петербург . Для регистрации воспользуйтесь формой подачи заявки (по ссылке ниже) или напишите мне на электронный адрес edvb@yandex.ru с указанием в теме письма "Аналитика для HR"
Подать заявку на семинар

О семинаре

Семинар про управление HR-бизнес процессами: бизнес ставит проблему, мы ее форматируем, моделируем, оцифровываем данные, выявляем ключевые драйверы, интерпретируем и ... управляем...
На Западе это обозначается как BigData в HR, я называю просто - Аналитика в HR
Формат: мастер-класс. Участники в начале семинара получают раздатку в электронном виде. Семинар представляет из себя последовательное решение в рабочем файле excel кейсов, объединенных логикой подачи материала. 90 % кейсов взяты из реальной практики, чаще всего участниками семинара, которые прошли данный семинар.
Продолжительность: 2 дня по 8 астрономических часов (с 10.00 до 19.00)
Условия участия:
Возможность быть 19-20 апреля 2016 г Санкт-Петербург
НАЛИЧИЕ СВОЕГО НОУТБУКА с программой EXCEL (офис 2010-2016) под windows

Для кого

Семинар будет полезен в первую очередь тем, кто хотел бы управлять эффективностью и текучестью персонала: выявлять на этапе подбора наиболее эффективных кандидатов, кандидатов, склонных к быстрому уходу из компании, оценивать эффективность обучения и, в более широком смысле, эффективность практик компании (как, пример, оценить эффективность программы рекомендательного рекрутинга с т.з. повышения эффективности и снижения текучести персонал, как оценить эффективность рекламной компании по привлечению кандидатов, как оценить эффективность обучения и т.д. и т.п.. )
Резюме: для тех, кто хочет показывать бизнесу, как HR влияет на бизнес показатели.
Предупреждение, warning und achtung!
Если вас тошнит от формул, вычислений, Excel – этот мастер-класс вам противопоказан.

Чего не будет:

Я не буду говорить, какие HR-метрики "лучше". Будем учиться применять анализ для понимания того, какие показатели адекватны в какой ситуации.
Я не буду учить строить отчеты: сводные таблицы вам в помощь. Семинар не про построение отчетов, он про анализ информации.
Я не буду учить строить диаграммы: а только, в каком случае какой способ визуализации более релевантен.

Кто ведет

Сайт HRM.RU известен своими уникальными и интересными исследованиями рынка. На семинаре вы встретитесь с главным дизайнером этих исследований – руководителем портала, Бабушкиным Эдуардом.
Отзывы о первом семинаре Аналитика для HR

Ожидаемые результаты

  • Знание базовых терминов и методов аналитики, статистики, социологии;
  • Умение «читать» данные исследований (корпоративных опросов, рынка зарплат, рынка труда и т.п.), бенчмаркинговых отчетов и т.п;
  • Навыки и знания выявлять ключевые драйверы HR бизнес процессов:
    • вовлеченности и удовлетворенности персонала;
    • текучести персонала;
    • ключевых факторов успешности работников;
    • эффективности обучения;
    • эффективности рекрутинговых компаний и т.п...;
  • Навыки "оцифровки" данных;
  • Навык проведения корпоративных исследований, опросов
  • Умение интерпретации результатов и навыки принятия решения на основе анализа данных;
  • Повышение вашей ценности как специалиста на рынке труда.

Программа

Вводная

  • Понятие hr-аналитики и области ее применения.
  • Примеры успешного внедрения аналитик: Западная и российская практика.
  • Правила чтения отчетов (обзоров зарплат, исследований рынка труда, бечмаркинговых отчетов) и практическое их применение.
  • Базовые термины аналитики и статистики.
  • Построение системы сбора данных в компании

Моделирование в аналитике

  • Постановка проблемы: проблему ставит бизнес
  • Переводим на свой язык: цели, модели и форматы решаемых задач
  • Гипотезы
  • "Оцифровка" данных
  • Типы данных
  • Представление и визуализация данных

Обработка и анализ данных

  • Вычисления в excel (формулы, сводные таблицы, "Пакет анализа")
  • Статистические методы обработки информации (матстатистика для HR)
  • Основные статистические критерии и методы
  • Программы обработки данных: excel, SPSS

Интерпретации

  • Что докладывать Совету Директоров: представление решений и визуализация результатов
  • Что взять себе: новые гипотезы

Заключение. Подведение итогов семинара

Условия

Для регистрации воспользуйтесь формой подачи заявки (по ссылке ниже) или напишите мне на электронный адрес edvb@yandex.ru с указанием в теме письма "Аналитика для HR"
Подать заявку на семинар

Семинар Аналитика для HR, Алматы, Казахстан, 15-16 мая 2015

Проводил 15-16 мая семинар по аналитике в Алматы, Казахстан. Это третья моя поездка в Алматы в этом году!
Поскольку в Казахстан я вошел плотно и надолго, создал группу HRM KZ - присоединяйтесь!
Вот такие мы на фото красивые. И спасибо организаторам (Ольга Хе) - за хорошую организацию, за прием. После семинара отвезли на Медео, где меня чуть ветром в ущелье не снесло)))
Следующий семинар Аналитика для HR в Алматы состоится 9-10 октября 2015 года, регистрация>>
Семинар Аналитика для HR, Алматы, Казахстан, 15-16 мая 2015
Семинар Аналитика для HR, Алматы, Казахстан, 15-16 мая 2015

Семинар - практикум "Аналитика для HR", 22-23 апреля 2016 г Алматы, Казахстан

Анонсирую семинар "Аналитика для HR", 22-23 апреля 2016 г Алматы, Казахстан . Для регистрации воспользуйтесь формой подачи заявки (по ссылке ниже) или напишите мне на электронный адрес edvb@yandex.ru с указанием в теме письма "Аналитика для HR"
Подать заявку на семинар

О семинаре

Семинар про управление HR-бизнес процессами: бизнес ставит проблему, мы ее форматируем, моделируем, оцифровываем данные, выявляем ключевые драйверы, интерпретируем и ... управляем...
На Западе это обозначается как BigData в HR, я называю просто - Аналитика в HR
Формат: мастер-класс. Участники в начале семинара получают раздатку в электронном виде. Семинар представляет из себя последовательное решение в рабочем файле excel кейсов, объединенных логикой подачи материала. 90 % кейсов взяты из реальной практики, чаще всего участниками семинара, которые прошли данный семинар.
Продолжительность: 2 дня по 8 астрономических часов (с 10.00 до 19.00)
Условия участия:
Возможность быть Алматы, 22-23 апреля 2016 года
НАЛИЧИЕ СВОЕГО НОУТБУКА с программой EXCEL (офис 2010-2016) под windows

Для кого

Семинар будет полезен в первую очередь тем, кто хотел бы управлять эффективностью и текучестью персонала: выявлять на этапе подбора наиболее эффективных кандидатов, кандидатов, склонных к быстрому уходу из компании, оценивать эффективность обучения и, в более широком смысле, эффективность практик компании (как, пример, оценить эффективность программы рекомендательного рекрутинга с т.з. повышения эффективности и снижения текучести персонал, как оценить эффективность рекламной компании по привлечению кандидатов, как оценить эффективность обучения и т.д. и т.п.. )
Резюме: для тех, кто хочет показывать бизнесу, как HR влияет на бизнес показатели.
Предупреждение, warning und achtung!
Если вас тошнит от формул, вычислений, Excel – этот мастер-класс вам противопоказан.

Чего не будет:

Я не буду говорить, какие HR-метрики "лучше". Будем учиться применять анализ для понимания того, какие показатели адекватны в какой ситуации.
Я не буду учить строить отчеты: сводные таблицы вам в помощь. Семинар не про построение отчетов, он про анализ информации.
Я не буду учить строить диаграммы: а только, в каком случае какой способ визуализации более релевантен.

Кто ведет

Сайт HRM.RU известен своими уникальными и интересными исследованиями рынка. На семинаре вы встретитесь с главным дизайнером этих исследований – руководителем портала, Бабушкиным Эдуардом.
Отзывы о первом семинаре Аналитика для HR

Ожидаемые результаты

  • Знание базовых терминов и методов аналитики, статистики, социологии;
  • Умение «читать» данные исследований (корпоративных опросов, рынка зарплат, рынка труда и т.п.), бенчмаркинговых отчетов и т.п;
  • Навыки и знания выявлять ключевые драйверы HR бизнес процессов:
    • вовлеченности и удовлетворенности персонала;
    • текучести персонала;
    • ключевых факторов успешности работников;
    • эффективности обучения;
    • эффективности рекрутинговых компаний и т.п...;
  • Навыки "оцифровки" данных;
  • Навык проведения корпоративных исследований, опросов
  • Умение интерпретации результатов и навыки принятия решения на основе анализа данных;
  • Повышение вашей ценности как специалиста на рынке труда.

Программа

Вводная

  • Понятие hr-аналитики и области ее применения.
  • Примеры успешного внедрения аналитик: Западная и российская практика.
  • Правила чтения отчетов (обзоров зарплат, исследований рынка труда, бечмаркинговых отчетов) и практическое их применение.
  • Базовые термины аналитики и статистики.
  • Построение системы сбора данных в компании

Моделирование в аналитике

  • Постановка проблемы: проблему ставит бизнес
  • Переводим на свой язык: цели, модели и форматы решаемых задач
  • Гипотезы
  • "Оцифровка" данных
  • Типы данных
  • Представление и визуализация данных

Обработка и анализ данных

  • Вычисления в excel (формулы, сводные таблицы, "Пакет анализа")
  • Статистические методы обработки информации (матстатистика для HR)
  • Основные статистические критерии и методы
  • Программы обработки данных: excel, SPSS

Интерпретации

  • Что докладывать Совету Директоров: представление решений и визуализация результатов
  • Что взять себе: новые гипотезы
  • Заключение. Подведение итогов семинара
В стоимость включены: презентации, кейсы, сертификат о прохождении семинара, кофе-паузы. Для регистрации воспользуйтесь формой подачи заявки (по ссылке ниже) или напишите мне на электронный адрес edvb@yandex.ru с указанием в теме письма "Аналитика для HR"
Подать заявку на семинар

среда, 13 мая 2015 г.

Кейс прогноз эффективности работников по тесту и компетенциям

Выкладываю данные Кейс прогноз эффективности продавцов по тесту и компетенциям (по ссылке вы скачаете файл). Данные реальные, компанию не называю, сам еще ничего не считал.

Что в файле

В файле следующие данные по 136 сотрудникам компании. Данные содержат следующие переменные:

  1. Новые_опытные – новые работают в компании менее 6 мес., первый раз проходят аттестацию. Опытные соответственно более 6 мес. и уже проходили аттестацию
  2. пол 
  3. Регион  - 3 региона, в которых работают продавцы
  4. Результаты тестирования -  % правильности написания теста, макс 100% 

Оценка по компетенциям

  • Планирование – навык продавца планирования продаж на месяц
  • Постановка задач – навык постановки задач по продаже в конкретную торговою точку
  • Проверка потребностей – навык проверки потребностей или мотиваторов покупателя
  • Презентация – навык презентации своего товара под потребности покупателя
  • Преодоление возражений – преодоления возражений покупателя
  • Использование сигналов покупки – навык заметить готовность покупателя купить и завершить продажу
  • Реализует личный план развития – у каждого продавца есть личный план развития на 6 мес. Оценка этого индикатора – это степень выполнения плана через 6 мес.
  • Мотивация к развитию – комплексный показатель из 4 критериев. За наличия каждого критерия в течение оцениваемых 6 мес. работы продавца начисляется 1 балл 

И есть информация по эффективности сотрудников. Переменная называется "Экспертность".
"1" обозначает эффективных сотрудников, "2" - неэффективных, "3" - тех, кто не попал ни туда, ни сюда.

Задача

Фишка в том, что, "Экспертность" или эффективность проставлена не во всех 136 случаях, а только 89.
Задача - проставить недостающие цифры. И написать, какова возможна ошибка в цифрах
Или не проставить, но объяснить, почему проставить нельзя.
Или, говоря, языком аналитики, спрогнозировать эффективность сотрудников при имеющихся данных.
Еще раз повторюсь, что я сам не смотрел файл. В смысле смотрел, но не считал, поэтому не знаю правильного ответа. Правильные ответы есть у компании.
Можно научиться решать такие кейсы можно на семинаре Аналитика для HR в Москве 18-19 июня

вторник, 12 мая 2015 г.

Кейс по оценке эффективности подбора и адаптации персонала



Если вы имеете fluent english и сечете в статистике, то вам лучше вот эту лекцию послушать Video: Data Science for Workforce Optimization: Reducing Employee Attrition. Я покажу несколько слайдов и поясню кейс.

Кейс по оценке эффективности подбора и адаптации персонала в финансовом колл-центре
Процесс входа в компаниюю состоял из этапов:

  1. Подбор
  2. 12 недель подготовки
  3. Экзамены "Series 7"
  4. Начало работы на телефоне

Диаграмма потерь сотрудников
Кейс по оценке эффективности подбора и адаптации персонала

Диаграмма показывает, что 20 % всех принятых сотрудников "отваливалась" во время обучения. 33 % не проходили барьер экзамена. И только меньше половины сотрудников доходили до собственно работы.
Аналитики поставили задачу выявлять на этапе подбора тех кандидатов, кто не сможет пройти барьер экзамена. Задача достаточно очевидна: основные потери на данном этапе: более 40 % тех, кто дошел до экзаменов, не проходит его. А это три месяца обучения, расходы составляют зарплату вновь принятых, расходы на обучение, зарплаты тренеров и т.п..
Поэтому было бы замечательно еще на этапе подбора выявлять кандидатов, которые не пройдут экзамен.
Вот здесь спикер не рассказал самое интересное: какие данные о кандидатах собирали, что измеряли конкретно. Обращаю ваше внимание, что данные выбирали не произвольно, измерения сопровождались статистическим анализом, т.е. данные "обкатывали" на уже работающих сотрудниках, валидизировали процедуры, а потом работали (см. например Прогноз успешности кандидатов на основе тестов).
Но даже то, что спикер показал - полезно и поучительно


Этот слайд более подробно я раскрою далее, а в этом месте я хочу одну "страшную" вещь раскрыть. Всего по результатам работы было просмотрено (Screen) 952 кандидата. 682 было отклонено по разным причинам. 173 подходили по оцениваемым параметрам, их приняли. 97 кандидатов не подходили по параметрам, но их все равно приняли!!! Для оценки качества модели. Т.е. по оцениваемым параметрам кандидаты не подходили, но их взяли, чтобы проверить, насколько они себя "оправдают" в работе.

Оценка качества модели

самый интересный слайд
Из 173 кандидатов, которые были приняты и соответствовали критериям приема экзамен успешно сдали 103 или 59 %. 60 из них не прошли или 35 % (не знаю, куда делись еще 10).
Из 97 "подопытных кроликов" 62 не сдали экзамен, что составляет 63 %, а вот 35 прошли планку.
Т.е. по другому говоря, 165 кандидата соответствовали правильно нашим ожиданиям. 165 - это 103 + 62.
А в оценке 95 кандидатов мы ошиблись (60+35).
Общая точность модели составила 63 % (103+62)/(103+62+60+35). 
 Напишите в комментах, насколько понятно, то, как я эти цифры сложил. Если есть вопросы, я отвечу в комментах.
Я обращаюсь здесь к коллегам HR, которым вешают лапшу консультанты про валидность их методик. 
Вот сравните: в данном кейсе работали очень серьезные аналитики, за 8 месяцев они накопали 63 % точность модели, работали непосредственно на месте, а к вам приходят консалтеры, которые рассказывают про 85 - 90 - 95 % точность своих методик. И вы покупаете этот бред. Любую методику нужно валидизировать на своих данных.
И точность модели кажется нам слабой - всего 63 %
Однако давайте посмотрим на это в деньгах.
Финансовые результаты или ROI от применения этой модели получился такой
Первоначальное положение, напомню, было таким: барьер экзамена проходили только 47 % кандидатов.
В нашей модели барьер проходят 59 % отобранных кандидатов
В деньгах это столько
Я думаю, понятно, из чего складываются 4 миллиона долларов.
Приходите на семинар по аналитике для HR в Москве 18-19 июня, если хотите научиться считать такое же для своей компании.
Или закажите услугу Прогноз успешности кандидатов на основе тестов

И Домашнее Задание

Про качество подбора персонала на основе интервью - вот здесь Ласло Бок - главный HR в Google - говорит про 86 % точность при подборе.
Как Вы думаете, почему такая разница: в нашем кейсе 63 %, а у Google - 86 %&

среда, 6 мая 2015 г.

Video: Data Science for Workforce Optimization: Reducing Employee Attrition



Даю анонс видео на английском
how data scientists in Google's human resources department were using R and predictive analytics to better understand the characteristics of its workforce.  Google may very well have done the pioneering work, but predictive analytics for HR applications is going mainstream. In the still below from a Predictive Analytics Times video on Data Science for Work Force Optimization Pasha Roberts, Chief Scientists at Talent Analytics, describes using survival analysis for modeling employee retention.
The video begins with a discussion of data analytics in industry, spends some time on three important curves for workforce analysis, presents some tips for talent modeling and ends with a case study on call center attrition. During the course of his presentation Pasha walks through all of the stages of a project from formulating a hypothesis, through model building and testing to model deployment.

But Pasha covers more ground than model building alone. It appears that leading edge HR departments are moving towards predicting individual employee performance. The discussion of Aptitude Metrics about 45 minutes into the talk should be of interest to anyone working, or looking for work at a technology company. Quantitative evaluation is likely to be a big part of our future. This video is well worth watching
Data Science in HR

понедельник, 4 мая 2015 г.

Про качество подбора персонала на основе интервью



Возвращаюсь к опыту Google  (по ссылке статьи, где рассказывается про опыт компании).
Видео анализ здесь


Недавно у Ласло Бок (Laszlo Bock, SVP of People Operations at Google) вышла книга Work rules!, в которой он раскрывает многие секреты hr- аналитики.
В одном из интервью Ласло Бок рассказал, как hr-служба оценила прогностичную ценность интервью специалистов компании при подборе. Процедура проста по логике: на входе интервьюер фиксирует свой прогноз успешности кандидата, а спустя какое то время кандидат уже сотрудник эту успешность демонстрирует / не демонстрирует.
И таким образом можно выявить прогностичную точность отдельно взятого интервьюера.
Картинка ниже показывает результаты такого анализа. В компании выбран 86 % уровень точности как достаточный.
По оси X - количество интервью, проведенное конкретным интервьюером
По оси Y - точность прогноза по интервью.
Группа C - основная группа интервьюеров, которые не достигают необходимого уровня прогнозной точности в 86 %
Группа B - те, кто провели недостаточно интервью, чтобы судить об их уровне прогностичной точности (запоминайте: в Google определяют объем проведенных интервью для определения валидности в 50 единиц)
Группа A - группа интервьюеров, чья прогностичная точность высока. И в этой группе один специалист.
Про качество подбора персонала на основе интервью

На закуску

Цитата из книги
When it comes to finding the best people, there’s no such thing as too many interviews, right? Thankfully, for all parties involved, that’s actually not the case. After studying candidates and their outcomes at Google, we discovered that you could tell with 86% confidence whether or not someone should be hired after four interviews by averaging their interview scores. We only gained 1% of additional confidence with each added interview, making them a waste of both the candidate and the interviewer’s time. We also discovered that with the exception of one engineer in a highly specific role, no single interviewer, no matter how experienced, was more accurate than four interviewers combined. So the next time you’re thinking about bringing a candidate back in for one more round of conversations with the team, think about whether that’s really necessary. You might already have all the info you need!
Если вкратце, то в Google посчитали, что 4 интервью - это максимум, что необходимо для определения уровня кандидата. Оценки экспертов усредняют. В этом случае достигается необходимый уровень точности в 86 %.
Каждое последующее интервью дает лишь 1 % точности, поэтому проводить их нет смысла.