Share |

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)


Итоговая точность модели - 81, 5 %. Т.е. мы ошибаемся в каждом пятом случае. Это неплохая точность, наверное. Но мы в данном случае отвечали по сути на вопрос, кого не стоит пускать в нашу компанию. Нам стоило бы ответить на вопрос о более широкой градации: не просто подходит / не подходит, а насколько эффективно будет продавать.
Для этого существует инструмент Regession Tree.
Нет смысла рассказывать смысл стат анализа, покажу сразу некоторые результаты.

Программа выделяет группы работников и показывает их медианные значения.
На левом графике показано, что медианное значение продаж работников без опыта составляет 80 с копейками, медианное значение работников с опытом составляет 90 с копейками.
На правом графике видно, про программа выделяет три группы работников:

  1. с IQ до 92 баллов - их медианное значение продаж - 82, 
  2. до 92 до 103 баллов - значение медианы продаж 92, 
  3. и свыше 103 баллов - эта продают в медиане на 101. 

Теперь мы объединим в одно уравнение эти данные и получим дерево.
Дерево читается так.

  1. Те кандидаты, кто имеет IQ менее 92 баллов и не имеет опыта продаж, имеет медианное значение продаж - 69 рублей. И таких работников у нас 20 %.
  2. IQ менее 92 балла и наличие опыта - 84 рублей. И таких работников - 15 %
  3. IQ меньше 103 и больше или равно 92 балла и отсутствие опыта - 82 рубля, 14 %
  4. IQ меньше 103  и больше или равно 92 балла и наличие опыта - 92 рубля и 34 % (каждый третий фактически)
  5. IQ больше или равно 103 балла - 101 рубль и 17 %

Обратите внимание, я цветом indianred выделил схожие группы. Т.е. у нас те, кто имеет IQ меньше 103 и больше 92 и не имеет опыта, и те, кто имеет IQ меньше 92, но с опытом, показали примерно одинаковые результаты.
И уже если совсем упрощать результат, то получаем четыре группы прогноза эффективности

  1. Группа "A" - наши "звезды" - IQ больше или равно 103 балла - мы ожидаем от них продаж на 101 рубль
  2. Группа "B" - наши середняки - IQ меньше 103  и больше или равно 92 балла и наличие опыта - ожидаем продаж на 92 рубля
  3. Группа "C" - группа риска - IQ менее 92 балла и наличие опыта или IQ меньше 103 и больше или равно 92 балла и отсутствие опыта - продажи на уровне 82-84 рубля или близко к пограничному уровню в 80 рублей.
  4. Группа "D" - те, кто нас не устраивают по продажам - имеет IQ менее 92 баллов и не имеет опыта продаж - ожидаемые продажи на уровне 69

Красивый инструмент?
Напоминаю про услугу Прогноз успешности кандидатов на основе тестов и семинар Аналитика для HR в Москве 18-19 июня 

Комментариев нет:

Отправить комментарий

рек