#10_заповедей_аналитика Заповедь 3. Numbers matter, but remember that there are people behind the numbers
#визуализация_данных #анализ_сетей #графы В 2014 году, когда с помощью API Фейсбука это можно было сделать, я выгрузил данные по своим друзьям и общим друзьям. Получился вот такой социальный граф. Не знаете ничего о графах? Тогда смотрите доклад Ивана Ямщикова "Как дружба с графами может помочь вашему бизнесу".
Фейсбук предоставляет возможность скачать данные, которые он собрал о пользователе (о вас и вашем поведении) за всё время, но такую визуализацию по ним уже не построить: в выгрузке данных есть только список друзей, подписчиков, запросов в друзья, отклоненные запросы в друзья и т.п., но общих друзей нет в выгрузке. Кстати, все данные в удобном машиночитаемом виде -- в формате JSON.
Кому интересно, как можно скачать и анализировать данные о вашем профиле Facebook, а также узнать, куда они (данные) утекают см. запись дата-стрима "Изучаем данные Facebook" с Любой Поповец.
Фейсбук предоставляет возможность скачать данные, которые он собрал о пользователе (о вас и вашем поведении) за всё время, но такую визуализацию по ним уже не построить: в выгрузке данных есть только список друзей, подписчиков, запросов в друзья, отклоненные запросы в друзья и т.п., но общих друзей нет в выгрузке. Кстати, все данные в удобном машиночитаемом виде -- в формате JSON.
Кому интересно, как можно скачать и анализировать данные о вашем профиле Facebook, а также узнать, куда они (данные) утекают см. запись дата-стрима "Изучаем данные Facebook" с Любой Поповец.
#поведение_пользователей #аналитика #социальные_сети #графы Развитие современных информационных и компьютерных технологий, существующие алгоритмы анализа данных открывают для исследователей и практиков новые возможности работы с разнообразными данными, характеризующими поведенческую активность пользователей сайтов (онлайн-ресурсов, сообществ и социальных сетей).
В 2016 году я анализировал данные по пользователям форума -- зарегистрированным участникам Экспертного сообщества психологов-психодиагностов (ЭСПП). Зачем?
Во-первых, такая информация дает понимание того, в каком направлении необходимо развивать технические сервисы форума, улучшать коммуникацию на профессиональные темы участников.
В-вторых, данные об активности пользователей, их взаимодействии друг с другом позволяет понимать механизмы распространения информации, искать лучшие "каналы" ее распространения.
В-третьих, как и для любого социального сообщества, понимать скрытые механизмы и движущие силы, особенности социальной динамики, прогнозировать те или иные изменения и т.п.
... многое чего полезного
Приведу только пример, как определялся т.н. "социометрический статус" участника ЭСПП (см. картинку к этому посту). На форуме участники могут подписываться на других участников (аналог добавления в друзья в социальных сетях). Информация представлена в виде графа, где размер круга отражает т.н. "социометрический статус": чем больше радиус круга, тем больше пользователей подписались («добавили в друзья») на этого пользователя. Такой анализ можно сделать для любых сообществ, в том числе для сообществ внутри организаций – корпоративных порталов и сетей, в которых сотрудники взаимодействуют друг с другом.
Рекомендую посмотреть запись лекции "Анализируй это: как ученые исследуют поведение людей в интернете", в которой Янина Ледовая рассказывает о том, как за последние 10 лет появилось много новых способов изучать поведение людей, какую роль в этом сыграл интернет, где мы постоянно оставляем следы — поведенческие, языковые, эмоциональные. Как ученые исследуют поведение людей с помощью социальных сетей, онлайн-видеоигр и образовательных платформ? Какие задачи ставят перед собой психологи, лингвисты и программисты?
В 2016 году я анализировал данные по пользователям форума -- зарегистрированным участникам Экспертного сообщества психологов-психодиагностов (ЭСПП). Зачем?
Во-первых, такая информация дает понимание того, в каком направлении необходимо развивать технические сервисы форума, улучшать коммуникацию на профессиональные темы участников.
В-вторых, данные об активности пользователей, их взаимодействии друг с другом позволяет понимать механизмы распространения информации, искать лучшие "каналы" ее распространения.
В-третьих, как и для любого социального сообщества, понимать скрытые механизмы и движущие силы, особенности социальной динамики, прогнозировать те или иные изменения и т.п.
... многое чего полезного
Приведу только пример, как определялся т.н. "социометрический статус" участника ЭСПП (см. картинку к этому посту). На форуме участники могут подписываться на других участников (аналог добавления в друзья в социальных сетях). Информация представлена в виде графа, где размер круга отражает т.н. "социометрический статус": чем больше радиус круга, тем больше пользователей подписались («добавили в друзья») на этого пользователя. Такой анализ можно сделать для любых сообществ, в том числе для сообществ внутри организаций – корпоративных порталов и сетей, в которых сотрудники взаимодействуют друг с другом.
Рекомендую посмотреть запись лекции "Анализируй это: как ученые исследуют поведение людей в интернете", в которой Янина Ледовая рассказывает о том, как за последние 10 лет появилось много новых способов изучать поведение людей, какую роль в этом сыграл интернет, где мы постоянно оставляем следы — поведенческие, языковые, эмоциональные. Как ученые исследуют поведение людей с помощью социальных сетей, онлайн-видеоигр и образовательных платформ? Какие задачи ставят перед собой психологи, лингвисты и программисты?
#оценка_персонала #психометрика #тесты_интеллекта #компетенции 26 августа 2021 в 17:00 МСК состоится дискуссия о двух методах в оценке персонала: оценка интеллекта VS оценка компетенций.
Для каких позиций высокий интеллект и его оценка играет решающую роль?
Какие показатели по шкале интеллекта будут нормой, в зависимости от должности. Почему можно и нужно брать сотрудников с интеллектом 4,5 из 10.
Как показать бизнесу ценность тестовой оценки личностных качеств сотрудников?
Почему тесты незаменимы в оценке потенциала Soft Skills и как полученные результаты помогут выстроить работу с коллективом и увеличить эффективность компании в целом.
Преимущества и недостатки каждого из инструментов (оценка интеллекта VS оценка компетенций): какой выбрать?
В чём отличие двух инструментов оценки и какие результаты можно получить от комплексного подхода.
Спикеры:
Михмель Анна, специалист по оценке HT Lab
Воскресенская Елена, директор по развитию бизнеса HT Lab
Банченко Екатерина, директор по персоналу Фри Лайнс Компани
Лаврова Людмила, руководитель центра подбора и развития персонала Капитал Life
Участие бесплатное, необходима предварительная регистрация.
Для каких позиций высокий интеллект и его оценка играет решающую роль?
Какие показатели по шкале интеллекта будут нормой, в зависимости от должности. Почему можно и нужно брать сотрудников с интеллектом 4,5 из 10.
Как показать бизнесу ценность тестовой оценки личностных качеств сотрудников?
Почему тесты незаменимы в оценке потенциала Soft Skills и как полученные результаты помогут выстроить работу с коллективом и увеличить эффективность компании в целом.
Преимущества и недостатки каждого из инструментов (оценка интеллекта VS оценка компетенций): какой выбрать?
В чём отличие двух инструментов оценки и какие результаты можно получить от комплексного подхода.
Спикеры:
Михмель Анна, специалист по оценке HT Lab
Воскресенская Елена, директор по развитию бизнеса HT Lab
Банченко Екатерина, директор по персоналу Фри Лайнс Компани
Лаврова Людмила, руководитель центра подбора и развития персонала Капитал Life
Участие бесплатное, необходима предварительная регистрация.
#оценка_персонала Опубликована запись вебинара-дискуссии о двух методах в оценке персонала: оценка интеллекта VS оценка компетенций
YouTube
Оценка интеллекта VS оценка компетенций: когда и что лучше работает?
Мы провели вебинар-дискуссию о двух методах в оценке персонала:
оценка интеллекта и оценка компетенций.
О чём поговорили с приглашёнными экспертами:
✔ Для каких позиций высокий интеллект и его оценка играет решающую роль?
✔ Как показать бизнесу ценность…
оценка интеллекта и оценка компетенций.
О чём поговорили с приглашёнными экспертами:
✔ Для каких позиций высокий интеллект и его оценка играет решающую роль?
✔ Как показать бизнесу ценность…
#психометрика Существует как минимум три операциональных определения процентилей, диктующих нам способ их вычисления.
1) Например, если мы знаем, что некий респондент набрал по тесту 72 балла, и 364 человека из 500 (прошедших тест) имеют балл ниже 72, то мы можем вычислить процентиль просто: 364 / 500 * 100 = 73%. Мы в данном случае говорим, что 72 балла данного человека соответствует 73-му процентилю.
2) Есть и второй способ, когда мы знаем не только то, сколько набрали меньше баллов, но и сколько имеют такой же балл.
3) Ну и третий способ, когда мы знаем только среднее и стандартное отклонение (т.е. не имеем полного доступа к распределению баллов). Если предположить, что баллы распределены нормально, то мы спокойно сможем связать баллы со стандартным нормальным распределением (или т.н. "единичным нормальным распределением"). Примеры реализации в R для 3 способов.
1) Например, если мы знаем, что некий респондент набрал по тесту 72 балла, и 364 человека из 500 (прошедших тест) имеют балл ниже 72, то мы можем вычислить процентиль просто: 364 / 500 * 100 = 73%. Мы в данном случае говорим, что 72 балла данного человека соответствует 73-му процентилю.
2) Есть и второй способ, когда мы знаем не только то, сколько набрали меньше баллов, но и сколько имеют такой же балл.
3) Ну и третий способ, когда мы знаем только среднее и стандартное отклонение (т.е. не имеем полного доступа к распределению баллов). Если предположить, что баллы распределены нормально, то мы спокойно сможем связать баллы со стандартным нормальным распределением (или т.н. "единичным нормальным распределением"). Примеры реализации в R для 3 способов.
#оценка_персонала #тесты О профессиональной пригодности
Исаак Нафтульевич Шпильрейн еще в 1925 году при анализе значения личного фактора пригодности писал, что "во всякой работе бывают хорошие и плохие работники: хороший тот, кто самостоятельно и без лишней затраты труда и времени выполняет нужную работу; плохой тот, кто тратит на работу чересчур много материалов, труда и времени, или же тот, кто ни при каких затратах не может самостоятельно сделать хорошей работы". Непригодность к работе, по его мнению, имеет две причины: 1) недостаток квалифкации (недостаточная подготовленность), которая решается путем обучения, подтягивания квалификации до требуемого уровня 2) непригодность работника (когда при одном же уровне подготовки, одинаковой систематичности обучения -- один работник будет опережать другого по уровню успешности).
Изначальная пригодность людей к той или иной работе НЕ одинакова. Именно поэтому необходим профессиональный отбор. Технологии отбора, как и методы измерения индивидуальных особенностей работника, связанных с успешностью, хорошо изучены. Вопрос не в том, что мы не умеем оценивать успешность работника, а в том, что бизнес не всегда знает, какие работники ему необходимы для достжения целей существования бизнеса. Цель любого бизнеса -- получение прибыли, а организация -- это не приют для неудачников.
В ситуации массового отбора в больших организациях для огромного числа кандидатов (например, тысячи кандидатов/сотрудников, работающих в разных городах у федеральных компаний!) традиционный метод "подбор по рекомендациям" или анализ резюме уже просто никак не даёт эйчарам приемлимых результатов глазами "бизнес заказчика", так приводит к ошибкам в подборе, увеличению сроков закрытия вакансий, неудовлетворенностью процедурой отбора со стороны кандидатов/сотрудников и т.п. При этом именно с помощью достаточно дешевых и массовых стандартизированных процедур можно отсеивать хотя бы "дураков" (тест как инструмент отсева, а не отбора). Конечно, у нас преобладают универсальные и низкоточные инструменты (например, тест-опросник "Большая пятерка" в его разных модификациях), а бизнесу явно не хватает более специализированных и более высокоточных инструментов. Следует заметить, что универсальные инструменты хоть и являются низкоточными для прогноза на коротких отрезках, обладают важным достоинством -- они дают приближенный, но более дальнодействующий прогноз. Поэтому существующие универсальные инструменты (оценки мотивации, личностных особенностей и способностей) следует дополнять специализированными (управленческий и профессиональный потенциал, лидерство, склонность к риску и т.п).
Логика "есть тесты -- используем" не работает, так как недостаточно взять любой тест (универсальный/специализированный), чтобы максимизировать прибыль организации от "барьерометрии", барьер работает, но не для тех. Что касается "слишком много должностных обязанностей, разные требования": никто не отменял важности предварительного анализа деятельности, предварительной работы по выявлению этих требований. Алгоритмы есть, технологии есть, но у бизнеса нет времени, как правило, на такие практико-ориентированные изыскания.
Исаак Нафтульевич Шпильрейн еще в 1925 году при анализе значения личного фактора пригодности писал, что "во всякой работе бывают хорошие и плохие работники: хороший тот, кто самостоятельно и без лишней затраты труда и времени выполняет нужную работу; плохой тот, кто тратит на работу чересчур много материалов, труда и времени, или же тот, кто ни при каких затратах не может самостоятельно сделать хорошей работы". Непригодность к работе, по его мнению, имеет две причины: 1) недостаток квалифкации (недостаточная подготовленность), которая решается путем обучения, подтягивания квалификации до требуемого уровня 2) непригодность работника (когда при одном же уровне подготовки, одинаковой систематичности обучения -- один работник будет опережать другого по уровню успешности).
Изначальная пригодность людей к той или иной работе НЕ одинакова. Именно поэтому необходим профессиональный отбор. Технологии отбора, как и методы измерения индивидуальных особенностей работника, связанных с успешностью, хорошо изучены. Вопрос не в том, что мы не умеем оценивать успешность работника, а в том, что бизнес не всегда знает, какие работники ему необходимы для достжения целей существования бизнеса. Цель любого бизнеса -- получение прибыли, а организация -- это не приют для неудачников.
В ситуации массового отбора в больших организациях для огромного числа кандидатов (например, тысячи кандидатов/сотрудников, работающих в разных городах у федеральных компаний!) традиционный метод "подбор по рекомендациям" или анализ резюме уже просто никак не даёт эйчарам приемлимых результатов глазами "бизнес заказчика", так приводит к ошибкам в подборе, увеличению сроков закрытия вакансий, неудовлетворенностью процедурой отбора со стороны кандидатов/сотрудников и т.п. При этом именно с помощью достаточно дешевых и массовых стандартизированных процедур можно отсеивать хотя бы "дураков" (тест как инструмент отсева, а не отбора). Конечно, у нас преобладают универсальные и низкоточные инструменты (например, тест-опросник "Большая пятерка" в его разных модификациях), а бизнесу явно не хватает более специализированных и более высокоточных инструментов. Следует заметить, что универсальные инструменты хоть и являются низкоточными для прогноза на коротких отрезках, обладают важным достоинством -- они дают приближенный, но более дальнодействующий прогноз. Поэтому существующие универсальные инструменты (оценки мотивации, личностных особенностей и способностей) следует дополнять специализированными (управленческий и профессиональный потенциал, лидерство, склонность к риску и т.п).
Логика "есть тесты -- используем" не работает, так как недостаточно взять любой тест (универсальный/специализированный), чтобы максимизировать прибыль организации от "барьерометрии", барьер работает, но не для тех. Что касается "слишком много должностных обязанностей, разные требования": никто не отменял важности предварительного анализа деятельности, предварительной работы по выявлению этих требований. Алгоритмы есть, технологии есть, но у бизнеса нет времени, как правило, на такие практико-ориентированные изыскания.
Forwarded from People Analytics
В телеграме не так много каналов по hr аналитике, но я рекомендую канал Виктории Пискаревой "Красивая аналитика" -- канал про hr-данные, для тех кто любит hr-цифры и цветы🌺
В канале публикуются кейсы, факапы и лайфхаки про:
🌺 визуализацию данных
🌺 hr-метрики
🌺 hr-аналитику
🌺 автоматизацию hr-процессов
🌺 и немного про agile
В канале публикуются кейсы, факапы и лайфхаки про:
🌺 визуализацию данных
🌺 hr-метрики
🌺 hr-аналитику
🌺 автоматизацию hr-процессов
🌺 и немного про agile
Telegram
Красивая аналитика | HR
Авторский канал Виктории Пискаревой
Про HRTech продукты, автоматизацию HR процессов, аналитику, данные о людях, опыт пользователей и жизнь вокруг
РКН:
https://vk.cc/cHknrk
за сотрудничеством к @victoria_pi
или https://telega.in/c/whrdata/?r=hC2dMj5r
Про HRTech продукты, автоматизацию HR процессов, аналитику, данные о людях, опыт пользователей и жизнь вокруг
РКН:
https://vk.cc/cHknrk
за сотрудничеством к @victoria_pi
или https://telega.in/c/whrdata/?r=hC2dMj5r
#hr_digital #профиль #исследования 15 сентября – День HR-менеджера! С профессиональным праздником всех причастных и деепричастных 😊
Новый поведенческий профиль HR в эпоху Digital
Цифровые технологии с каждым годом оказывают всё более серьезное влияние на профессиональную сферу управления человеческими ресурсами. Термин e-HRM возник в 1990-е гг. как способ реализации стратегий, политики и деятельности в области управления человеческими ресурсами с абсолютным использованием веб-каналов. На ряду с понятием e-HRM в практику и теорию управления персоналом прочно вошло понятие Digital HR -- оптимизация процесса, в которой социальные, мобильные, аналитические и облачные (SMAC) технологии используются для того, чтобы сделать HR более эффективным, действенным и связанным. Что потребуется от HR, чтобы сохранить свое влияние и продолжать эффективно и результативно адаптироваться в эпоху цифровых технологий?
Компания Insight222 Research совместно с Pymetrics по результатам исследования опубликовали отчет "HR in the Digital Age: A New Behavioural Profile of the HR Professional". Поведенческий профиль HR-профессионалов был разработан на основе результатов выполнения геймифицированных упражнений от Pymetrics.ai (выборка 266 лучших HR-специалистов из различных отраслей, включая гостиничный бизнес, здравоохранение и образование, строительство, розничная торговля, госслужба и финансы). Результатом является уникальный поведенческий профиль современного HR-профессионала, состоящий из девяти поведенческих черт (см. рисунок), которые могут способствовать успеху HR в эпоху цифровых технологий.
Одна из девяти поведенческих черт, оцениваемых в ходе исследования -- это стиль принятия решений. Профессиональный поведенческий профиль HR показывает тенденцию к интуитивному принятию решений. HRы склонны принимать решения на основе интуиции и предыдущего опыта, в отличие от более взвешенного, рефлексивного и аналитического подхода к решению проблем. Это не означает, что каждый HR должен стать специалистом по анализу данных. Однако HR для достижения успеха в эпоху Digital должны обладать цифровой грамотностью и аналитическими способностями. Критически важно уметь собирать данные, извлекать из них полезные инсайты для принятия решений. Без этого процесса HR рискует выполнять работу, не приносящую ценности для организации.
Основные выводы исследования:
1. HRы обладают потенциалом для поддержки организации в непрерывном процессе адаптации в эпоху Digital. Существует значительное совпадение между типичным поведенческим профилем HR сегодня и профилем идеального поведения работников, способных добиваться успеха в цифровой среде, управляемой данными. Поэтому следует растить таланты внутри организации путем инвестирования в повышение квалификации HRов -- это реальная альтернатива найму новых сотрудников для заполнения пробелов в навыках.
2. Поведенческие данные могут помочь в создании правильного опыта обучения HR. Многие HR полагаются на интуицию и предыдущий опыт, а не на аналитические навыки. Однако цифровая среда требует взвешенного и структурированного принятий решений на основе аналитики и данных. Организации могут с помощью целевого обучения и развития уверенно подготовить HR к успеху в цифровой среде, управляемой данными.
3. Поведенческая оценка играет важную роль в трансформации организационной культуры для подготовки талантов к цифровому будущему, основанному на данных. Результаты поведенческих оценок помогают организациям лучше понять потенциальное соответствие между существующими талантами и будущими ролями, имеющими стратегическое значение. Но развитие талантов не происходит в вакууме -- культура должна поддерживать преобразование HR в цифровую функцию, управляемую данными. Это важно для изменения организационной культуры как части этой трансформации.
Исследование предоставляет HR-руководителям и бизнесу четкие доказательства того, что инвестиции в развитие цифровых навыков их HR-команд крайне важны. Кроме того, исследование в целом демонстрирует уверенность в способности HR поддерживать бизнес посредством цифровой трансформации.
Новый поведенческий профиль HR в эпоху Digital
Цифровые технологии с каждым годом оказывают всё более серьезное влияние на профессиональную сферу управления человеческими ресурсами. Термин e-HRM возник в 1990-е гг. как способ реализации стратегий, политики и деятельности в области управления человеческими ресурсами с абсолютным использованием веб-каналов. На ряду с понятием e-HRM в практику и теорию управления персоналом прочно вошло понятие Digital HR -- оптимизация процесса, в которой социальные, мобильные, аналитические и облачные (SMAC) технологии используются для того, чтобы сделать HR более эффективным, действенным и связанным. Что потребуется от HR, чтобы сохранить свое влияние и продолжать эффективно и результативно адаптироваться в эпоху цифровых технологий?
Компания Insight222 Research совместно с Pymetrics по результатам исследования опубликовали отчет "HR in the Digital Age: A New Behavioural Profile of the HR Professional". Поведенческий профиль HR-профессионалов был разработан на основе результатов выполнения геймифицированных упражнений от Pymetrics.ai (выборка 266 лучших HR-специалистов из различных отраслей, включая гостиничный бизнес, здравоохранение и образование, строительство, розничная торговля, госслужба и финансы). Результатом является уникальный поведенческий профиль современного HR-профессионала, состоящий из девяти поведенческих черт (см. рисунок), которые могут способствовать успеху HR в эпоху цифровых технологий.
Одна из девяти поведенческих черт, оцениваемых в ходе исследования -- это стиль принятия решений. Профессиональный поведенческий профиль HR показывает тенденцию к интуитивному принятию решений. HRы склонны принимать решения на основе интуиции и предыдущего опыта, в отличие от более взвешенного, рефлексивного и аналитического подхода к решению проблем. Это не означает, что каждый HR должен стать специалистом по анализу данных. Однако HR для достижения успеха в эпоху Digital должны обладать цифровой грамотностью и аналитическими способностями. Критически важно уметь собирать данные, извлекать из них полезные инсайты для принятия решений. Без этого процесса HR рискует выполнять работу, не приносящую ценности для организации.
Основные выводы исследования:
1. HRы обладают потенциалом для поддержки организации в непрерывном процессе адаптации в эпоху Digital. Существует значительное совпадение между типичным поведенческим профилем HR сегодня и профилем идеального поведения работников, способных добиваться успеха в цифровой среде, управляемой данными. Поэтому следует растить таланты внутри организации путем инвестирования в повышение квалификации HRов -- это реальная альтернатива найму новых сотрудников для заполнения пробелов в навыках.
2. Поведенческие данные могут помочь в создании правильного опыта обучения HR. Многие HR полагаются на интуицию и предыдущий опыт, а не на аналитические навыки. Однако цифровая среда требует взвешенного и структурированного принятий решений на основе аналитики и данных. Организации могут с помощью целевого обучения и развития уверенно подготовить HR к успеху в цифровой среде, управляемой данными.
3. Поведенческая оценка играет важную роль в трансформации организационной культуры для подготовки талантов к цифровому будущему, основанному на данных. Результаты поведенческих оценок помогают организациям лучше понять потенциальное соответствие между существующими талантами и будущими ролями, имеющими стратегическое значение. Но развитие талантов не происходит в вакууме -- культура должна поддерживать преобразование HR в цифровую функцию, управляемую данными. Это важно для изменения организационной культуры как части этой трансформации.
Исследование предоставляет HR-руководителям и бизнесу четкие доказательства того, что инвестиции в развитие цифровых навыков их HR-команд крайне важны. Кроме того, исследование в целом демонстрирует уверенность в способности HR поддерживать бизнес посредством цифровой трансформации.
#пятница #dataviz #dataart Рекомендую канал Натальи Киселевой.
Канал посвящен визуализации данных, комиксам и рисункам по этой теме, немного дата-арта, сторителлинга и интересного дата-виза.
Канал посвящен визуализации данных, комиксам и рисункам по этой теме, немного дата-арта, сторителлинга и интересного дата-виза.
#аналитикаVSинтуиция У современных организаций есть два сценария развития: 1) либо внедрять data-driven HR и усиливать свои конкурентные преимущества на рынке 2) либо делать отчётность для собственников в стиле "всё хорошо, прекрасная маркиза" и уйти с рынка. Пока, к сожалению, больше распространен второй сценарий, если данные противоречат интуиции, тем хуже для данных -- мы их игнорируем, выдавая желаемое за действительное. Выбирайте, что для вас важнее: жизнь или имитация жизни? HR аналитика позволяет понять, что работает, а что нет, чтобы перестать это далее использовать в управлении. Она не имеет значения, если в организации все ориентируются на HiPPO.
#цитаты #измерение "Я часто говорю, что когда вы можете измерить то, о чем говорите, и выразить это в цифрах, вы кое-что знаете об этом; но когда вы не можете измерить это, когда вы не можете выразить это в цифрах, ваше знание является скудным и неудовлетворительным; это может быть началом знания, но вы едва ли в своих мыслях достигли научной ступени, какой бы она ни была" (с) Уильям Томсон, лорд Кельвин, король викторианской физики
Forwarded from People Analytics
#психометрика #тесты #визуализация В последние время всё больше провайдеров-разработчиков оценочночных инструментов стали уделять внимание отчету по результатам тестирования для самих кандидатов, не требующий специальных знаний для понимания результата тестирования и его интерпретации.
Например, отчет SHL CEB по тесту способностей содержит простое и понятное описание уровня способностей, который продемонстрировал участник, а также статистику, которая чаще всего его интересует: количество отвеченных вопросов, верных и неверных ответов и др.
По данным исследований CEB, те кандидаты, чей опыт взаимодействия с организацией был позитивным, демонстрируют желание прикладывать дополнительные усилия в своей работе на 15% чаще, а желание остаться в компании – на 38% чаще. Напротив, каждый третий кандидат, получивший негативный опыт при контакте с компанией, рассказывает о нем окружающим, в том числе в социальных сетях, и это отрицательно сказывается на бренде компании. Кроме того, каждый пятый кандидат с неудачным опытом оценки перестает приобретать продукцию компании
Например, отчет SHL CEB по тесту способностей содержит простое и понятное описание уровня способностей, который продемонстрировал участник, а также статистику, которая чаще всего его интересует: количество отвеченных вопросов, верных и неверных ответов и др.
По данным исследований CEB, те кандидаты, чей опыт взаимодействия с организацией был позитивным, демонстрируют желание прикладывать дополнительные усилия в своей работе на 15% чаще, а желание остаться в компании – на 38% чаще. Напротив, каждый третий кандидат, получивший негативный опыт при контакте с компанией, рассказывает о нем окружающим, в том числе в социальных сетях, и это отрицательно сказывается на бренде компании. Кроме того, каждый пятый кандидат с неудачным опытом оценки перестает приобретать продукцию компании
Forwarded from People Analytics
#ТЕЗАЛ #HRу_на_заметку Чем полезна HR-менеджеру система ТЕЗАЛ, или о женском творчестве в представлениях о "супер-менеджере" ;)
О чем нам говорит объявление?
1) При конверсии в БигФайв получился следующий профиль:
Активность (Экстраверсия) = 20
Миролюбие (Согласие) = 1
Сознательность = 5
Стабильность = 10
Новаторство = 21
2) Результат дефакторизации (обратной конверсии профиля в словник):
Конструктивный, Подвижник, Обольстительный (?), Дельный,
Созидатель, Неотразимый (?), Вольнодумец (?), Приметливый (?),
Стратег, Жизнелюбивый,Умелый.
Видим, по списку дефакторизации, что профиль отражает ...гм...
женское творчество в представления о "супер-менеджере". Он получился весьма похожим на... супер-любовника (!?)
34 Результат конверсии буферного списка в профиль 16PF:
А = 15 (общительность)
В = 54 (интеллект)
С = 36 (эмоциональная стабильность)
Е= 23 (доминантность)
F = 1
G = 21 (моралистичность)
H = 31 (социальная смелость)
I = -20 (мужественность)
L = 6 (незначительная подозрительность)
M = -17 (практичность)
N = 10 (воспитанность)
O = 4
Q1= 25 (новаторство)
Q2 = 14 (самодостаточность)
Q3 = 31 (организованность)
Q4 = 20 (стремление к свершениям)
4) Результат обратной конверсии от профиля 16PF к прилагательным (результат дефактризации):
Умелец, Коммерсант, Продуктивный., Оперативный, Деловитый,
Смекалистый, Дееспособный, Жизнеспособный, Передовой,
Преуспевающий, Созидательный, Прогрессивный, Приметливый (?), Целеустремленный, Деловой.
Как видим по содержанию дефакторизации, более детальный профиль16PF лучше отразил сфокусированность на деловых чертах, а не на коммуникативно-личностных.
Спасибо Александру Георгиевичу Шмелеву за текст и анализ в системе ТЕЗАЛ.
См. подробный пример работы с ТЕЗАЛ: конверсии слов в объявлении-вакансии в факторные профили B5 и 16PF http://forum.ht-line.ru/posts/25161/
О системе ТЕЗАЛ и заявка на приобретение: http://tezal.tilda.ws/sponsor
О чем нам говорит объявление?
1) При конверсии в БигФайв получился следующий профиль:
Активность (Экстраверсия) = 20
Миролюбие (Согласие) = 1
Сознательность = 5
Стабильность = 10
Новаторство = 21
2) Результат дефакторизации (обратной конверсии профиля в словник):
Конструктивный, Подвижник, Обольстительный (?), Дельный,
Созидатель, Неотразимый (?), Вольнодумец (?), Приметливый (?),
Стратег, Жизнелюбивый,Умелый.
Видим, по списку дефакторизации, что профиль отражает ...гм...
женское творчество в представления о "супер-менеджере". Он получился весьма похожим на... супер-любовника (!?)
34 Результат конверсии буферного списка в профиль 16PF:
А = 15 (общительность)
В = 54 (интеллект)
С = 36 (эмоциональная стабильность)
Е= 23 (доминантность)
F = 1
G = 21 (моралистичность)
H = 31 (социальная смелость)
I = -20 (мужественность)
L = 6 (незначительная подозрительность)
M = -17 (практичность)
N = 10 (воспитанность)
O = 4
Q1= 25 (новаторство)
Q2 = 14 (самодостаточность)
Q3 = 31 (организованность)
Q4 = 20 (стремление к свершениям)
4) Результат обратной конверсии от профиля 16PF к прилагательным (результат дефактризации):
Умелец, Коммерсант, Продуктивный., Оперативный, Деловитый,
Смекалистый, Дееспособный, Жизнеспособный, Передовой,
Преуспевающий, Созидательный, Прогрессивный, Приметливый (?), Целеустремленный, Деловой.
Как видим по содержанию дефакторизации, более детальный профиль16PF лучше отразил сфокусированность на деловых чертах, а не на коммуникативно-личностных.
Спасибо Александру Георгиевичу Шмелеву за текст и анализ в системе ТЕЗАЛ.
См. подробный пример работы с ТЕЗАЛ: конверсии слов в объявлении-вакансии в факторные профили B5 и 16PF http://forum.ht-line.ru/posts/25161/
О системе ТЕЗАЛ и заявка на приобретение: http://tezal.tilda.ws/sponsor
Недавно в чате русскоязычного сообщества визуализации данных произошла интересная дискуссия - мы обсуждали, как лучше визуализировать проценты людей, пьющих кофе с сахаром, молоком или без них. Прекрасная иллюстрация того, что данные можно по-разному визуализировать. Наблюдения за дискуссией читайте в статье Натальи Киселевой "Визуализируем кофе, молоко и сахар!" https://medium.com/@eolay13/%D0%B2%D0%B8%D0%B7%D1%83%D0%B0%D0%BB%D0%B8%D0%B7%D0%B8%D1%80%D1%83%D0%B5%D0%BC-%D0%BA%D0%BE%D1%84%D0%B5-%D0%BC%D0%BE%D0%BB%D0%BE%D0%BA%D0%BE-%D0%B8-%D1%81%D0%B0%D1%85%D0%B0%D1%80-68fc7079868c
Какой кофе вы предпочитаете?
Anonymous Poll
9%
Черный с сахаром
29%
Черный без сахара
29%
Черный с молоком без сахара
20%
Черный с молоком и сахаром
13%
Я не люблю кофе
Forwarded from AiPsy metrics
Последние пять месяцев с головой погрузился в мир данных образовательной среды. Настало время отдышаться и подвести первые итоги. Лучший способ – создать образовательный проект для формирования культуры данных в образовательной организации, благо и заказ на это имеется. Будем обобщать свой и чужой опыт, обсуждать новые технологии и стратегии анализа данных в образовании. Личный опыт показал, что в шкалах и вузах есть много людей, понимающих ценность данных и желающих быть более data-driven. Задача проекта - помочь «гуманитариям» преодолеть барьер в понимании статистики и технологий анализа данных, дать почувствовать, что анализировать данные не только полезно, не только возможно, но и очень-очень круто!
Запускаем канал, в котором будем делится планами, анонсами мероприятий, публиковать наши разработки и новости из мира Data-Driven Education.
https://news.1rj.ru/str/DataEd
Запускаем канал, в котором будем делится планами, анонсами мероприятий, публиковать наши разработки и новости из мира Data-Driven Education.
https://news.1rj.ru/str/DataEd
Telegram
Data-Driven Education
Канал Центра подготовки руководителей и команд цифровой трансформации, посвященный данным. Здесь обсуждаем тренды, лайфхаки, аналитику и многое другое.