#hr_аналитика_как_она_есть
Есть калькулятофобия ("чё тут считать, и так всё понятно"), а есть калькулятомания ("давайте сложим-умножим-среднее-посчитаем-в-проценты-переведём"). Кто вы больше? Калькулятофобы или калькулятоманы? Может быть, разумная "золотая середина"? Или просто нужно уметь правильно и корректно считать? В том числе, понимать, что такое измерение, чтобы не сравнивать значения в мартышках, попугаях или слонах, но уметь делать соответствующие преобразования, например, чтобы такое сравнение было корректным.

#HR_аналитика Разделяй и властвуй, или чем девочки отличаются от мальчиков

C классификационными моделями (результат представляется в виде бинарных деревьев) я познакомился в 2011 году благодаря примерами анализа и интерпретации, которыми щедро делился А.Г. Виноградов в блоге ЭСПП (Александр Геннадьевич, спасибо!!!). Это позволило мне уже на своих данных по краткому тест-опроснику «Ваша ли это работа?», собранных в ходе карьерного консультирования взрослых, получить классификационное дерево с применением функции rpart() в R. Я до сих пор помню переполнявшие меня эмоции: «Ура! Что-то получилось! :)
На днях разбирал свои архивы и нашел свои записи:

Допустим, наша цель -- прогнозировать Пол (целевая переменная) по нескольким независимым переменным (да, смотрим, чем мальчики отличаются от девочек в своих ответах)

Исходные данные: 69 испытуемых заполняли опросник «Ваша ли это работа» (50 жен., 19 муж.), включающий 14 утверждений.

Утверждения (те, которые приводятся в результатах классификации и имеют максимальную связь с полом): B2 "В свободное рабочее время Вы с удовольствием занимаетесь чем-то совершенно другим"
C3 "Ваши успехи в работе или продвижение по карьере в данный момент являются одними из лучших по сравнению с успехами других"
G7 "Деньги — это НЕ главная причина того, чем Вы занимаетесь на работе"

Варианты ответа на вопросы:
1 "НЕТ",
2 "Скорее НЕТ, чем да",
3 "Скорее ДА, чем нет",
4 "ДА"

Основные выводы:
Существуют три типа женщин:
1) твердо уверенные в том, что они не лучше по сравнению с другими (в работе или продвижении по карьере)
2) уверенные, что они лучше (в работе или продвижении по карьере), но занимающиеся с удовольствием чем-то другим на работе
3) уверенные, что они лучше других (в работе или продвижении по карьере), не занимающиеся чем-то другим и полагающие, что деньги на работе -- не главное

Мужчины же вышли одного типа: уверенные, что они лучше других (в работе или продвижении по карьере), не занимающиеся чем-то другим и полагающие, что деньги на работе -- главное.

#нейронные_сети А что вы знаете про математические идеи, лежащие в основе нейронных сетей?

#данные Консалтинговые компании по аналитике как грибы после дождя, что не день, то новая компания, все предлагают примерно одно и тоже: вы нам заплатите, а мы ваши данные покрутим. Поэтому важно иметь в штате аналитика, растить аналитиков из своих специалистов, вкладывать ресурсы в развитие функции аналитики, иначе придется платить деньги консалтинговым фирмам, которые за ваши деньги "покрутят ваши данные" и "расскажут то, что вы хотите услышать" тоже за ваши деньги. Так и живем

#визуализация #8е_марта #чего_хотят_женщины Сделал визуализацию одного опроса. Наглядно видно, что мужчины дарят, а чего хотят женщины. С праздником, дорогие и прекрасные дамы!

#данные В сентябре 2018 я писал про DataSearch от Google (см. http://forum.ht-line.ru/threads/poiskovyj-servis-datasearch-dlja-poiska-dannyx.2633/)
Google завершил бета-тестирование сервиса (см. https://datasetsearch.research.google.com/), а новый релиз получил улучшенный функционал. Теперь результаты можно фильтровать по типам наборов данных (таблицы, тексты, изображения) и доступности (платные и бесплатные). Также появилась мобильная версия сервиса.
Поисковик работает на нескольких языках, в том числе и на русском.

Яндекс, слабо повторить?

#hr_аналитик_рекомендует Существует стойкий миф о том, что прогнозировать человеческое поведение невозможно. Увы, но это не так, об этом книжка, которую я всегда рекомендовал, когда выступал с презентациями по HR аналитике. Вы удивитесь, насколько активно многие компании применяют прогнозный анализ. Это происходит постоянно -- ваше поведение пытаются предсказать, когда вы просматриваете товары, принимаете решение о покупке, когда делаете клик мышкой, вводите запрос в поисковике, оплачиваете услуги, делаете заказ, слушаете музыку онлайн, посещаете различные заведения и т.д. Это работает! Читайте книгу Эрика Сигеля "Просчитать будущее"

#визуализация_данных В HR аналитике визуализация стоит тысячи моделей.
Есть очень простой, но важный шаг в работе с HR-данными: визуализация. Как правило, эйчары пропускают данный шаг … Что там визуализировать – быстрее надо считать…

Представим, что у нас есть 4 набора данных, по 11 пар чисел x и y. Среднее и ст. отклонение для x и y каждого набора чисел идентичны, как и корреляция x и y для каждого набора:

> apply(anscombe, 2, mean)
      x1       x2       x3       x4       y1       y2       y3       y4 
9.000000 9.000000 9.000000 9.000000 7.500909 7.500909 7.500000 7.500909 
> apply(anscombe, 2, sd)
      x1       x2       x3       x4       y1       y2       y3       y4 
3.316625 3.316625 3.316625 3.316625 2.031568 2.031657 2.030424 2.030579 
> cor(anscombe$x1, anscombe$y1)
[1] 0.8164205
> cor(anscombe$x2, anscombe$y2)
[1] 0.8162365
> cor(anscombe$x3, anscombe$y3)
[1] 0.8162867
> cor(anscombe$x4, anscombe$y4)
[1] 0.8165214

Модель линейной регрессии, построенная методом МНК для всех 4 наборов данных описывается уравнением

y=3.00+0.500x

А теперь смотрим глазами (см. график)

Скажем спасибо английскому математику Ф. Дж. Энскомбу, который составил эти 4 набора данных в качестве иллюстрации важности применения графиков для статистического анализа и влияния выбросов значений на свойства всего набора данных. В следующий раз, когда будете работать с HR аналитиком, попросите его обязательно сначала сделать визуализацию данных, либо «прикидывайте на глазок» самостоятельно.

#hr_аналитика_как_она_есть #корреляция #величина_эффекта Не так давно увидел в обучающих материалах одного эксперта по HR аналитике фразу о том, что если коэффициент корреляции больше 0.5, то он статистически значим :) Да, это все, что надо знать про уровень тех, кто обучает других HR аналитике.
Но интересно другое: A total of 474 effect sizes from meta-analyses from social psychology during one hundred years extracted from the study by Richard et al. (2003) https://github.com/peterdalle/effectsizes

#визуализация Визуализация стоит тысячи слов и таблиц. Я люблю визуализировать данные, не только связанные с HR. Например, заболеваемость корью в США (1926-2001). Заболеваемость циклично колебалась, оставаясь в целом на одном и том же уровне в течение первой половины XX века, но появление эффективной вакцины в 1963 году привело к резкому снижению заболеваемости за счет повышения уровня популяционного иммунитета.

PS: Исходная картинка с качеством 300DPI https://www.dropbox.com/s/snszd0s3j05km5q/measles_incidence_heatmap_300DPI.png?dl=0

#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.

Сравнение идеального и реального профилей руководителей. Пробуем посчитать коэффициент МакКрэя на реальных данных. Идеальный профиль руководителя — “усредненный” результат по личностному опроснику B5plus, полученный на выборке успешных руководителей. Рассматриваем реальный профиль одного успешного руководителя, который добился существенных изменений в эффективности подразделения за очень короткий срок после своего назначения, а также сравниваем его с идеальным профилем (группой успешных руководителей) и профилем неуспешного руководителя, у которого ниже уровень эффективности и существуют проблемы в подразделении. Вывод: можно сказать, что успешного руководителя отличают только два фактора, по которому он ближе к “идеальному руководителю”, — более высокая Стабильность (Б4) и более высокое Новаторство (Б5). По Согласию (Б2) у всех трех профилей все-таки отклонение в одну сторону — вниз, хотя у и идеального, и успешного это отклонение меньше, чем у неуспешного (надо быть жестким руководителем, но умеренно, а чрезмерная “независимость” вместе с тревожностью и консерватизмом будут негативно сказываться на эффективности в управленческой деятельности).
Следует также отметить, что получился идеальный профиль руководителя в конкретной организации (подразделении). В другой организации (подразделении) профиль может получиться совершенно другой. Также мы не учитываем здесь мотивационные особенности руководителей и их способности.

Польша. Matura -- аналог ЕГЭ :)
Ещё пример, когда #визуализация говорит больше, чем 1000 слов. Обратите внимание, как у распределения "откусили" в районе нижней границы точки отсечения. Подтягиваем отстающих.
Источник: https://oke.wroc.pl/wp-content/uploads/library/File/pdfy/2013_Matura.pdf

#цитаты #IO_psychology "The success of your organization doesn’t depend on your understanding of economics, or organizational development, or marketing. It depends, quite simply, on your understanding of human psychology: how each individual employee connects with your company and how each individual employee connects with your customers".
-- Curt Coffman and Gabriela Gonzalez-Molina, authors of Follow This Path: How the World’s Greatest Organizations Drive Growth by Unleashing Human Potential

#книжная_полка_аналитика Книжка больше для тех, кто взаимодействует с аналитиками. В ней нет кода, но есть простое объяснение важных тем. Начинающим аналитикам книжка "Работа с данными в любой сфере" тоже будет полезна.