​​​​#хи_квадрат_спасет_hr_аналитику #хи_квадрат #номограмма Один известный HR аналитик постоянно сетует, что хи-квадрат эйчары освоить не могут ( "вы хоть Хи квадрат сделайте, лишь бы это работало и приносило пользу"). Проще надо быть -- учить как пользоваться номограммой (см. В Википедии: https://ru.m.wikipedia.org/wiki/%D0%9D%D0%BE%D0%BC%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D0%B0) для вычисления критерия хи-квадрат, и люди (эйчары) потянутся.
Номограмму на рисунке можно использовать для приближенного вычисления некоторых величин, которые нужны для вычисления хорошо известного критерия согласия Пирсона. Эта номограмма показывает применение кривых шкал с нелинейной градуировкой.
Соответствующее выражение

(observed - expected)^2/expected

Шкала сверху соответствует пяти различным интервалам наблюдаемых значений — A, B, C, D и E. Наблюдаемое значение ищется среди этих значений и выбирается метка над ним. Затем на соответствующих кривых шкалах выбирается ожидаемое значение. Например, для наблюдаемого значения 9 выбирается метка на числом 9 в интервале A, а кривая шкала A используется для ожидаемого значения. Для наблюдаемого значения 81 будет использована метка над 81 в интервале E и кривая шкала E будет использована для ожидаемого значения. Это позволяет несколько номограмм вместить в одну диаграмму.

На рисунке синяя линия показывает вычисление

(9 − 5)^2 / 5 = 3.2

а красная — вычисление

(81 − 70)^2 / 70 = 1.7

Для проведения теста часто используется поправка Йейтса, просто вычитается 0.5 из наблюдаемых значений. Номограмма для критерия с поправкой Йетса может быть построена просто сдвигом каждой шкалы "наблюдений" на половинку единицы влево, так что вместо 1.0, 2.0, 3.0, ... появятся значения 0.5, 1.5, 2.5, ....

#юмор #пятничное ROI (от англ. return on investment) в HR

#пятничное #юмор В честь окончания трудовой недели, вот вам немного суровых аналитических будней от тираннозавра Рекса. (Автор: @threddyrex, перевод: Наталья Киселева)

#аналитика_для_жизни Что такое аналитика, зачем нужна аналитика, а также почему журналистика данных в тренде? Берем данные из спортивного трекера Starva, в котором бегуны указывают дистанцию, время её преодоления, а также зачастую модель кроссовок. Анализируем :) Получаем итог: определенная модель кроссовок бегунов значительно улучшают их результаты. Международная ассоциация легкоатлетических федераций уже думает над запретом бега в высокотехнологичных кроссовках...

#НЕпопулярная_тестология Учитесь! Вот как надо позиционировать свои доморощенные тесты: "является мощным инструментом с более чем 50-летней историей исследований на основе различных теорий и статистик. Родоначальниками исследований в этой области можно назвать древнегреческих ученых Эмпедокла и Гиппократа. Впоследствии на теорию оказали влияния Карл Юнг, Уильям Марстон, Вальтер Кларк, Джон Грейер и другие. Исследование системы <...> имеет сертификат ISO9001, согласно ему, валидность теста составляет более 90%."

Я бы еще им слоган предложил: "Видим людей насквозь, ибо стоим на плечах Эмпедокла и Гиппократа"!

Ключевые слова: "мощный инструмент" на "основе теорий и статистик(!)", "сертификат", "валидность более 90%"

Картинка к тексту: (С) Юра Шатров

#пятничное #юмор #аналитики_тоже_шутят Будни HR аналитика

Сделал мемасик "на злобу дня"

#оценка #тестирование #стандарты В 1917 году началась практика группового тестирования интеллекта новобранцев, которые сидели на полу.
Не совсем подходящие условия тестирования по действующим стандартам тестирования.
Между прочим, кто еще не в курсе, в 2015 году в России вышел "Российский стандарт тестирования персонала" http://orgpsyjournal.hse.ru/2015-5-2/152057297.html
Источник картинки: Psychological Testing and Assessment: An Introduction to Tests and Measurement 7th Edition (Cohen−Swerdlik)

"Let my dataset change your mindset" (c) Hans Rosling Он превращал цифры в музыку, боролся с искажением фактов, сам себя он не считал ни пессимистом, ни оптимистом, а называл себя "поссибилистом" (possibilist). Он был самым настоящим “волшебником”, заставлявшим данные танцевать. В искусстве жонглирования статистическими данными ему нет равных. Журнал Foreign Policy включил Ханса Рослинга в рейтинг 100 мыслителей, имеющих “большие идеи” и оказавших влияние на мир в 2009 году. Его лекции отличались особой энергетикой, динамикой и экспрессией, свидетельствующих о том, что он действительно понимает, о чем говорит. Кстати, в одном из своих выступлений Ханс даже продемонстрировал искусство глотателей мечей, после чего аудитория аплодировала стоя. Для всех, кто работает с данными, его слова "Let my dataset change your mindset" – должны быть девизом. https://www.youtube.com/watch?v=jbkSRLYSojo

#пятничное в #четверг #опрос Друзья, приглашаю принять участие в серьезном опросе на не очень серьезную тему (или в не очень серьезном опросе на очень серьезную тему), всем заполнившим опрос в конце будет ссылка на видео по теме опроса :)
https://forms.gle/KbKjE8wyFktb1zEE7 Через 1 месяц посмотрим результаты.

#аналитик_рекомендует Книжка про оружие математического поражения -- она о том, как алгоритмы превратились в опасное оружие в руках государства и корпораций, как они поражают в основном самые бедные и незащищённые слои населения. Книжка о том, как модели "черного ящика" выносят вердикты, подчас очевидно ошибочные и вредные, но их решения обжалованию не подлежат и являются окончательными, тем самым оказывая разрушительное влияние на судьбы людей. Увлекательный рассказ о том как работают алгоритмы, использующиеся полицией, страховыми компаниями, банками и другими организациями и какой вред они могут нанести.

​​#книжки Рекомендую эту книгу эйчарам, чтобы не попасть в ловушку маркетинговых сервисов, которые кричат о себе, что у них все на основе ИИ. ИИ бывает разный, в том числе в HR-практике его просто пока нет (даже в варианте "слабого ИИ"). Есть отдельные примеры использования машинного обучения (МО), но МО -- это не ИИ. Существует много путаницы с машинным обучением и искусственным интеллектом. Большинство людей вообще уверены, что это примерно одно и то же. Бывают ситуации, когда компании продают свои решения и сознательно игнорируют различия между терминами для более звучной рекламы.
Машинное обучение – это направление работы с ИИ, которое традиционно определяется как: "наука о компьютерных алгоритмах, которые автоматически улучшаются благодаря опыту". МО – это один из способов, с помощью которого человечество пытается создать настоящий ИИ. Машинное обучение основывается на работе с большими наборами данных, путем изучения и сравнения данных для поиска общих паттернов и изучения нюансов.
Например, если предоставить программе машинного обучения много рентгеновских снимков с соответствующими симптомами, она сможет упростить или даже автоматизировать анализ рентгеновских изображений в будущем
Многие считают более выгодным использовать абстрактный термин ИИ, который источает мистическую ауру, а не рассказывать более конкретно о том, какие технологии они используют. Это помогает им лучше продавать свои продукты.

#10_заповедей_аналитика Заповедь 1. Следуй за данными, куда бы они ни вели ... Продолжение следует

​​#10_заповедей_аналитика Заповедь 2. Всё есть данные. Анализируй!

​​#аналитик_рекомендует #книжки Одна из лучших книг по операционной аналитике от директора по аналитике компании Teradata Билла Фрэнкса. Термин "операционная аналитика" применим к ситуации, когда аналитика становится неотъемлемой частью принятых индивидуальных решений и осуществленных индивидуальных действий в рамках организации. Она используется для поддержки не стратегических и значимых, а повседневных тактических решений. Когда аналитический процесс выводится на операционный уровень, он напрямую управляет деятельностью. Иными словами, когда аналитические решения внутри компании не просто помогают видеть результаты прошлого и тестировать сценарии будущего. Речь о принятии решений алгоритмами без участия (вмешательства) человека. "Революция в аналитике" — это пошаговое практическое руководство по внедрению операционной аналитики и автоматизации принятия решений. Специалистам по аналитике, ИТ и всем, кто хочет сделать свою организацию успешнее на основе подхода Big Data.

#пятничное #аналитики_тоже_шутят Будни аналитиков :)

#датасеты #R Рекомендую канал Александра, где время от времени он препарирует открытые датасеты и делится найденными в них инсайтами. Все делается исключительно на R! Welcome to @datafunk

#размышления #психология_личности
Интроверты vs Экстраверты

Быть экстравертом нам "предписывает" современная культура. Важно быть обаятельным и харизматичным актером, очаровывать своими навыками ораторского мастерства, быть убедительным в диалоге с незнакомым человеком, проявлять свою уверенность в ситуациях социального взаимодействия. Иными словами, быть общительным и раскованным в межличностном контакте. А вот быть интровертом в таком мире очень сложно и ... даже стыдно.

Мы как-то с коллегами обсуждали: кто будет успешнее -- руководитель-экстраверт или руководитель-интроверт? Со всей уверенностью могу сказать, оба, но в разных ситуациях и разных коллективах, решающих разные задачи. Именно поэтому, когда мы разрабатывали проекцию результатов психологического тестирования на модель компетенций, то для одних руководителей/специалистов важным был полюс "экстраверсия", а для других -- "интроверсия". И это работает!

Не так легко живется интровертам в современном мире :) Именилось ли что-то для интровертов из-за пандемии коронавируса (см. опрос выше)?
Так или иначе,
на помощь интровертам приходит Сьюзан Кейн:
https://www.youtube.com/watch?v=XtyXsOqBHEQ&feature=emb_noscript

#компетенции #валидность #data_driven Исследование моделей компетенций (российские компании)

Компетенции как привидения:
все о них говорят, но мало кто их видел

13 октября Максим Пескин (CEB SHL) провел вебинар на тему "Результаты исследования моделей компетенций" (исследование CEB SHL на базе 170+ моделей компетенций российских компаний из 13 отраслей). С разрешения Максима Пескина публикую часть слайдов из презентации и мои комментарии к ним (см. pdf-файл, прикрепленный к этому посту).

​​#заметки Ликерт, а не Лайкерт
Давайте будем писать/говорить, как бы этого хотел сам Ренсис Ликерт: "My last name is pronounced LICK-ert, not LIKE-ert".