Первый день после 3х выходных, поэтому продолжение темы, но суперлайт :)

Визуальный поиск выбросов - это довольно просто, он виден невооруженным взглядом.
Главное тут нарисовать правильную картинку из данных, сделать это так, чтобы эти самые выбросы стали заметны.

🌺 Условное форматирование
в Excel
Раскрашивание таблицы данных разными цветами позволяет сделать анализ значений в таблице более простым и быстрым.
(!) Не забывайте, что в excel можно настроить форматирование под свою задачу:
*выбрать 2х и 3х цветную шкалу
*подобрать цвета
*использовать разные варианты деления на интервалы

🌺 Простой линейный график.
"Выколотые" значения на временном ряду покажут отсутствие данных, нулевые значения или аномально большие значения.
И это те значения, с которыми надо разбираться отдельно.

🌺 Диаграмма рассеяния
(точечная диаграмма, scatter plot)
Сильно отклоняющиеся от основного "массива" точки также показывают, что эти данные ведут себя не так как другие и это надо поисследовать.

Продолжение следует

#dataviz

Data science рекрутмент

Когда аналитическое мышление прокачано, то это проявляется во всем 😊

Евгений Макаров, руководитель управления аналитики в Х5Tech, эксперт в Data Science технологиях, поделился со мной своей системой отбора Junior DS специалистов.
Отличный пример для подражания.
Учимся у лучших!

Итак:
• 6 проф навыков
• 9 личных качеств
• ряд других признаков
• 7 «красных флагов»

🌺 Проф навыки:
Их 6. Каждый делится на 4 составляющих. На каждую составляющую составляется задание, с помощью которого оно проверяется на практике. Итого получается 6х4 индикатора.

🌺 Личные качества описывать не буду, HR-ы про это знают

🌺 Ряд других признаков, например, есть ли:
• github
• pet project
• опыт преподавания

Интересно, что эти признаки Женя с командой раскладывают на:
• weak/ strong/ very strong
• positive/ negative

🌺 «Красные флаги», например:
• обман
• код на без отступов :)
• "загуглю, если надо будет"

Так получается система целого набора факторов для разметки dataset-а кандидатов и принятия решений👍

Комиксы и Дашборд

Недавно я слушала уроки Саши Латышевой из курса про историю американского комикса.

Кроме того что сама Саша классный спикер и курс интересный, от нее я узнала
📚о книге
"Понимание комикса"
Скотта Макклауда.
Я в приятном шоке от того какая она крутая, делюсь)

Автор невероятно интересно описывает все аспекты такого вида искусства как Комикс.
Именно так, он называет комикс - "последовательным искусством"

В книге:
🌺 автор разбирает комикс "по косточкам": история, структура, лексикон...

🌺 неожиданно много психологии: про восприятие, достраивание, самоидентификацию...

🌺 есть сравнение несравниваемого (имхо): карикатура или реалистичное изображение?

🌺 крутая карта персонажей.
И это не просто карта, а целая логичная система!

Если читая эту книгу вы представите, что

Комикс = Дашборд
Изображение = Диаграмма
Слово = Подпись данных,

то чтение станет вдвойне интереснее ;)

#почитать на выходных

Статистические методы анализа аномалий в данных.

Продолжение 2х заметок про методы детектирования аномалий данных.

Автор статьи - HR-аналитик, Артемий Молоснов.

Часть 1 вводная, разбираемся в определениях
Часть 2 про визуальный анализ

Часть 3 посвящена статистическим методам и методам на основе машинного обучения

У нас не получилось изложить их коротко, поэтому продолжение по ссылке :)

Свой, чужой, вакансия

Оказывается, организация работы команды фаст-фуд ресторана и какой-нибудь agile-команды в ИТ очень и очень похожи ;)

Реальность всегда шире, чем просто план/факт по штатному расписанию:
есть бизнес-задача и ее надо решить, даже если укомплектованность ниже 100%

В этом случае бизнес обычно всегда использует "доп ресурс", перераспределяя сотрудников на более важные задачи.
В HoReCa это называют "отправить людей на подработку", в ИТ - "пошерить ресурсы" :)

Что это значит для аналитики?

Теперь мало смотреть просто на План/Факт по численности.
Нужен "следующий уровень" - факт "своих" и факт "чужих".

Это важно, т.к. любой сотрудник, пришедший на подмену или усиление, априори менее эффективен для команды, чем "местный": другая планировка ресторана, другая организация работы процессов команды и трекинга задач в Jira.

В этом случае высокая доля подработчиков на проекте при общем, вроде бы, высоком факте - это пространство для улучшений.

Изучение бизнес-процессов компании - это всегда интересно ;)

eNPS
- #метрики оценки лояльности сотрудников, заимствованная HR из маркетинга.

Не буду описывать механику и формулу расчета - об этом есть тонна инфо в интернете.

Что анализируем проводя опрос?

1. Доля принявших участие в опросе от числа сотрудников.

2. Динамика результата.

3. Доля "нейтралов".
В отличие от ответов клиентов, в ответах сотрудников есть так называемая «социальная желательность» и опасения в «не анонимности» опроса, и оьычно в наших результатах доля нейтралов велика.
Поэтому динамика ее роста/снижения для нас еще один, косвенный, показатель лояльности (или доверия) сотрудников.

4. Традиционная детализация
(поиск взаимосвязей):
* по подразделениям
* по группам должностей
* по грейдам
* по территориям
* по возрасту
* по стажу работы

5. Менее традиционная детализация:
* по результативности
* по потенциалу
* по уровню проплаченности

6. Анализ открытых ответов
(Для систематизации их можно поделить на
Плюсы / Минусы / Предложения)

Далее остается сделать улучшения и их презентовать 😊

#переделка

Все вокруг занимаются переделками, я тоже решила попробовать
(по мотивам индивидуальной консультации с коллегой:)

🌺 Что было:

1. 2 показателя в HR-отчетности компании:
* % закрытия вакансий в срок
* доля вакансий, закрытых через внутренний подбор

2. бизнес интересуют не все вакансии, а только:
* категории специалистов
* в направлении Digital

Первая версия визуализации на слайде ☝️
(стиль и дизайн от автора сохранены)

🌺 Что стало:

В идеале я бы сделала 3 диаграммы: динамика в сравнении с целью для каждого среза,
но столько места не дают,
на все про все 1 слайд :)

Поэтому:

1. Оставляем, скрипя зубами, на 1 графике аналитику сразу в 3х срезах (общее, категория должности, направление) и подчеркиваем отличия цветом.
Это не круто, т.к. получается что мы сравниваем не совсем сопоставимые между собой вещи.
Но если "бизнес хочет так", то идем на компромиссный вариант.

2. Выносим текущий факт/цель в отдельную диаграмму.
Это нужно т.к. целевые значения у разных срезов показателя разные.

Правило Парэто

В этом примере выяснили, что "бизнесу" компании, с которой мы работали, очень-очень нужны именно эти 2 детализации:
* в направлении Digital и
* в категории должность "Специалист"
а все остальные не нужны.

Тут можно убиваться и говорить, что "в отчетах так не делают, смотреть надо всех", а можно выяснить причину.

Это актуально не только для подбора, а также, например, для текучести.

Окажется, что:
* вклад одного подразделения в текучесть значительно выше, чем всех остальных, или
* сотрудники одного из подразделений самые редкие/ ценные/ незаменимые для компании, т.к. зарабатывают деньги, разрабатывают продукты, оптимизируют затраты и т.п.

Понимание процессов и выяснение корневых причин в данном случае позволят не просто считать показатель, а считать именно тот показатель, что важен бизнесу.

В этом случае метрика будет работать на целевой результат, а не на отчет.

Не так важно работает ли именно правило Парэто, но простой принцип приоритезации и фокуса на главном точно работает)

Легкий #dataviz
Круг и его альтернативы

Тема использования круговой диаграммы уже довольно избита, но все равно я постоянно встречаю не самое разумное ее использование в работах студентов и коллег.

Почему дизайнеры часто "придираются" к кругу?

* он занимает очень много места
* он отвлекает на себя внимание зрителя, часто не неся глубокого смысла, а лишь давая справочную информацию
* он трудно считываем при больше чем 5 секторах
* он трудно считываем в паре круг-круг
и т.п.

Пример, который опять заставил меня вспомнить о круговой диаграмме и альтернативах был такой:

в дашборде по численности коллег интересует распределение общей численности по ключевым 7 департаментом. И для этого они использовали круговую диаграмму, которая заняла сразу 1/6 часть листа.
Это большое яркое пятно, которое отвлекает от динамики и других более важных показателей.

🌺 Альтернативой здесь может стать самый простой "столбик". Смысла столько же, а места и амбиций на внимание к себе в 3 раза меньше :)

См. тут про Круг или Квадрат?

Фактчекинг

ЗдОрово когда профессиональная статья сопровождается фактами и ссылками на источники данных.

Наш постоянный автор, Артемий Молоснов, разбирается с тем почему броские заголовки редко имеют что-то общее с фактами и рассказывает как не попасться на подобные уловки PR-менеджеров.

Читаем по ссылке👇:
https://zen.me/1WYlwD

#hr_данные

Ребус про #метрики_подбора

Рекрутерам хорошо известны 2 ключевые временные метрики оценки эффективности процесса подбора персонала (метрики подбора):

Time-to-fill (Срок закрытия вакансии), время от открытия вакансии до выхода на нее кандидата.

Time-to-hire (Время найма), время от первого контакта с кандидатом до выхода его на работу.

Первый показатель - про эффективность работы рекрутмента применительно к компании, второй - к кандидату.

Но как считать временные показатели, когда вакансий сотни и статистика нужна общая?

🌺 Есть минимум 3 варианта:

1. «Средний срок» (или, по аналогии, медианный срок)
= «В среднем, мы закрываем наши вакансии за ХХ дней»

2. «Срок, в течение которого мы закрываем не менее N% наших вакансий», в днях.
= «Мы закрываем 75% наших вакансий в срок не более 42 дней»

3. Обратный показатель, «Количество или доля вакансий, закрытых в срок XX дней», в шт.
= «N% вакансий мы закрываем в срок»

Для для уточнения целевых значений можно вводить деление по категориям, сферам или другое.

Одна из задач аналитиков – исследовать гипотезы и подтверждать или опровергать их на основе данных.

При этом иногда подобные исследования могут и давать другие полезные идеи, например, по улучшению процессов в компании.

Вот пример из практики Кристины Пригариной, выпускницы магистратуры по HR-аналитике НИУ ВШЭ.

Гипотеза от бизнес-руководителей, требовавшая проверки:
сотрудники, чей карьерный рост происходит быстрее – высоко результативные.

* Для проверки данной гипотезы мы использовали выборку из 740 результативных сотрудников.

* Выделили прошлую должность для каждого сотрудника, вычислили срок нахождения в этой должности и подсчитали средний срок нахождения для каждой.

* Из общей группы выделили в отдельное множество сотрудников, которые выросли из прошлой роли быстрее, чем в среднем. Например, младшие специалисты по тестированию ПО в среднем вырастают в специалистов по тестированию ПО за 1 год, 9 месяцев и 22 дня.

* P-value мы рассчитывали для каждой должности...

Читать далее
https://zen.me/WSC6O

Численность

И снова пара слов про численность, самый базовый и самый непростой показатель.

Сейчас, во времена, "экосистем",
🌺 Численность сотрудников компании, с которыми работает HR,
может быть определена гораздо шире, чем просто численность штатных сотрудников.

Например,
к численности могут относиться:

* Все сотрудники, оформленные на штатные должности в компании

* Работники, привлеченные на проект

* Работающие по заказу от компании самозанятые или ИП

* Работающие на проекте сотрудники компаний-партнеров

и т.п.

Также возможен другой срез, по виду статьи расхода, по которой происходит оплата труда работников:

* основная и бОльшая часть сотрудников - это операционные (OPEX) расходы

* часть сотрудников может оплачиваться по капитализируемым статьям расхода (то, что называется, CAPEX)

Таким образом, что нужно очень внимательно и точно категоризировать работников, с которыми взаимодействует компания и аккуратно описать в каком случае кто именно считается в показатель "Численность персонала"

Доверяй, но проверяй,
или Проверка данных.

Получив первичные данные для анализа от коллег (рекрутмента, внутрикома, employer brand, обучения и др.) перед тем как броситься делать расчеты и выводы, важно их изучить.
Причем не просто на уровне заголовков таблиц в excel, но и чуть более глубоко.

Например, в данных с контактами от участников employer brand и обучающих мероприятий важно проверить наличие и удалить из статистики:

* Контакты организаторов (со стороны компании и от агентства, которое помогает в организации)

* Очевидно фэйковые контакты (типа test@test.ru и подобные)

* Дубликаты (контакты, полученные от 2х и более источников одновременно. Это группа контактов требует дополнительный анализ того какой из нескольких источников является первичным)
‐-----------
Кстати,
💡в Excel дубликаты
удаляются через:
Данные ➡️
Удалить дубликаты,

а "подсвечиваются" через
Главная ➡️
Условное форматирование ➡️
Правила выделения ячеек ➡️
Повторяющиеся значения

Еще про этап проверки данных есть тут

Гендер & визуализация

Легкий пятничный #dataviz

У каждого человека есть свой стиль.
У каждого аналитика есть свой стиль оформления графиков, презентаций и дашбордов.

Вчера мой аналитик нарисовала небанальный интересный слайд с маркерами в виде кружочков. По-моему получилось симпатично.

Но когда обсуждали визуализацию с заказчиком (тоже девушкой) и подумали о целевой аудитории презентации (руководители подразделения в ИТ высокого уровня), то возникла гипотеза, что кружочки ему "не зайдут" и нужны проверенные столбики.

Теперь вот хотим протестировать гипотезу на мужчинах в HR)

А как вы думаете, есть место гендерным особенностям восприятия визуализации?

Давайте проголосуем!👇

Немного про #agile

Некоторые артефакты продуктового подхода, которые я забрала в свою обычную рабочую жизнь:

1. Бэклог команды
(= список задач)

Обычно это:
*стикеры на мониторе
*бумажки с записями на столе
*заметки в телефоне
*флаги в outlook
и т.п.

Все это заменяет
1 планировщик
у ИТ это обычно Jira,
у простых людей - Trello

Помогает структурировать поток идей и задач и ограничить своих сотрудников от ночных сообщений в мессенджеры😊

2. Спринт
(=промежуток времени)

Некоторое количество дней, в течение которого не нужно дергать своих сотрудников по мелочам
(Продолжительность зависит от опыта сотружника :)

3. Планирование бэклога на спринт

Тет-а-тет с сотрудниками, на котором мы:
* обсуждаем результаты прошлого спринта
* проводим груминг бэклога
* расставляем приоритеты на ближайший спринт

4. Инкремент
(=законченный результат)

Законченный объем работы в конце спринта, который несет в себе ценность и может быть представлен заказчикам.
(таблица, отчет, отработанная гипотеза, элемент дашборда...)

Горизонтально или вертикально?

Картинка выглядит знакомо, но я проверила, такого поста еще не было ;)

Было другое, похоже, но не то. Проверяйте:
https://news.1rj.ru/str/whrdata/28
https://news.1rj.ru/str/whrdata/40
https://news.1rj.ru/str/whrdata/58
:)

Сейчас о горизонтальной и вертикальной гистограмме.

Вертикально стоящие столбики популярнее своей "лежащей" коллеги, но у горизонтального варианта есть неоспоримые преимущества:

1. Подписи по оси с длинными названиями.

Длинные, расположенные под углом они читаются значительно труднее, чем расположенные ровно, горизонтально, друг под другом.

2. Числовые подписи данных

Расположенные сверху столбцов длинные цифры сливаются и не читаются.
При горизонтальном варианте они выглядят гораздо более выразительно)

P.S. про 6ти-значные цифры в подписях на диаграмме мы пока умолчим, но тут тоже точно есть что улучшить :)

#dataviz по пятницам