#hr_аналитика Data point + Data point = More than two data points
Объединение данных из разных источников делает результат аналитического процесса по-настоящему полезным для решения конкретных бизнес-проблем организации, чем результаты анализа на основе каждого отдельного набора данных. Например, набор данных о кадровых перемещения сотрудников из 1C вместе с набором данных ежеквартальной оценки и результативности сотрудников приведут к большим инсайтам, чем каждый из них по отдельности. Только не забывайте о распространенном мифе: если собрать достаточно много данных – то правильное решение бизнес-проблемы найдется автоматически. Сами по себе данные изначально не содержат никакого смысла, в них нет интерпретации, они не говорят о том, какие решения необходимо принимать, но объединяя одни данные с другими, мы создаем новую информацию "для пользы дела".
Объединение данных из разных источников делает результат аналитического процесса по-настоящему полезным для решения конкретных бизнес-проблем организации, чем результаты анализа на основе каждого отдельного набора данных. Например, набор данных о кадровых перемещения сотрудников из 1C вместе с набором данных ежеквартальной оценки и результативности сотрудников приведут к большим инсайтам, чем каждый из них по отдельности. Только не забывайте о распространенном мифе: если собрать достаточно много данных – то правильное решение бизнес-проблемы найдется автоматически. Сами по себе данные изначально не содержат никакого смысла, в них нет интерпретации, они не говорят о том, какие решения необходимо принимать, но объединяя одни данные с другими, мы создаем новую информацию "для пользы дела".
#эйчар_аналитическое Один мэр как-то заявил, что "в Зимбабве жизнь похуже, чем у нас". Однако именно в Зимбабве развивается people analytics куда лучше, чем у нас. Например, есть кейс о том, что по результатам прохождения психометрических тестов можно предсказывать ДТП (количественной оценки предрасположенности водителя к авариям с использованием результатов психометрического теста). Использовалась логистическая регрессия, с итоговой точностью 72% (А - 57% водителей-аварийщиков были правильно классифицированны как "худшие", а для D - 84% хороших также верно был предсказан класс "хорошие"). Это изменило практику отбора новых водителей и определения потребностей в обучении и т.п.
Россия не Зимбабве. Ждем российских кейсов.
Россия не Зимбабве. Ждем российских кейсов.
#io_psychology #hr_аналитика #психология У всех организаций есть проблемы, и они почти всегда касаются людей. Как ими управлять, кого нанимать, уволить или продвигать по службе. Как мотивировать, развивать и удерживать их. Психология, как наука о понимании поведения людей, должна стать ключевым инструментом для решения этих проблем, однако большинство организаций не опираются в своих практиках на достижения научной психологии. В результате миллиарды тратятся впустую на бесполезные вмешательства, направленные на привлечение и удержание нужных людей на ключевых ролях, а большинство людей остаются разочарованными своей карьерой. Справочно: индустриально-организационная психология https://en.m.wikipedia.org/wiki/Industrial_and_organizational_psychology
#размышлизмы #аналитика "В этом мире неизбежны только смерть и налоги" -- написал как-то Бенджамин Франклин. Аналитики в эпоху big data легко дополнят его утверждение так: "... неизбежны смерть, налоги и пропущенные данные". :) Думаю, что Франклин согласился бы с этим, поскольку сам собирал данные, например, о штормовых ветрах. Благодаря ему мы также знаем о Гольфстриме, с которым связана очень интересная история. Если бы Франклин (будучи почтмейстером), как современные эйчары, просто фиксировал время в пути почтовых судов, заставлял бы всех капитанов заниматься отчетностью, ввел бы KPI времени как у торговых судов, привязав к ним мотивацию, то мы бы не увидели карту Гольфстрима.
"Видеть легко: трудно предвидеть" (С) Б. Франклин
"Видеть легко: трудно предвидеть" (С) Б. Франклин