SPB TRAINING — Прогнозирование в HR

hello@monomo.com

Заказать проект

Кейсы

Блог

Проект

Прогнозирование в HR.
Аналитика возбуждает

Математик мыслит цифрами, адвокат — законами, идиот — словами. Эти слова не значат ничего. Нассим Николас Талеб

О чем это?

Интервью по компетенциям, 360, опросы по вовлеченности и удовлетворенности персонала, личностные опросники –
что у них общего? ... Правильно, бесполезность. Люди врут.

Если хотите, вы, конечно, можете принимать управленческие решения на основе чьих-то слов. Наши методы оценки опираются на факты и позволяют не только достоверно оценивать текущую ситуацию, но и прогнозировать выполнение показателей эффективности сотрудников, команд и компании в целом.

Заявка на проект

Для кого?

HR BP

оценка реальной вовлеченности ваших сотрудников и анализ того, как вовлеченность влияет на эффективность компании

Коммерческие директоры и руководители отделов продаж

прогнозирование уровня продаж / выполнение KPI каждого конкретного кандидата или сотрудника

HRD

— выявление ключевых факторов лояльности персонала
— продвижение HR-бренда вашей компании на основе аналитики, а не интуиции

Руководители производственных подразделений

определение факторов, которые влияют на выполнение плана производства, процент брака и скорость работы производства

T&D

— оценка HiPo и наставников – отбор тех, кто «хочет и может» расти, делиться опытом, а главное – лоялен компании;
— оценка эффективности обучения

Руководители департаментов по подбору и адаптации персонала

— анализ факторов текучести персонала;
— прогнозирование срока работы / прохождение испытательного срока для конкретного кандидата;
— определение потребности в найме/оттоке персонала в определенный период;
— оценка эффективности трафика при поиске

Этапы проекта

Постановка задачи

Какую проблему нужно решить (повышение эффективности подбора/ адаптации/ обучения/ мотивации персонала)?
Кто заказчик исследования? (руководитель направления в бизнесе или HR)
Конкретное описание проблемы (выбрать оптимальный канал для подбора, оценить эффективность обучения, спрогнозировать уровень продаж кандидата, определить срок работы HiPo в компании и т.д.)

Сбор сырых данных по системе G-Q-M

Описание цели исследования (прогнозирование уровня продаж потенциального сотрудника)
Вопросы, характеризующие важные аспекты поставленной цели (Какие данные у нас есть об этом кандидате? Какие данные у нас есть на работающих сотрудников отдела продаж? Что нам известно о продажах?)
Подберите метрики, позволяющие ответить на заданные вопросы (Возраст, пол и т.д.)

Препроцессинг данных – предварительная подготовка данных для дальнейшего анализа

Убрать/заменить пропущенные значения (вставить медианные или средние значения вместо пропущенных, либо удалить строки с пропущенными значениями)
Добавить новые переменные (например, добавить среднее количество звонков одному клиенту)
Трансформация численных переменных (например, по методу Бокса-Кокса)
Шкалирование переменных (например, приведение всех переменных к значением от 0 до 1)

Машинное обучение – определение лучших параметров модели для прогнозирования

Выбор алгоритма (Random Forest, Regression и т.д.)
Задание параметров модели (в зависимости от выбранного алгоритма)
Кроссвалидация (отвечаем на вопрос: какие гарантии того, что данная модель позволяет стоить достоверный прогноз?)
Оценка полученных параметров модели (P-value, R2 , ROC- кривая и т.д. в зависимости от алгоритма)
Выбор лучших параметров для прогнозирования

Прогнозирование – получаем ответ на поставленный вопрос

Как будет выглядеть кривая продаж конкретного кандидата
С какой вероятностью данный сотрудник проработает у нас определенное время
Из какого источника к нам придет больше кандидатов, которые успешно пройдут адаптацию и т.д.

Часто задаваемые вопросы

От 1 до 6 месяцев, в зависимости от качества предоставленных данных и сложности поставленной задачи.

Да, для этого внутреннему специалисту нужны базовые навыки программирования в R.

Наш специалист бесплатно проведет с вами предварительную консультацию, на которой будут определены необходимые метрики и размер выборки.

Возможно, что с первого раза полученная модель не будет оптимальной. Однако, наш специалист доработает ее, применив другой алгоритм, собрав дополнительные данные и т.д.

Сухой остаток после проекта