Share |

понедельник, 24 марта 2014 г.

Про возражения против BigData HR и Talent Analytics .

Недавно услышал утверждение, что BigData HR и Talent Analytics не есть вся hr-аналитика, что BigData HR и Talent Analytics сводится к голой статистике, а есть еще много других подходов в аналитике:
Скажу прямо: люди, которые так утверждают, на мой взгляд, ничего не соображают в аналитике.
Все эти метрики, бенчмаркинги, модели киркпатрика - убогость, костыли и слабое понимание процессов..

Вот вам простая задачка:

В компании провели тренинг эффективных продаж. 18 человек поучаствовали, 26 нет.
как вы оцените значимость эффекта без статистики?
У этих 18 продажи выросли в среднем на 15 рублей, а у тех 26 - на 13.
как вы посчитаете эффективность? 18 Х 15? 18 Х 2? - минус затраты на тренинг?
Ха ха....
И заметьте, это самый простенький случай!

Далее

Как вы сможете оценить свои усилия по сниженнию текучести персонала без статистики? У вас текучесть упала на 3 % - на основании чего вы будете говорить, что она упала вследствие ваших именно действий? И кто вам вообще сказал, что это изменение значимо, а не носит случайны характер? Если вы в принципе понимаете про значимость различий!
Как вы оцените любое изменение в уровне метрик без статистики? И самое главное: вас интересует причина, которая стоит за изменением метрик, не так ли?

Бенчмаркинг

Что вам дает понимание, например, того, что у вас уровень текучести ниже, чем у конкурента? Это вам дает пинок под попу для того, чтобы понять, что у вас хуже, чем у конкурента, верно?
Вы начинаете рыть сведения про зарплату о конкурента, про прочие вещи типа соцпакета, корпоративной культуры и т.п.. И фактически займетесь анализом причинно следственных связей. Вопрос в том, что без BigData HR и Talent Analytics такой анализ - как гадание на кофейной гуще. Иногда, если ситуация слишком очевидна, решения принимаются верно, но в этой ситуации тогда и бенчмаркинг не нужен. Следовательно, бенчмаркинг всего лишь выстрел стартового пистолета для начала BigData HR и Talent Analytics

Резюме

Так какие тогда могут быть еще подходы в аналитике кроме этого? Я не очень глубоко разбираюсь в статистике, но могу смело утверждать: BigData HR и TalentAnalytics начинается с понимания значимости различий. Остальное приходит. Не надо уметь считать логистическую регрессию, чтобы понимать суть БигДаты, понимайте суть "значимости различий", и все остальное придет.
И не тратьте время на всякую ерунду типа модели киркпартика. У вас изучение статистики потребует массы ваших времени и усилий. Удачи в изучении

5 комментариев:

  1. А что, в модели Киркпатрика и ее вариациях статистика не нужна?! Как же тогда считают эффект от обучения?

    ОтветитьУдалить
    Ответы
    1. Максим, я именно это и спрашиваю.
      Как то считают без статистики.
      Я еще в далекой юности попытался показать значимость различий теста знаний до обучения и после обучения с помощью парного критерия Уилкоксона, однако же не был понят)
      Девочка модератор сказала, что не надо выпендриваться, все гораздо проще.

      Удалить
    2. Да прав был наш преподаватель в институте по статистике, который говорил что она нам в жизни пригодится обязательно а мы над ним смеялись )) Эдуард я лично возражений против конечно не имею, но и научиться этому не так просто, поэтому и непопулярно пока

      Удалить
  2. Эдуард, нельзя идеализировать Big Data. Об этом уже давно пишут и часто. Например, http://blogs.adobe.com/digitalmarketing/analytics/big-data-different-customer-analytics/.

    ОтветитьУдалить
    Ответы
    1. конечно, не идеальны BigData
      классическая теория статистических выводов подвергается критике, но лучше пока ничего не придумали.
      И если говорить о моем посте, то Бигдата уж точно лучше, чем Модель Киркпатрика

      Удалить

рек