Даю даже не вольный перевод, а пересказ статьи о аналитике
карьерного продвижения в Google.
Какие – то оттенки перевода и серого могу упустить, если найдете что добавить
из упущенного в статье – буду благодарен.
7 лет назад в Google была создана группа People
Analytics, которая занялась аналитикой в сфере HR. Я опущу многие вводные, поскольку
уже много писал ранее про Google (см.
- В Head-Hunting Big Data может быть не такой уж сложной задачей
- Как Google стал №3 в списке самых дорогих компаний Мира, используя People Analytics
- Как в Google выстроен процесс подбора персонала)
Собственно эта формула - уравнение логистической регрессии
Даю свои пояснения по формуле, как я понял
Даю свои пояснения по формуле, как я понял
- AvrgPerf – среднее оценок по эффективности
- MgrRecommended – рекомендации руководителя
- SelfRecommended - самооценка
Это не очень вкусно выглядит, но это работает.
Prasad Setty
(Director of People Analytics Google) говорит,
что формула надежная, стабильная в разных циклах, имеет 90 % точность, и треть решений о карьерном повышении мы
могли бы принимать на основе этой формулы.
Команда People Analytics была в восторге, поскольку думали,
что сделали хорошее дело: разработчики могли бы высвободить до трети своего времени
на более важные задачи вместо совещания на комитетах по рекрутингу.
Разработчики возненавидели формулу карьерного продвижения.
Им нужно человеческое участие в принятии решений о людях. И эта модель
оказалась невостребованной в компании.
Даже разработчики не готовы отдать принятие решений о карьерном росте на откуп алгоритму машины.
Даже разработчики не готовы отдать принятие решений о карьерном росте на откуп алгоритму машины.
Интересен разброс коэффициентов: 5.227 для среднего оценок по эффективности, 2,732 для рекомендаций руководителя и 0,971 для самооценки.
ОтветитьУдалитьИван, это коэффициенты регрессии
Удалитьну мы их проходили, помните
- 22, 216 - это константа
и т.п..
так вот все, что в степени - это уравнение линейной регрессии
а его потом просто зашивают в степень
откуда они взялись я понимаю, я про сами количественные значения коэффициентов, вернее про градацию.
УдалитьAvrgPerf, MgrRecommended и SelfRecommended - от 0 до 1?
ОтветитьУдалитьне знаю, но думаю, что это не важно
Удалить