.

Сделать репост в соц сети!

четверг, 4 декабря 2014 г.

Google нашла формулу продвижения по службе


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.
Вот один из результатов работы.
Google нашла формулу продвижения по службе

Собственно эта формула - уравнение логистической регрессии
Даю свои пояснения по формуле, как я понял
  • AvrgPerf – среднее оценок по эффективности
  • MgrRecommended – рекомендации руководителя
  • SelfRecommended - самооценка
E – константа = 2,71828182845904523536
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.

5 комментариев:

  1. Интересен разброс коэффициентов: 5.227 для среднего оценок по эффективности, 2,732 для рекомендаций руководителя и 0,971 для самооценки.

    ОтветитьУдалить
    Ответы
    1. Иван, это коэффициенты регрессии
      ну 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

      Удалить
    2. откуда они взялись я понимаю, я про сами количественные значения коэффициентов, вернее про градацию.

      Удалить
  2. AvrgPerf, MgrRecommended и SelfRecommended - от 0 до 1?

    ОтветитьУдалить