С данными этого кейса я выступал на разных конференциях и на своем вебинаре
Пост про то, какие результаты можно получать в прогнозе эффективности кандидатов.
Напомню сразу, что эти результаты вы можете получить для своей компании, если воспользуетесь услугой Прогноз успешности кандидатов на основе тестов.
Или как вариант - приходите на вебинар Прогноз эффективности кандидатов на основе тестов
Задача проста: по имеющимся данным научиться прогнозировать эффективность / успешность кандидатов.
В описании анализа я буду некоторые шаги опускать, поскольку. в противном случае, будет длинно.
Первым шагом нам необходимо выявить взаимосвязь между показателем эффективности (продажами) и результатами теста и наличием опыта.
Мы выявили корреляцию: эффективность коррелирует с показателями теста и наличием опыта.
Взаимосвязь между тестом IQ и продажами
Корреляция есть, но как теперь ее использовать при прогнозе? Мы говорим, что бизнес определяет точку нулевой эффективности на уровне 80 (рублей, % и т.п..).
Мы строим прогнозную модель (на картинке визуализация)
Итоговая точность модели - 81, 5 %. Т.е. мы ошибаемся в каждом пятом случае. Это неплохая точность, наверное. Но мы в данном случае отвечали по сути на вопрос, кого не стоит пускать в нашу компанию. Нам стоило бы ответить на вопрос о более широкой градации: не просто подходит / не подходит, а насколько эффективно будет продавать.
Для этого существует инструмент Regession Tree.
Нет смысла рассказывать смысл стат анализа, покажу сразу некоторые результаты.
Программа выделяет группы работников и показывает их медианные значения.
На левом графике показано, что медианное значение продаж работников без опыта составляет 80 с копейками, медианное значение работников с опытом составляет 90 с копейками.
На правом графике видно, про программа выделяет три группы работников:
Теперь мы объединим в одно уравнение эти данные и получим дерево.
Дерево читается так.
Обратите внимание, я цветом indianred выделил схожие группы. Т.е. у нас те, кто имеет IQ меньше 103 и больше 92 и не имеет опыта, и те, кто имеет IQ меньше 92, но с опытом, показали примерно одинаковые результаты.
И уже если совсем упрощать результат, то получаем четыре группы прогноза эффективности
Красивый инструмент?
Напоминаю про услугу Прогноз успешности кандидатов на основе тестов и семинар Аналитика для HR в Москве 18-19 июня
Пост про то, какие результаты можно получать в прогнозе эффективности кандидатов.
Напомню сразу, что эти результаты вы можете получить для своей компании, если воспользуетесь услугой Прогноз успешности кандидатов на основе тестов.
Или как вариант - приходите на вебинар Прогноз эффективности кандидатов на основе тестов
Описание
У нас есть собранные данные по нашим работникам:- результаты теста способностей при приеме на работу
- ответ на вопрос рекрутера "Есть ли у вас аналогичный опыт работы"
- показатели продаж за полгода работы
Задача проста: по имеющимся данным научиться прогнозировать эффективность / успешность кандидатов.
В описании анализа я буду некоторые шаги опускать, поскольку. в противном случае, будет длинно.
Первым шагом нам необходимо выявить взаимосвязь между показателем эффективности (продажами) и результатами теста и наличием опыта.
Мы выявили корреляцию: эффективность коррелирует с показателями теста и наличием опыта.
Взаимосвязь между тестом IQ и продажами
Корреляция есть, но как теперь ее использовать при прогнозе? Мы говорим, что бизнес определяет точку нулевой эффективности на уровне 80 (рублей, % и т.п..).
Мы строим прогнозную модель (на картинке визуализация)
Итоговая точность модели - 81, 5 %. Т.е. мы ошибаемся в каждом пятом случае. Это неплохая точность, наверное. Но мы в данном случае отвечали по сути на вопрос, кого не стоит пускать в нашу компанию. Нам стоило бы ответить на вопрос о более широкой градации: не просто подходит / не подходит, а насколько эффективно будет продавать.
Для этого существует инструмент Regession Tree.
Нет смысла рассказывать смысл стат анализа, покажу сразу некоторые результаты.
Программа выделяет группы работников и показывает их медианные значения.
На левом графике показано, что медианное значение продаж работников без опыта составляет 80 с копейками, медианное значение работников с опытом составляет 90 с копейками.
На правом графике видно, про программа выделяет три группы работников:
- с IQ до 92 баллов - их медианное значение продаж - 82,
- до 92 до 103 баллов - значение медианы продаж 92,
- и свыше 103 баллов - эта продают в медиане на 101.
Теперь мы объединим в одно уравнение эти данные и получим дерево.
Дерево читается так.
- Те кандидаты, кто имеет IQ менее 92 баллов и не имеет опыта продаж, имеет медианное значение продаж - 69 рублей. И таких работников у нас 20 %.
- IQ менее 92 балла и наличие опыта - 84 рублей. И таких работников - 15 %
- IQ меньше 103 и больше или равно 92 балла и отсутствие опыта - 82 рубля, 14 %
- IQ меньше 103 и больше или равно 92 балла и наличие опыта - 92 рубля и 34 % (каждый третий фактически)
- IQ больше или равно 103 балла - 101 рубль и 17 %
Обратите внимание, я цветом indianred выделил схожие группы. Т.е. у нас те, кто имеет IQ меньше 103 и больше 92 и не имеет опыта, и те, кто имеет IQ меньше 92, но с опытом, показали примерно одинаковые результаты.
И уже если совсем упрощать результат, то получаем четыре группы прогноза эффективности
- Группа "A" - наши "звезды" - IQ больше или равно 103 балла - мы ожидаем от них продаж на 101 рубль
- Группа "B" - наши середняки - IQ меньше 103 и больше или равно 92 балла и наличие опыта - ожидаем продаж на 92 рубля
- Группа "C" - группа риска - IQ менее 92 балла и наличие опыта или IQ меньше 103 и больше или равно 92 балла и отсутствие опыта - продажи на уровне 82-84 рубля или близко к пограничному уровню в 80 рублей.
- Группа "D" - те, кто нас не устраивают по продажам - имеет IQ менее 92 баллов и не имеет опыта продаж - ожидаемые продажи на уровне 69
Красивый инструмент?
Напоминаю про услугу Прогноз успешности кандидатов на основе тестов и семинар Аналитика для HR в Москве 18-19 июня
Комментариев нет:
Отправить комментарий