Управление эффективностью работников: анализ через деревья условного вывода

Покажу еще пример / методы анализа и визуализации, которые HR может использовать в управлении эффективностью.
Покажу на примере двух кейсов, которые следящим за моим блогом

Первый кейс

Прогноз эффективности продавцов, у которых есть объективный измеритель - уровень продаж
См. про этот же кейс Прогноз эффективности кандидатов: еще один инструмент
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
Мы с помощью специального инструмента анализа Conditional Inference Trees - я не знаю перевод, могу только на свой манер назвать - деревья условного вывода  (хотя однозначно это некорректный перевод, поскольку смысл тут в статистическом выводу через условия).

Вопрос к вам, читатели: понятно, вообще, что эта картинка обозначает?

Если кратко, то все сотрудники разбиваются на три группы:

1. выше 91 бала IQ
2. ниже 91 бала IQ с опытом работы
3. ниже 91 бала IQ без опыта работы

Для продвинутых пользователей задам вопрос: напомню, что в данном кейсе бизнес поставил планку: те, кто меньше 80-ти продает, бизнесу не нужны.
Как вам средство визуализации?
Но и обратите внимание, что данные анализа через деревья условного вывода не совпадают с результатами линейной регрессии или деревьями решений. Хотя многое похоже.
Вот такая же картинка, только вместо диаграммы плотности - boxplot

Второй кейс

У нас эффективность работников не измеряется количественно, только через экспертную оценку. (см кейс Отбираем "звезд" на этапе подбора с помощью тестов)

У нас есть несколько десятков человек работников, оцененных экспертами и данные тестирования. Задача - по результатам теста определить кандидата в "звезды" или не в "звезды". Упомянутый инструмент дает такую картинку

В данном случае у нас работники также разбиваются на три категории: в нашем случае NODE4 является лучшим - т.е. там находятся работники - "звезды".

Общая интерпретация такова:

1. Если по шкале Sy у тебя показатели меньше или равно 61 баллу, то с вероятностью 85 % ты не "звезда"
2. Если по шкале Sy у тебя показатели больше 61 балла и по шкале Fx показатели больше 49, то с вероятностью 100 % вы не "звезда"
3. Если по шкале Sy у тебя показатели больше 61 балла и по шкале Fx показатели менее 49, то с вероятностью 2/3 вы "звезда"

Т.е. если по русски, то мы ошибаемся в одном случае из трех, предсказывая "звезд".