Зарплатные различия по регионам (пособие для переезжающих в Москву)

Не претендую на точность Росстата, Вдаваться в тонкости не буду. Просто покажу цифры и картинки.
Выборка по регионам такая

• Москва 363 респондентов
• Санкт-Петербург 113 (на диаграммах - Спб)
• Приволжский федеральный округ 88 (ПФО)
• Сибирский федеральный округ 66   (СФО)                                  
• Уральский федеральный округ 51 (УФО)
• Центральный федеральный округ (без Москвы) 45 (ЦФО)
• Южный федеральный округ 36 (ЮФО)

Остальные регионы не вижу смысла включать: слишком мало респондентов

Если посмотреть картину по HR, то здесь так

Как зависит зарплата от размера бизнеса

Во-первых, хочу поблагодарить Евгения Лурье за поддержку моего исследования и рекомендую подписаться на его страницу Блог про оценку персонала в фейсбуке, как самое информативное русскоязычное издание по этому направлению.
И напоминаю, что жду ваши голоса в исследовании времени поиска работы.

Сегодня покажу связь между размером бизнеса и зарплатой

В опросе есть пункты про оплату и про размер компании (в количестве работающих). Я задал более широкие диапазоны и снизил тем самым количество групп - для лучшего восприятия информации. Итого получились такие группы:

1. 1-24 (это количество работающих) - 70 респондентов;
2. 25-99 - 122;
3. 100-999 - 315;
4. 1000-9999 - 214;
5. свыше 10 000 - 71.

Получаем

ZP - зарплата в тысячах рублей
Kruskal-Wallis rank sum test

data:  ZP by Размер
Kruskal-Wallis chi-squared = 61.6439, df = 5, p-value = 5.557e-12
без комментариев

Кого больше старается удержать работодатель: мужчин или женщин

Вот такую идею я сегодня хочу проверить. Сразу извиняюьс на кучу грамматических и стилистических ошибок - время полночь, сил нет, делаю запись набегу.
Часто работодатель, чтобы удержать работника, увеличивает ему зарплату. И, соответственно, чем больше стаж ценных сотрудников, тем больше зарплата.
Если визуализировать графически, то у ценных сотрудников линия тренда более круто завернута кверху.
И вот тут у меня возникла мысль проверить, кто более ценный для работодателя: мужчины или женщины. Конечно, я как всякая порядочная мужская сволочь ставил на мужиков, как на ценных работников.
Дальше тем, кто ничего не понимает в статистике советую сначала пройти наш опрос Исследование времени поиска работы, а потом перейти в самый даун поста - прочитать выводы

Данные взяты по 315 респондентам женщинам и 139 мужчинам.
Респонденты указывали дату приема на работу, дату увольнения, зарплату на момент увольнения

теперь к аналитикам обращаюсь: скажите, где может быть засада (понятно, что отрасль влияет - женская или мужская, но сейчас я пока не могу это проверить, позже).
Во - первых очистил от влияния фактора даты увольнения - среди мужчин и женщин этот показатель не значим (ну т.е. респонденты заполняли данные о себе по разным годам своей работы, а зарплата зависит среди прочего также от года работы, т.е. те, кто заполнял про 2012 получал в среднем меньше, чем тот, кто заполнял анкету за 2014 - и я посчитал, что для М и Ж этот фактор различается незначимо, поэтому мы можем им пренебречь..

Теперь показатель стажа

group: Ж
  vars   n  mean    sd median trimmed   mad  min    max  range skew kurtosis   se
1    1 315 35.07 39.82  21.01   27.62 21.11 0.13 314.27 314.14 2.62    10.28 2.24
--------------------------------------------------------------------------------
group: М
  vars   n  mean    sd median trimmed   mad  min    max range skew kurtosis   se
1    1 139 35.16 37.48  22.98   27.89 20.76 2.04 222.54 220.5 2.18     5.65 3.18

Эти данные указаны в месяцах стажа, Манн Уитни показывает значимость 0, 64.
ну и картинка. Я обрезал картинку 120 месяцами стажа. Из картинки видно, что различия не значимы.

Зарплата

group: Ж
  vars   n  mean   sd   median trimmed   mad     min    max    range  skew kurtosis   se
1    1 315 73.89 59.6     55     63.89      44.48       5        350   345    1.88     4.48     3.36
--------------------------------------------------------------------------------
group: М
  vars   n   mean    sd     median trimmed   mad min max range skew kurtosis   se
1    1 139 118.78 83.27    100      107.52   74.13  15 350   335 1.19     0.89       7.06

И здесь невооруженным глазом видно, что мужики честно получают больше: медиана - 100 000 рублей для М, 55 000 для Ж.
Картинка (можно кликнуть для увеличения)

Дальше мы логарифмируем стаж и зарплату и получаем вот такую картинку

Бенчмарк: сколько получают HR в разных отраслях

И еще одна идея нашего Исследования времени поиска работы - идея бенчмаркинга.
Вот такая картина

По оси Y - зарплата в тысячах рублей, по оси X - несколько отраслей.
Обратите внимание, я написал, что это идея, а не результаты нашего исследования.
Идея потому, что у нас слишком мало данных, чтобы можно было транслировать на всю генеральную совокупность.
Интересно Вам получать такие данные? Поучаствуйте в нашем исследовании и пригласите своих коллег, друзей, знакомых.
* Я лично не верю, что в Банках HR-ы получают меньше, чем в остальных отраслях. Это не согласуется с другими нашими исследованиями, согласно которым HR в банкам имеют минимальную текучесть. 

Связь между зарплатой и уровнем владения иностранного языка

Еще один результат нашего Исследования времени поиска работы, результаты которого просматривают тысячи человек, а участвуют в нем единицы. И Вы, читающий эти строки, конечно же, из тех, кто уже прошел исследование, или пройдет после прочтения поста, или даст ссылку на опрос своему коллеге или другу с тем, чтобы повысить качество опроса.

Сам пост очень простой

По оси Y - зарплата в тысячах рублей, по оси X - уровень владения иностранного языка.

Видно, что реальный отрыв на уровне Upper-Intermediate, а взрыв на Fluent.

Добавлю инфо по количеству респондентов

• Beginner (нулевой)   73
• Elementary  194
• Pre-Intermediate  126
• Intermediate  116
• Upper-Intermediate   88
• Fluent   67

Вывод: учим иностранный язык и участвуем в исследовании!

Как на зарплату влияет возраст, образование, годы: бенчмарк - у нас и у них

Один из самых популярных учебников по статистике An Introduction to Statistical Learning начинается с примера визуализации связи зарплаты (исследование по нескольким регионам США) с возрастом респондентов, изменением уровня вознаграждения по годам, образованием респондентов.
Я решил сделать бенчмарк - взять их данные и показать наши данные. Я провожу опрос Исследование времени поиска работы.
Отмечу два момента
В американских исследованиях было 3 000 респондентов, у нас чуть менее 700. И не говорите мне, что выборка нерепрезентативна, если вы не поучаствовали в опросе. Пройдите по ссылке и сделайте результаты более качественными.
Опрос мой вообще про другое - он про время поиска работы. Но как бы между прочим я могу получать и вот такие классные вещи, как те, что покажу вам сегодня.
Да, зарплата у нас указана в тысячах рублей

Итак. Зарплата и возраст 

Как у них (напоминаю, что кликом вы можете увеличить размер картинки)

Где-то до 35 лет рост, потом плато до 60, потом падение
Как у нас

Время закрытия вакансия - бенчмарк по западным странам

Интересная статистика из поста на сайте ere.net
На картинке - время закрытия вакансии в днях по странам

Ниже по отраслям в разрезе лет (кликом по картинке можно увеличить размер)

Автор поста отмечает, что за последнее время время закрытия выросло почти в два раза, а уровень безработицы сократился также почти в два раза.
И причины отказов от офферов

Сама статья называется Employers Are Losing More Candidates As Time To Fill Continues To Grow - а у нас есть интересные данные Кейс: как устанавливать KPI на основе аналитики.  Мы не просто установили взаимосвязь между временем проверки кандидата, но и указали, каким этот срок проверки должен быть, чтобы потери кандидатов не стали критичными. 

В excel 2016 появится boxplot

Скоро excel нас порадует новыми возможностями. Я же рад тому. что excel наконец даст возможность строить диаграмму boxplot - ящик с усами.
Думаю, особо мою радость поймут участники моего семинара по аналитике - большинство задач по сравнению групп имеют решение в визуализации с помощью диаграммы boxplot
Приведу два примера только
Поколения X и Y: кто чаще меняет работу
Хотите удержать работника? Обеспечьте ему коммуникации
Кейс по оптимизации масс рекрутинга

выглядит это будет так в excel

Или вот так

ну в общем, поздравляю будущих участников семинара по аналитике с новыми возможностями) 

О ценности личностных опросников при прогнозе эффективности работников

Думал более звучное название дать и передумал.
Пусть как есть.
Нашел связь между результатами работников по личностных опросников и выполнением плана работниками

По оси Y - % выполнения плана, по оси X - результаты теста.
Название личностного опросника не даю, чтобы не давать рекламы, скажу только, что в шкалы X "зашито" две шкалы опросника, связаны с коммуникацией и убеждением.
Из графика видно, что, слав бох для работодателя, бОльшая часть работников выполняет план.
И связь есть.
Правда связь на уровне R^2 = 0, 17
Как считаете, можно ли на практике использовать результаты теста для прогноза эффективности?

Управленческие поединки у викингов

Тема форм и методов развития управленческих навыков на тренингах одна из самых популярных у тренеров.
Я в 2010 году был зрителем на III чемпионате России по управленческой борьбе (см. отчет Кто побеждает в управленческих поединках), который проводится в идеологии Владимир Тарасова.
Сам я всегда любил эксперименты в этом направлении, когда проводил управленческие тренинги. У меня было свое любимое упражнение: выдвигались лидеры, задача которых была привлечь в свои сторонники максимальное количество зрителей - участников тренинга. Побеждал тот, кто завоюет больше симпатий.
Сейчас меня больше интересует прогноз победителя на основе данных))))

Про викингов

Прочитал сегодня в книге Режи Буайе Викинги. История и цивилизация новое упражнение по управленческим поединкам от викингов.
Игра называлась "Сравнение мужей" (mannjafnaðr):
участники игры разбивались на две команды, каждая команда выбирала "героя". Задача простая: используя любые средства, доказать, что "герой" вашей команды превосходит "героя" соперников.
Начинали с ораторского искусства, заканчивали рукопашной 

Книга Ласло Бока Work-rules будет издана в России изд-вом Манн, Иванов и Фербер

Для тех, кто не в курсе, про что книга, см. ниже презентацию и одну из глав книги.
Кроме того, крайне рекомендую посты в тему

• В Head-Hunting Big Data может быть не такой уж сложной задачей
• Про качество подбора персонала на основе интервью
• Как в Google выстроен процесс подбора персонала
• Как Google стал №3 в списке самых дорогих компаний Мира, используя People Analytics

Я хотел заняться переводом и изданием книги Ласло Бок, но не успел, вот ответ Ласло Бок:

Edward Babushkin, thanks for the offer but it's already going to be published in Russian by Манн, Иванов и Фербер, though I don't yet know the release date. 

Work Rules! from Laszlo Bock

Excerpt from 'Work Rules! Insights from Inside Google That Will Transform How You Live and Lead'

Google's Laszlo Bock on Strategies for Hiring and Managing Employees

Уже многажды цитируемый мной Ласло Бок дал интервью для kqed.org
даю подкаст записи с ним и код на одну из глав книги

Excerpt from 'Work Rules! Insights from Inside Google That Will Transform How You Live and Lead'

Зачем нужна репрезентативность выборки в корпоративных опросах

Многие про это слышали и даже представляют, что это такое. Я хотел поговорить в практическом разрезе.

Зачем мы проводим корпоративные опросы? Чтобы по их результатам принять какие-либо управленческие решения. И неважно, про что опрос: удовлетворенность, вовлеченность или лояльность, или неважно что.

Как мы проверим, что решение наше было корректное? По результатам мониторинга - повторного опроса, которое было проведено спустя какое то время. Т.е. уж совсем банальный пример, если мы измерили удовлетворенность, выявили драйверы удовлетворенности, стали активно управлять драйверами, то вправе ожидать изменения доли удовлетворенных.

И в этом месте встает вопрос. Или даже вопросы. Как мы можем быть уверены, что изменения в результатах опроса есть результат наших целенаправленных действий, а не следствие характеристик опрашиваемой выборки? Ну если мы в первый раз опрашивали одних

сотрудников, а во второй раз других, то где гарантия, что разница в ответах вызвана не тем, что эти работники просто имеют другое мнение?

Можно, конечно, опрашивать вообще всех работников. Но это не самый лучший вариант, потому что 

• не замучаетесь ли? И 
• люди после первого опроса могут «прочитать» цели опроса и отвечать во второй раз так, как работодателю надобно. 

И это не есть хорошо.

Правильный ответ заключается в том, чтобы опрашиваемые выборки были репрезентативны всему нашему составу работников. Т.е. чтобы в опрашиваемой выборке пропорционально были представлены работники по всем необходимым категориям: пол, территории, позиции и т.п. Т.е. если у нас в компании женщины / мужчины работают в пропорции 70/30, то и в опросе они должны быть представлены в такой же пропорции. И так далее.

При этом весь состав работников изначально можно разбить на несколько пропорциональных выборок. Последующие с дисконтом – с учетом возможного увольнения сотрудников.

Итого

Можно заложить такую логику. У вас 1 000 работников, среди которых выделяете группы 

• а) мужчин и женщин, 
• б) офис и рабочие или продавцы, 
• в) Москва и остальная Россия, 
• г) уровень зарплаты и т.п... 

Вы делаете три выборки: 200 (группа А), 200 (группа Б) и 200 (группа С) работников, где пропорции категорий работников сохраняются (если у вас в компании Ж/М в пропорции 70/30, то в группе А М/Ж в пропорции 70/30, в группе Б - 70/30 и т.п.). И 200 работников в группе более чем достаточно – даже с запасом, учитывая, что в некоторых компаниях до 40 % респондентов не отвечают. Но это уже другой вопрос.

Далее вы проводите опрос в день А по группе А, получаете результаты и что-то делаете, потом проводите опрос в день Б по группе Б, например, спустя полгода или год. И анализируете тренды и результаты. И можем быть корректируете стратегию.

И спустя еще полгода проводите опрос  в день С по группе С. И при этом можете быть вполне уверены, что ваши результаты буду чисты с т.з. влияния параметров группы респондентов и изменения вызваны, скорее всего, вашими усилиями. "Скорее всего" потому что никто не гарантирует, что большой босс не отдаст неформального приказа голосовать так то и так то, что в стране не произойдет кардинальных изменений, и это может повлиять на ответы работников и т.п..

Зачем я могу быть вам полезен по части репрезентативности выборки вашего опроса? 

Вы можете сами сформировать выборки для опроса, но долго и нудно выбирая работников по спискам, а можете обратиться ко мне, я вам за полчаса сформирую выборки случайным образом с учетом пропорций по заданным параметрам: пол, позиция, территория и т.п.

Обращайтесь edvb@yandex.ru

Влияет ли IQ на эффективность руководителя

Этот вопрос имеет несколько аспектов.
Есть спецы, которые считают, что эмоциональный интеллект важнее традиционного IQ. И я хочу показать важность "обычного" интеллекта.
С другой стороны, мало кто будет спорить, что интеллект влияет на эффективность
В бытовом или общечеловеческом аспекте интеллект, безусловно, влияет на эффективность. Чем умнее руководитель, тем он эффективней.
Вопрос состоит не просто в том, чтобы согласиться с этим, а научиться предсказывать.
Т.е представьте, что вы конкретный HR, в конкретной компании. У вас эффективность мерится определенным образом, у вас есть конкретный тест IQ, ваша задача не просто сообщить руководству, что эффективность зависит от IQ, а сказать при каких конкретно значениях конкретного теста руководитель будет эффективен.
"Сколько вешать в граммах".
Кроме того, был мой отдельно взятый миф: я считал, что для прогноза не руководителей тест интеллекта вполне себе подходит, а для оценки руководителей - не очень.
В этом смысле этот кейс хорошо развенчает эти мысли

Кейс

В торговой компании шестьдесят с небольшим точек продаж, у которых есть свои финансовые планы.
Буквально - планы продаж.
Компания конкретная. Название, конечно же, не даю.
Руководители прошли тест IQ. Название теста также не даю. Балы изменил, чтобы не догадались по ним, что за тест.
показываю картинку связи IQ и выполнения плана.

• шкала X - показатели теста интеллекта;
• шкала Y - % руководителей показавших тот или иной результат по тесту интеллекта;
• красная линия - те руководители, которые не выполняют план;
• зеленая линия - те, кто выполняют.

Точность модели - 74 %. Т.е. мы на основе теста можем в 4 случаях из 5 предсказать, будет ли руководитель эффективен или нет.
На каком рубеже (показателе шкалы) вы бы поставили заслон неэффективным руководителям?
И добавил 5 августа для облегчения понимания такую картинку

по оси X - результаты теста
по оси Y - результаты выполнения плана
точки - специалисты
красная линия отделает тех, кто выполняет и перевыполняет план от  тех, кто не выполняет.
Вопрос тот же: на каком рубеже отсекать неэффективных?

Резюме

На примере конкретной компании мы показали, что тест интеллекта вполне эффективно (скаламубрю) может прогнозировать эффективность руководителя.
Т.е. в данной компании конкретный HR по конкретному тесту IQ может предсказать эффективность конкретного специалиста. С точностью 74 %. Т.е. ошибка будет в каждом пятом случае. 

Прогноз отбора в кадровый резерв и назначения на должность на основе данных. Наш ответ Google

Показываю пример анализа / выявления критериев отбора в кадровый резерв и назначения на руководящую должность на основе данных. Компанию не называю, некоторые детали опускаю. Переменные следующие:

• Пол кандидата;
• Возраст кандидата;
• Статус кандидата в кадровый резерв: Внешний / Внутренний;
• Оценки ассессмент центра (среди компетенций: эффективная коммуникация, ориентация на достижение, организаторские способности и т.п..). Трехбальная система оценки;
• Результаты интеллектуального теста (5 шкал, среди которых вербальный, числовой интеллект, тест на логику и т.п.);
• Результаты личностного опросника.

Управляемые переменные

• Включен / не включен в кадровый резерв;
• Назначен в последующем на руководящую должность / не назначен.

Всего 178 наблюдений. В этом вопросе у нас есть опыт Google - см Google нашла формулу продвижения по службе, которая для построения формулы продвижения по службе логистическую регрессию. А мы со своей стороны дадим свой ответ google.

Задача

В чем собственно задача. Компания тестировала специалистов кучей разных способов, а мы хотим проверить, какие из данных способов были действительно значимы и влияли на результат.

Факторы отбора в кадровый резерв

Начнем с первого. Всего процедуру прошло 178, из них назначены в кадровый резерв 57 или 32 % вошло в кадровый резерв. 

Значимые факторы отбора (в порядке убывания значимости):

• Упражнение ассессмент – центра «Эффективная коммуникация»;
• Статус кандидата;
• Шкала интеллектуального теста на способности к логике;
• Упражнение ассессмент – центра «Организаторские способности» (упражнение на управление людьми).

Напоминаю, что официально в данной компании складывали балы и принимали решение на основе неких обобщенных показателей, но реально за этим стоит такая картина.

Не знаю, декларировали ли в данной компании равенство кандидатов (внешних и внутренних) перед кадровым резервом, но внутренние резервисты явно выбирались значимо чаще. Удивительно, что среди значимых факторов есть тест на логику – значит, в этой компании не все так плохо. Правда, руководители компании были удивлены, что именно эта шкала была значимой, поскольку они сами полагали, что вербальный интеллект ими учитывается больше, чем тест на логику.

И ничего удивительного с личностным тестом: там ничего даже близко не показало связей.

Полученная точность модели – 77 %. Для знатоков статистики напомню, что у нас базовая точность модели 68 % (см. выше, у нас 57 кандидатов прошли в кадровый резерв из 178, т.е. 32 %, а по другому это 68 %. Т.е. если мы ткнули бы в любого попавшегося кандидата в кадровый резерв, то с 68 % точностью мы могли бы сказать, что он не попадет в него), и, значит, наша 77 % точность модели добавляет прогнозной точности.

Для примера западный кейс, какая там бывает прогнозная точность Кейс по оценке эффективности подбораи адаптации персонала

Кстати говоря, упражнение ассессмент – центра «Эффективная коммуникация» обладало очень высокой прогностичной ценностью: если кандидат получал высший бал по этому упражнению, то он с 93 % вероятностью попадал в кадровый резерв. 

И обратите внимание на одну деталь: это упражнение было первым в ассессмент центре, помните про первые несколько минут знакомства? За какое время у нас складывается впечатление о новом человеке? Не напоминает ситуация данной компании это самое первое впечатление?)

Назначение на должность

Еще более интересно было бы узнать, а есть ли значимые факторы при назначении на должность. Т.е. мы с вами отобрали людей в кадровый резерв, теперь кого-то из них могут назначить на должность, а кого то нет.

Задача в том, чтобы попробовать спрогнозировать назначение на должность на этапе отбора в кадровый резерв.

Напомню, у нас 57 резервистов. Из них в итоге назначено на должность 34 кандидата или 60 %.

Картина оказалась маслом.

Из всех факторов значимым был только фактор Статус кандидата.

Эта картина значит следующее: если ты «свой», т.е. внутренний кандидат, то вероятность быть назначенным на должность равна 72 %, если ты «чужой», т.е. внешний, то вероятность быть не назначенным равна 73 %.

Общая точность модели равна 70 %, т.е. мы с такой точностью можем прогнозировать назначение на должность резервиста.

Резюме

Мне вспомнился фильм «Человек,который изменил все». Команда главного героя стабильно попадала в финал лиги – в кубковую серию, но выиграть их никак не могла. Аналитики делают заключение: модель команды рассчитана только на попадание в финал, а на выигрыш финала не рассчитана, здесь нужны другие качества.

Так и в нашем случае: попасть в кадровый резерв нужны одни качества, а быть назнченным на должность – немного другие. 
В нашем случае рискну дать свою интерпретацию: в кадровый резерв берут на основе первого впечатления (упражнение "эффективная коммуникация"), а на должность назначают уже своих.
Круто?)

Профориентация. Прогноз выбора студента (идея для реализации)

У меня есть желание заняться реализацией идеи по профориентации.
Логика достаточно проста.
На входе мы измеряем способности, личностные качества и все, что душенька пожелает у абитуриентов. А еще лучше у школьников, поскольку абитуриентов часто бывает поздно взвешивать.
Далее мы отслеживаем путь студентов и фиксируем следующие вещи

1. закончил обучение, получил диплом;
2. не закончил обучение, ушел до получения диплома;
3. на каком курсе / семестре отвалился;
4. какова причина ухода из ВУЗа до получения диплома.

Идея эта выросла из моего детства.
Я поступал на психфак, у нас был конкурс то ли 12, то ли 17 человек на место (возможно преувеличиваю, чтобы показать, какой я крутой, но не сильно). Нас тестировали от равена до ДДЧ. Когда поступили, то уже на первом семестре отвалилось трое.
Трое - это реально - 3 * 12 = 36.
Это было мое первое разочарование психфаком. Нафига нас тогда тестировали, если из 24 человек в группе у нас более 10 % отваливается на первом семестре?
Тут можно поспорить об ответственности тех, кто принимает в ВУЗ, но моя позиция - ИМХО - мы должны прогнозировать такие отвалы.
Пользу получит ВУЗ, государство, сам студент.
Я прекрасно понимаю математику, которая лежит в основе данного анализа, готов реализовать идею. Для понимания можете почитать Кейс по оценке эффективности подбора и адаптации персонала - кейс не про абитуриентов, но таки:
В компании был адаптационный период 12 недель, в ходе которых компания готовила специалистов к работе. Но более 50 % входящих кандижатов либо не могли сдать экзамен в конце адаптации, либо отваливались еще до экзамена. Компания теряла большие деньги.
Понятно, что содержательно задачка с ВУЗом будет другой, но класс задач тот же!
Крутая задачка?!
Если среди читателей окажутся потенциальные Заказчики, с удовольствием обсужу сотрудничество. 

Прогноз поведения кандидата: антиурок от консалтера

На прошлой неделе проводил вебинар Прогноз эффективности кандидатов на основе тестов, на котором главной целью (показываю слайд с вебинара) обозначил

И мне где-то в глубине души казалось, что провайдеры уже начали дружить с мозгами и не нести чуши про 90-95 % валидности. Ан нет

Некий г-н Евсеев, если верить профилю в Линкедине, то он ведущий тьютор в компании ЛИНК, утверждает (это было заявлено вчера в обсуждении в одной из групп на Линкедине), что его подход позволяет с вероятностью не ниже 95-96 % прогнозировать поведение кандидата на будущей работе.
Поздравляю ПО ЕЛАЗ и предприятия особой экономической зоны "Алабуга" с тем, кто у них работает.
Я уже замучился объяснять, почему невозможна такая точность.
Но для тех, кто не разбирается в математике и/или прогнозах, поясню на примерах.
Вот добротный западный Кейс по оценке эффективности подбора и адаптации персонала, там точность модели составляет не более 65 %. Совсем не тоже самое, что в ПО ЕЛАЗ. Вы считаете, что просто в данной компании специалисты низкого уровня? Ну тогда попробуйте оспорить их выводы


Есть еще пример Google Про качество подбора персонала на основе интервью

Посмотрите, в Google 86 % точность - это очень хорошая точность! Причем, Ласло Бок уже 11 лет работает в Google (Ласло Бок - вице президент Google по персоналу), у него команда аналитиков, которая этим несколько лет занимается. И они достигли "только" 86 % точности.
И тут появляется г-н Евсеев, который заявляет про 95 - 96 % уровень точности.
Зато я могу дать с 95-96 % точность прогноз, если вы попросите г-не Евсеева предоставить вам данные в файле excel про кандидатов, то он вам его не предоставит.
Нет у него такого файла, он эти данные не собирал в оцифрованном виде. И 95-96 % существуют только в фантазиях г-на Евсеева.
А мне обидно за уровень нашего HR.
Я прекрасно понимаю, что жалостливые HR даже пожалеют г-на Евсеева за то, как я с ним круто обошелся, а по мне так жалко те компании, которые ведутся на 95-96 % г-на Евсеева.
Желаю Вам избегать сотрудничества с такими специалистами
* подскажите, как мне бороться с мракобесием в HR?

Прогноз эффективности кандидатов на основе тестов

Сегодня проводил вебинар по теме Прогноз эффективности кандидатов на основе тестов
выкладываю презентацию и запись вебинара

Для тех, кто созрел воспользоваться моими услугами, можно подать заявку через этот пост

или напрямую здесь через эту форму  Подать заявку на услугу "Прогноз успешности кандидатов на основе тестов"