Share |

вторник, 31 мая 2016 г.

Оценки эффективности подхода Больших данных в оценке персонала

Задали вопрос на семинаре, не было времени ответить, отвечаю постом.
В принципе ответ на уровне логики, не ROI, не Больших данных. Но если у кого то еще есть вопрос, то может пригодиться.
Вопрос такой.
Посмотрите на картинки

Показана ситуация на рынке бейсбола (читаем Moneyball).
Слева ситуация - до 2012 года, Справа - после.
по оси X - количество американских рублей, затрачиваемых на зарплату игроков, по оси Y - количество игр, выигранных до попадания в серию плей офф.
Для меня очевидно, что картинка справа - показатель того, что рынок становится эффективней, что команды тратят деньги с умом.
Мне сегодня сказали следующее: команды неэффективней, потому как тратят больше денег - смотрим на шкалу X: если самая богатая команда тратила 90 миллионов долларов до 2012 года, то после 2012 - 190 таже команда.
Ответ простой: чтобы исключить влияние факторов типа инфляция, ситуация на рынке и т.п., предлагаю принимать во внимание не абсолютные цифры, а стоимость одной выигранной игры для команды.
Например, слева Бостон Ред Сокс (синяя точка) тратила 90 мил / 100 = 900 000 баксов за одну выигранную игру. А команда Билли Бина Окланд атлетикс тратила  30 мил / 90 = 330 000 баксов за выигранную игру. Есть разница?
Справа, Бостон тратила 190 мил / 100 = почти 2 мил за игру.
Окланд 60 мил / 90 = 660 000.
Есть разница?
А эффективность измеряется разбросом трат - стоимость выигранной игры у команд стала ближе после 2012 года.
Так вот эффективность здесь в том, что слева крайняя правая точка на примерно 75 выигранных игр тратила примерно 75 миллиона. Т.е. игра у этой команды стоила один миллион долларов. Больше, чем у Ред Сокс.
Ну вот как то так.
Забавно, что сегодня после семинара я наткнулся на статью про вовлечение в бейсболе. Moneyball for Business: Employee Engagement Meta-Analysis  - суть статьи простая: к сожалению, прогнозы выигранных игр команд на основе индивидуальных действий игроков не всегда бывают точными, иногда ошибка прогноза составляет 15 игр за сезон (представляете, при 100 играх, ошибка - 15 - это не маленько). Чтобы объяснить ошибку, аналитики ввели понятие "clubhouse culture". Ну и далее переходят к исследованию Gallup про вовлеченность. В месте про Gallup  я бы поспорил, но сам эффект ошибки в оценке игр в Moneyball - важный прецедент для аналитиков

Комментариев нет:

Отправить комментарий