В опрос ключевые факторы текучести и удержания персонала добавил новый, открытый вопрос - отзыв о компании, он звучит так
Что нам это даст? Приведу простой пример. Мы с Люда Рогова скачали данные с страницы отзывов кандидатов и работников банков - служебный рейтинг banki.ru и провели так называемый sentiment analysis ли анализ тональности отзывов о компании, т.к. какие слова / выражения чаще присутствуют в позитивных / негативных отзывах о компании.
В качестве визуализации такого анализа
На картинке показаны слова, которые чаще присутствуют в позитивных, а не негативных отзывах о компании. Высота слова обозначает вес - коэффициент вхождения, т.е. это слово сильнее связано с позитивным отзывом о компании. На этой картинке показаны единичные слова, но можно представить словосочетания, тогда слова "возможности" и "обучения" превратятся в словосочетание "возможности обучения". И такую же картинку можно сделать для негативных отзывов о компании.
Также мы можем выделить темы отывов - типы отзывов о компании или кластеры, можем понять, какие темы / типы отзывов о компании чаще присутствуют в негативных и позитивных отзывах, какие какие темы / типы отзывов о компании чаще присутствуют в отзывах различных профессиональных группах (по позициям), по уровню менеджмента (уровни руководства, позиций) и т.п..
Мы показали анализ отзывов о компании на внешних ресурсах, но эту технику можно применять внутри компании при анализе обратной связи
Понравилась идея анализа отзывов о компании? поучаствуйте в исследовании текучести персонала (даже если вы участвовали там ранее) и оставьте там свой отзыв о компании.
Захотели применить такой анализ в собственной компании? обращайтесь edvb@yandex.ru
Для профи: анализ провожу в Python, алгоритмы опорных векторов и наивного Байеса, с использованием стемминга, лемматизации
"Напишите (по желанию) в нескольких предложениях отзыв о работодателе (конфиденциальность гарантируем): особенности работодателя, особенности корпоративной культуры, менеджмента и коллектива, причины, по которым вы уволились или работаете в компании и т.п. Спасибо!"Буду вам благодарен, если вы пройдете опрос, ответив в т.ч. на этот новый, дополнительный вопрос - отзыв о компании
Что нам это даст? Приведу простой пример. Мы с Люда Рогова скачали данные с страницы отзывов кандидатов и работников банков - служебный рейтинг banki.ru и провели так называемый sentiment analysis ли анализ тональности отзывов о компании, т.к. какие слова / выражения чаще присутствуют в позитивных / негативных отзывах о компании.
В качестве визуализации такого анализа
На картинке показаны слова, которые чаще присутствуют в позитивных, а не негативных отзывах о компании. Высота слова обозначает вес - коэффициент вхождения, т.е. это слово сильнее связано с позитивным отзывом о компании. На этой картинке показаны единичные слова, но можно представить словосочетания, тогда слова "возможности" и "обучения" превратятся в словосочетание "возможности обучения". И такую же картинку можно сделать для негативных отзывов о компании.
Также мы можем выделить темы отывов - типы отзывов о компании или кластеры, можем понять, какие темы / типы отзывов о компании чаще присутствуют в негативных и позитивных отзывах, какие какие темы / типы отзывов о компании чаще присутствуют в отзывах различных профессиональных группах (по позициям), по уровню менеджмента (уровни руководства, позиций) и т.п..
Мы показали анализ отзывов о компании на внешних ресурсах, но эту технику можно применять внутри компании при анализе обратной связи
- при оценке 360 градусов,
- при исследовании вовлеченности и удовлетворенности персонала в компании и т.п...
Понравилась идея анализа отзывов о компании? поучаствуйте в исследовании текучести персонала (даже если вы участвовали там ранее) и оставьте там свой отзыв о компании.
Захотели применить такой анализ в собственной компании? обращайтесь edvb@yandex.ru
Для профи: анализ провожу в Python, алгоритмы опорных векторов и наивного Байеса, с использованием стемминга, лемматизации
Комментариев нет:
Отправить комментарий