По договоренности с одной компании публикую анонимно результаты исследования анализа факторов эффективности команд.
Данные абсолютно реальные, правда, там еще копать и копать. Поэтому я покажу только первый копок лопатой.
Логика простая: у нас есть несколько десятков филиалов (я в посте буду под командой понимать филиал, хотя в строгом смысле слова команда отличается от обособленного подразделения, но мне важно, что у филиала есть ясный финансовый результат, над достижение которого направлены усилия всех работников филиала), по которым известны:
Эта задача по структуре идентична задаче Moneyball: задача Билли Бина сводилась к тому, чтобы вывести команду в финальную стадию игр (результат: 1 - вышел, 0 - не вышел), а уравнение регрессии содержало в себе только одни личные показатели игроков: % занятия баз и количество полных пробежек. Все. Правда, сейчас уравнения бейсбольной логи стали усложняться, некоторые результаты не попадают в рамки личных, результатов. Не могу нарыть статью у себя в блоге, я там цитировал статью, где выходили на понимание "командности" в объяснении результатов бейсбольной лиги.
Мы же пока не дошли до командности, только личные данные.
Итого, задача свелась к выяснению, есть ли различия в данных работников среди эффективных / неэффективных команд / филиалах.
0, 5 означало бы отсутствие различий в эффективных / неэффективных командах, 1 - что мы можем идеально разделить команды на эффективные и неэффективные по личным данным. В нашем случае показатель равен 0, 55. Т.е. пациент скорее мертв, чем жив.
Но с другой стороны, я бы не рекомендовал в этих ситуациях плакать или разочаровываться: на результат работы филиала влияют куча факторов: от маркетинговой стратегии компании, узнаваемости бренда до месторасположения филиала. И например, продавцам продукции Apple не платят % с продаж - ибо а нафик, если весь объем продаж определяется известностью бренда и покупателю совершенно пофик, кто стоит за прилавком, его интересует какой то там по счету прибамбас от яблока.
Мы могли бы сильнее переживать в случае если бы строили модель индивидуального результата, как например здесь Кейс по прогнозу эффективности работников. Было бы странно, если личный результат не был бы связан с личными же данными.
И что такое 100 % различие филиалов на основе личных качеств? Это значит, что все 100 % эффективных филиалов отличаются от работников неэффективных филиалов. Это нереально хотя бы потом, что руководитель филиала связан ТК РФ, который не позволяет увольнять только на основе желания руководителя.
В нашем случае мы определили, что имеющиеся данные работников позволяют отличать эффективные филиалы от неэффективных вот на столько.
И либо мы собрали мало информации, либо на большее мы и рассчитывать не можем.
На этой картинке в строках - филиалы (1 - эффективные, 0 - неэффективные), в колонках новички (1 -имеет стаж до прихода в компанию, 0 - не имеет). И в ячейках - % по строкам, т.е. в эффективных филиалах 29 % - люди с чистой трудовой, а в неэффективных - 18!!
Хи квадрат дает p-value - 0.00770234632843655
Круто? Предвижу: найдутся сейчас офигенные гуру, которые скажут: ну это же очевидно, мол, лучше вырастить под себя, чем брать с устоявшимися привычками и т.п. Ну я тупой, мне это не очевидно.
Запомнили уже, что 1 это эффективные филиалы? Для эффективных филиалов медиана стажа - 48 месяцев, для неэффективных - 72. 4 года и 5, 5 лет.
Крусскал Уолисс pvalue=0.011351051697263165. Ну может не самое крутое различие, но визуально приятное и, главное, наводит на определенные мысли про сменяемость поколений.....
И интеллект не показал значимых различий в коллективах филиалов.
Я задачу поставил с ног на голову: по работнику определял, какой у нас филиал - эффективный или неэффективный. Задача как бе некорректная - это филиал / руководитель выбирает работника, а не работник выбирает филиал. Ну кроме случаев, когда кандидаты идут в намеренно успешные филиалы.
Так вот задачу я сформулировал, исходя из простой в общем мысли, что команду подбирает руководитель, что в основе различия личных качеств работников команд / филиалов лежит стратегия подбора команды: не бояться обновлять команду или опираться на старых пердунов.
Поэтому рекомендации компании по дальнейшим шагам:
Данные абсолютно реальные, правда, там еще копать и копать. Поэтому я покажу только первый копок лопатой.
Логика простая: у нас есть несколько десятков филиалов (я в посте буду под командой понимать филиал, хотя в строгом смысле слова команда отличается от обособленного подразделения, но мне важно, что у филиала есть ясный финансовый результат, над достижение которого направлены усилия всех работников филиала), по которым известны:
- финансовая эффективность (мы их закодировали как 1 и 0 - эффективные /неэффективные);
- данные работников филиалов: пол, возраст, семейное положение, стаж, результаты тестов.
Эта задача по структуре идентична задаче Moneyball: задача Билли Бина сводилась к тому, чтобы вывести команду в финальную стадию игр (результат: 1 - вышел, 0 - не вышел), а уравнение регрессии содержало в себе только одни личные показатели игроков: % занятия баз и количество полных пробежек. Все. Правда, сейчас уравнения бейсбольной логи стали усложняться, некоторые результаты не попадают в рамки личных, результатов. Не могу нарыть статью у себя в блоге, я там цитировал статью, где выходили на понимание "командности" в объяснении результатов бейсбольной лиги.
Мы же пока не дошли до командности, только личные данные.
Итого, задача свелась к выяснению, есть ли различия в данных работников среди эффективных / неэффективных команд / филиалах.
Результат
Модель прогноза оказалась слабой.
Но с другой стороны, я бы не рекомендовал в этих ситуациях плакать или разочаровываться: на результат работы филиала влияют куча факторов: от маркетинговой стратегии компании, узнаваемости бренда до месторасположения филиала. И например, продавцам продукции Apple не платят % с продаж - ибо а нафик, если весь объем продаж определяется известностью бренда и покупателю совершенно пофик, кто стоит за прилавком, его интересует какой то там по счету прибамбас от яблока.
Мы могли бы сильнее переживать в случае если бы строили модель индивидуального результата, как например здесь Кейс по прогнозу эффективности работников. Было бы странно, если личный результат не был бы связан с личными же данными.
И что такое 100 % различие филиалов на основе личных качеств? Это значит, что все 100 % эффективных филиалов отличаются от работников неэффективных филиалов. Это нереально хотя бы потом, что руководитель филиала связан ТК РФ, который не позволяет увольнять только на основе желания руководителя.
В нашем случае мы определили, что имеющиеся данные работников позволяют отличать эффективные филиалы от неэффективных вот на столько.
И либо мы собрали мало информации, либо на большее мы и рассчитывать не можем.
Важность факторов.
А вот это самое интересное.Количество новичков.
У нас были данные о стаже работников до прихода в компанию. Я поделил всех работников, у кого нулевой стаж -0- т.е. работник сразу пришел в компании, или у него был уже рабочий стаж - 1. И посмотрел как соотношение работников с белого листа влияет на эффективность.
Хи квадрат дает p-value - 0.00770234632843655
Круто? Предвижу: найдутся сейчас офигенные гуру, которые скажут: ну это же очевидно, мол, лучше вырастить под себя, чем брать с устоявшимися привычками и т.п. Ну я тупой, мне это не очевидно.
Стаж работы в компании
Ок, мы можем смело брать людей после институтской скамьи. Но давайте посмотрим на стаж работы в самой компании.
Крусскал Уолисс pvalue=0.011351051697263165. Ну может не самое крутое различие, но визуально приятное и, главное, наводит на определенные мысли про сменяемость поколений.....
Личностные качества
Единственная личностная характеристика, которая показала значимые различие в психологическом портрете, относится к коммуникативным характеристикам: уверенность в себе, умение устанавливать контакт, активность в установлении контактов.
Обсуждение результатов
Я не буду проговаривать здесь те выводы, которые напрашиваются. Они очевидны. Вопрос в том, как это применять. И вот здесь я скажу методологическую вещь.Я задачу поставил с ног на голову: по работнику определял, какой у нас филиал - эффективный или неэффективный. Задача как бе некорректная - это филиал / руководитель выбирает работника, а не работник выбирает филиал. Ну кроме случаев, когда кандидаты идут в намеренно успешные филиалы.
Так вот задачу я сформулировал, исходя из простой в общем мысли, что команду подбирает руководитель, что в основе различия личных качеств работников команд / филиалов лежит стратегия подбора команды: не бояться обновлять команду или опираться на старых пердунов.
Поэтому рекомендации компании по дальнейшим шагам:
- смотрим различия по руководителям: как личностные качества, так и то, как эти руководители попали на руководителей - извне или изнутри филиала, какие показатели тестов, какой предыдущий опыт;
- смотрим различия по набору команд. Самое первое действие: сравнить стаж руководителя и стаж команды. Если стаж команды меньше стажа руководителя, значит, он засранец набирает новеньких;
- сметчить показатели руководителя и посмотреть как в связке данные работают - это будет про собственно психологическую совместимость;
- Дать вес разным позициям в команде и посмотреть, как влияют на эффективность разных позиций влияет в связке с руководителем на эффективность, тогда выяснится, что дворников можно и не менять, а аккаунт манагеров надо гнать метлой того же дворника.
- Добавьте свои варианты, что еще посмотреть....
Понравился пост?
Делал я эту работу бесплатно, если Вы захотите выразить мне благодарность за интересный пост, вы можете перевести небольшую сумму мне на Яндекс кошелек (кликните по кнопке Перевести)
или сделать перевод на карту Сбербанка,
Номер карты 676 280 38 921 538 46 57
Или просто покликайте на директ рекламу ниже на странице - у вас это отнимет несколько секунд, а мне принесет немного денег. 
Комментариев нет:
Отправить комментарий