.

Сделать репост в соц сети!

вторник, 20 декабря 2016 г.

Как аналитика может помочь в оценке эффективности мастер-класса?


Все расчеты и визуализация сделаны в R.

Идея эксперимента состояла в том, чтобы проверить насколько эффективным является мастер-класс по развитию навыка Скорочтение.

Данный мастер-класс выбран по той простой причине, что мы можем очень легко получить точные замеры по скорости чтения «до» мастер-класса и «после» его прохождения.

Коротко обо всех этапа эксперимента

Мастер-класс по развитию навыка Скорочтение длится 2 часа. За это время участники знакомятся с основными идеями скорочтения, а также выполняют два упражнения. Одно упражнение на развитие скорости чтения. Второе ─ на развитие навыка понимания прочитанного.

Очень важно, что в самом начале мастер-класса делается замер скорости чтения (т.е. слов в минуту) каждого участника.

После этого участникам выдается форма Отчет о прогрессе, с которой им предстоит работать следующий месяц.



Идеальная ситуация, когда упражнения выполняются 6 дней в неделю. Для этого необходимо ровно 30 минут в день. Итого: 6 х 4 = 24 занятия за месяц.
После месяца работы над развитием навыка Скорочтение, участники заполнили новые анкеты, где они отметили, сколько дней занимались, а также сделан замер скорости чтения после месяца занятий.

Итак, что мы можем посмотреть для начала?

Давайте визуализируем наши данные, которые мы собрали из анкет «до» мастер-класса.

Пол

Боксплот, который показывает переменную скорость чтения, в зависимости от пола (женщина/мужчина).


Тот же показатель, только на диаграмме плотности. Мы видим кривую по женщинам и мужчинам.



Давайте проверим нашу первую гипотезу, например, о том, что женщины читают быстрее, чем мужчины.

Расчет t-критерия Стьюдента показала следующие результаты:

t = 0.55124 и p-value = 0.2919.

Т.е. мы не можем отклонить нулевую гипотезу, а соответственно статистически значимой разницы между скоростью чтения женщин и мужчин нет.

Взаимосвязи

В анкетах, которые участники заполняли «до» мастер-класса, есть информация о количестве прочитанных книг за этот год (за 10 месяцев этого года). Эта информация может нам помочь ответить на вопрос: Читает ли больше книг, тот, кто читает быстрее? Давайте для начала построим диаграмму рассеивания, где по Х – будет отражена скорость чтения (слов в минуту), а по Y – количество прочитанных книг за этот год. А также добавим линию тренда.



Мы видим положительную взаимосвязь. Т.е. при увеличении скорости чтения, увеличивается количество прочитанных книг.

Давайте теперь рассчитаем коэффициент корреляции.

Пирсон: t = 2.7073, p-value = 0.009157, cor = 0.3514813

Спирмен: S = 16326, p-value = 0.004868, rho = 0.3776915

Т.е. мы можем сделать вывод о наличии небольшой положительной корреляции на уровне 0,35-0,38. Данный показатель корреляции статистически значим (p-value < 0), что показали различные тестs (Пирсон, Спирмен).

Теперь давайте построим простую регрессионную модель с одним предиктором. Где количество прочитанных книг это зависимая переменная, а скорость чтения будет предиктором.



На рисунке мы можем видеть формулу, которая описывает нашу модель. Из нашей модели видно, что скорость чтения, слабенький предиктор (R2 = 0.124) для количества прочитанных книг. Для улучшения модели можно было бы добавить и другие предикторы, но это уже выходит за рамки данного эксперимента.

Данные «после» мастер-класса

Прошел месяц, и участники заполнили анкету о том, как они занимались весь месяц, а также сделали замер своей скорости чтения за 1 (одну) минуту.

Теперь мы можем ответить на главный вопрос данного исследования: Изменилась ли скорость чтения наших участников мастер-класса после его прохождения?

Для такого сравнения мы будем использовать парный t-тест. Важно отметить, что в данном расчете участвуют данные только по тем участникам, которые занимались по методике хотя бы 6 дней.

Критерий Стьюдента: t = -3.3827, p-value = 0.009603

Критерий Вилкоксона: Z = -3.4776, p-value = 0.0005059

Т.е. мы можем сделать вывод о том, что замеры скорости чтения у одних и тех же участников, «до» мастер-класса и «после» обучения по методике, значимо отличаются. Данный вывод хорошо виден и на графике боксплот.
Другими словами, мы можем сделать вывод о том, что мастер-класс действительно помогает увеличить скорость чтения его участников.
Posted by on 5 комментариев:

воскресенье, 18 декабря 2016 г.

Статьи по hr-аналитике на английском 10


Десятый выпуск дайджеста статей по HR-аналитике на английском. Последний выпуск Статьи по hr-аналитике на английском 9 (через эту статью вы сможете найти все выпуски дайджестов) был 13 декабря.

  • Не успел я в прошлом выпуске дать первую часть поста Давида Грина, как он в тот же день опубликовал вторую часть. Поэтому даю обе части: 20 (more) People Analytics Case Studies - Part I и 20 People Analytics Case Studies - Part II. Также напоминаю, что я Давиду Грину (его постам) посвятил отдельный пост David Green. Существует ли HR аналитика. Кстати говоря, все кейсы Давида Грина выпустили отдельной книгой за 75 баксов, вы имеете возможность прочитать их бесплатно. Вы мне должны: кликайте директ рекламу в блоге. 
  • Но вообще этот дайджест надо было начать со статьи How Artificial Intelligence Will Redefine Management - может быть не самая лучшая статья по теме, но одна из первых по теме Artificial Intelligence и Искусственного Интеллекта в менеджменте. А Artificial Intelligence это уже больше, чем Большие данные, больше, чем Машинное обучение. И тема эта сейчас - главный тренд в HR аналитике. Следим.
  • 21 Employee Performance Metrics - многие знают мою не любовь к метрикам, но в данном случае речь не про метрики в обычном hr понимании, это 21 способ измерения эффективности работников. В качестве словаря. 
  • Popular Data Science Books Every Data Scientist Must Read - это статья для тех 1) кто изучает аналитику и 2) кто изучает аналитику в R/Rstudio. Для меня книга про Введение в Статистику Тревора Хати с командой уже просто теплая и приятная ностальгия. 
  • SAS, R, or Python Survey 2016: Which Tool Do Analytics Pros Prefer? - а это про то, какие инструменты аналитики наиболее популярны)
  • How the State of Indiana uses R and Azure to forecast employment - ценная статья с т.з. методологии прогноза. Используют временные ряды и не только. И еще: представьте себе, как Красноярский край использует R для прогноза рабочей силы в крае? 

 Все на сегодня.

Понравился пост?

и Вы захотите выразить мне благодарность за интересные результаты, просто покликайте на директ рекламу ниже на странице - у вас это отнимет несколько секунд, а мне принесет немного денег.
Posted by on Комментариев нет:

Распределение HR по отраслям в зависимости от пола

Не секрет, что поле деятельности в HR-сфере традиционно преимущественно за представительницами прекрасной половины человечества, тем не менее задался вопросом о том существует ли какая-либо закономерность в выборе HR-ами отрасли в зависимости от пола?
  
На основе датасета Эдуарда Бабушкина получаем следующие данные:

1. Для того чтобы увеличить размерность произведена группировку близких отраслей:
-Образование и культура = ВУЗ + культура и искусство + наука и образование;
- Бюджетная и некоммерческая сфера = здравоохранение, физическая культура и социальное обеспечение + государственные органы управления + некоммерческие организации;
- Производство = промышленность, энергетика, добыча сырья, сельское и лесное хозяйство;
- Сервис и торговля = оптовая торговля + розничная торговля + отели и туризм + недвижимость + общественное питание.

2. Вычисление критерия Хи2:
Число значений меньше 5 = 4%
Хи2= 0,000462782 – различия статистически достоверны.

3. Интерпретация результата:
Пол является статистически значимым фактором для выбора HR-ом сферы деятельности предприятия. Так, к примеру, большая доля мужчин HR-ов занята в банковском секторе и производственных компаниях. В то время, как большая доля HR-ов женщин в ИТ, консалтинге, сервисных и торговых компаниях. Но это конечно всё со сноской на явное количественное преимущество женщин в HR-сфере по отношению к мужчинам.


Posted by on 12 комментариев:

суббота, 17 декабря 2016 г.

Семейный статус мужчин и женщин в разрезе возраста и зарплаты

В одном из прошлых постов Загадочная женская душа в HR-исследовании я установил, что женщины значимо чаще в сравнении с мужчинами указывают свой семейный статус как "Гражданский брак". В качестве гипотез, объясняюущих разницу, я выдвинул следующее:

  • Дамы более серьезно относятся к отношениям и указывают "гражданский брак" там, где для мужчины это способ прикорма;
  • Либо дамы просто стесняются указывать свой свободный статус в исследовании.

Сегодня я сделал несколько картинок, проливающих свет на ситуацию с семейным статусом мужчин и женщин. Обратите внимание, я не называю пост анализом, это просто несколько картинок / диаграмм.

Возраст

Во-первых, меня заинтересовало, в каком возрасте проходит водораздел семейных статусов. Но здесь я сразу оговорюсь, что у меня нет даты вступления в брак, у меня есть семейный статус на момент трудоустройства, поэтому на самом деле семейный статус "Женат" будет левее. И очень важно, что мужчины - респонденты опроса - более зрелые, более возрастные (красным - про мужчин)
Семейный статус мужчин и женщин в разрезе возраста и зарплаты

Мужчины

Семейный статус мужчин и женщин в разрезе возраста и зарплаты


  • Медиана для женатых - 38 лет,
  • Для гражданского брака - 32,
  • Холостые - 29.

Женщины

Семейный статус мужчин и женщин в разрезе возраста и зарплаты

  • Медиана для замужних - 36 лет,
  • Для гражданского брака - 32,
  • Холостые - 29.

О как! таким образом, женщины отличаются от мужчин только тем, что семейный статус замужней на два года моложе статуса женатого у мужчин. Но поскольку у нас мужчины изначально более зрелые в исследовании, а мы фиксируем не дату свадьбы, а дату трудоустройства и семейный статус на момент трудоустройства, то различия вполне себе могут объясняться этим фактом.
Но в любом случае наша гипотеза про то, что гражданский брак - промежуточная стадия между свободным семейным статусом и штампом в паспорте пока не отклоняется (но и не доказана еще).

Зарплата

Я взял только российских мужчин и женщин.

Мужчины

Семейный статус мужчин и женщин в разрезе возраста и зарплаты
Зарплата в тысячах рублей

  • Медиана женатых - 75,
  • Гражданский брак - 42. 5,
  • Холостые - 40.

Женщины

Семейный статус мужчин и женщин в разрезе возраста и зарплаты
Медиана замужних - 40 тысяч рублей,
Гражданский брак - 35,
Холостые - 30.
Нельзя не заметить тот факт, что разрыв зарплате женатых и прочих мужчин значительно больше, чем для тех же категорий у дам. Но очевидно же, что исходя из данной диаграммы, мы не можем утверждать, что более богатые чаще женятся, по той простой причине, что женятся в более зрелом возрасте, а зарплата в более зрелом возрасте выше. чем у молодых.

2 - D графики

И еще графики

Мужчины

Семейный статус мужчин и женщин в разрезе возраста и зарплаты

  • По оси X - зарплата,
  • Ось Y - возраст,
  • Цвет точек - семейный статус.

Чем мне нравится эта диаграмма? Посмотрите на мужчин в возрасте 30-35 лет (а также 20-25 и 35-40). Заметна тенденция того, что семейный статус для мужчин - экономическая категория.

Женщины

Семейный статус мужчин и женщин в разрезе возраста и зарплаты
Посмотрите на милых дам в возрасте 30-35. Согласитесь, что определить здесь семейный статус с помощью зарплаты значительно сложнее.
Итого
Меня эти картинки наводят на мысль, что мужчины может быть и не такие сво, а женятся в тот момент, когда способны прокормить семью, а гражданский брак это переходная стадия от холостяцтва до штампа не только по возрасту, но и по доходу. У женщин все сложнее, женщина указывает гражданский брак далеко не всегда в связи с заработками.
И я, безусловно, буду рад вашим соображениям по поводу картинок.

Дамы! (и не только) Понравился пост?

и Вы захотите выразить мне благодарность за интересные результаты, просто покликайте на директ рекламу ниже на странице - у вас это отнимет несколько секунд, а мне принесет немного денег.
И участвуйте в исследовании!
Posted by on Комментариев нет:

среда, 14 декабря 2016 г.

Индикатор рынка труда: динамика приема HR в разрезе отраслей

И снова результат нашего исследования, перейдя по ссылке, вы сможете свой голос отдать на благо валидизации результатов.
Индикатор я придумал случайно.
Просматривал результаты исследования и обратил внимание, что в прошлых моих исследованиях значительно чаще принимали HR из IT отрасли, см. например Актуальные направления работы HR вашей организации - 2012-2013. А в нынешнем, ключевом и глобальном исследовании распределение HR по отраслям выглядит так.
Индикатор рынка труда: динамика приема HR в разрезе отраслей
Для тех, кто работает в Python, может пригодиться код, как я поставил лейблы посреди строчки
 for p in ax.patches:
    bl = p.get_xy()
    x = 0.5*p.get_width() + bl[0]
    y = 0.7*p.get_height() + bl[1]
    huy = p.get_width()
    ax.text(x,y, '%1.0f'%(huy),  ha='center')
К диаграмме вы дописываете этот код. Не откажусь от нескольких кликов по директ рекламе в счет выражения благодарностиза код.
HR в IT у нас попади только на четвертое место, выпав даже из призеров. Игорь Бычков мне подсказал идею: может дело в том, что проснулись остальные отрасли. Вот так я вышел на мысль про индикатор рыка труда: динамика приема HR в разрезе отраслей
Индикатор рынка труда: динамика приема HR в разрезе отраслей
Эта диаграмма - - сводная таблица с нормированием по столбцам, т.е. по годам.

  • в 2012 году чуть не каждый второй HR шел работать в промышленность.
  • В 2015 году резко упал набор в банки, что вроде интуитивно понятно.
  • Каждый третий в 2015 году шел в торговлю розничную, вырос спрос в ИТ.

Я исхожу из простой мысли, что HR участвуют в исследовании рандомным образом, без смещения в какую-то из отраслей. В любом случае, канады привлечения к голосованию не предполагают какого то смещения в сторону одной / нескольких отраслей. Можно только предположить, что москвичи участвуют активнее, а в Москве больше банкиров, но вы видите, что банки по 2015 году проседают.
Здесь не хватает других отраслей и 2016 и более ранних годов - участвуйте активнее в опросе, чтобы хватало.
Что нам дает такой индикатор? Это косвенный показатель развития экономики России, если хотите. Санкции против России были введены в 2014 году, но мы не видим роста HR в промышленности, если бы хотели заметить увеличение политики импортозамещения. Увеличение доли HR в IT говорит о росте этой отрасли, и 2015 год доказывает это.
Либо скажите, что моя логика хромает)
В любом случае индикатор будет полезен консалтинговым компаниям, работающим с отраслевыми продуктами. И HR, планирующими свою карьеру.

Понравился пост?

и Вы захотите выразить мне благодарность за интересные результаты, просто покликайте на директ рекламу ниже на странице - у вас это отнимет несколько секунд, а мне принесет немного денег.
Posted by on Комментариев нет:

вторник, 13 декабря 2016 г.

Статьи по hr-аналитике на английском 9

Статьи по hr-аналитике на английском

Девятый выпуск дайджеста статей по HR-аналитике на английском. Последний выпуск Статьи по hr-аналитике на английском 8 (через эту статью вы сможете найти все выпуски дайджестов) был 2 декабря.
Сегодня у нас день индийского кино. Шутка. Представляю статью индийского HR аналитика Raja Sengupta


Все на сегодня.

Понравился пост?

и Вы захотите выразить мне благодарность за интересные результаты, просто покликайте на директ рекламу ниже на странице - у вас это отнимет несколько секунд, а мне принесет немного денег.
Posted by on 4 комментария:

понедельник, 12 декабря 2016 г.

Новая порция книг по анализу данных от издательства ДМК Пресс



Новая порция книг по анализу данных от издательства ДМК Пресс
Сегодня получил новую порцию книг по анализу данных от издателства ДМК Пресс, делюсь (все ссылки даются на Озон, внизу даю контакты издательства и рекомендую его тем, кто занимается анализом данных):


И самое главное: книги можно заказать через само издательство
Издательство «ДМК Пресс»
тел.: (495) 743-22-39
e-mail: dmkpress@gmail.com
internet-магазин: www.дмк.рф
Оптовая торговля: ООО «АЛЬЯНС БУКС»
115487, г. Москва, 2-й Нагатинский пр., д.6А
тел.: (499)725-54-09 e-mail: books@alians-kniga.ru

Posted by on 11 комментариев:
Ярлыки:

среда, 7 декабря 2016 г.

Загадочная женская душа в HR-исследовании

Хотел проверить гипотезу нашего исследования о семейном положении:
подумалось мне, что женщины будут значимо чаще указывать свой семейный статус как замужний в сравнении с мужчинами. И я бы тогда дам поймал на этом: тогда бы у нас половинки не сходились. Но на входе сразу небольшая проблема нарисовалась: мужчины респонденты значимо взрослее респондентов дам.
Загадочная женская душа в HR-исследовании
У мужчин респондентов медиана возраста 35 лет, женщины моложе (видимо, таки много дам рекрутеров). Крускал Уолисс pvalue=7.4742863601181774e-07
Отсюда мы может выйти в несколько направлений: например, посмотреть средний возраст мужчин / женщин, когда у них стоит семейный статус "женат / замужем", тоже для статуса "Не женат / не замужем". Ввести поправочный коэффициент и т.п.. Я посчитал это нудной и долгой дорогой и ограничился вот таким результатом:
Загадочная женская душа в HR-исследовании

  • В колонках - пол
  • В строках - семейный статус. 
  • В ячейках - % по строке.

Т.е. среди всех респондентов с семейным статусом "Гражданский брак" женщин 79 %, а мужчин 21 %.
Всего же в опросе 66 % респондентов женщин, остальные мужчины.
Теперь следите за руками:

  • Среди женатых респондентов 40 % мужчин, больше чем всего по опросу (33 %), и это нормально, поскольку у нас мужчины в опросе более возрастные, мы можем ожидать, что среди них больше женатых
  • Среди холостых мужчин 29 %, и это тоже в общем ожидаемо.
  • Но вот среди тех, кто указал гражданский брак, мужчин 21 %! И это неожидаемо, поскольку мы могли бы ожидать а) % близкий к 40 % (сколько мужчин женатых), либо б) между 29 и 40 % , считая, что гражданский брак это предтеча официального брака, пока молодые созревают подать заявление в ЗАГС.

Но не сходится у нас логика! Дамы значимо чаще мужчин указывают свой статус "гражданский брак". Я вижу два объяснения:

  • Дамы более серьезно относятся к отношениям и указывают "гражданский брак" там, где для мужчины это способ прикорма;
  • Либо дамы просто стесняются указывать свой свободный статус в исследовании.
  • Либо я ничего не понимаю в женщинах, что вполне объяснимо моим свободным статусом. 

* и да, я проверил все пары статусов на Хи квадрат (не просто все вместе, а сравнивал ж/м на: холост / женат, холост / гражданский брак, женат / гражданский брак), т.е. дамы значимо чаще указывают статус "гражданский брак" в сравнении с мужчинами как по сравнению с замужним статусом, так и по сранвнению со свободным.
** готов услышать ваши версии. И участвуйте в исследовании

Дамы! (и не только) Понравился пост?

и Вы захотите выразить мне благодарность за интересные результаты, просто покликайте на директ рекламу ниже на странице - у вас это отнимет несколько секунд, а мне принесет немного денег.
Posted by on Комментариев нет:

понедельник, 5 декабря 2016 г.

Netflix как система подбора персонала и создания команд





Очень важный пост.
Netflix как система подбора персонала и создания команд
Хочу застолбить за собой идею подбора персонала и создания команд новым методом.Я думаю, что внедрение рекомендательных систем изменит многое в HR-аналитике, появятся многие другие примеры реализации рекомендательных систем, а не только в обучении и в том, о чем пишу я ниже.
Ранее все модели подбора персонала (мне известные, конечно, но известно мне достаточно много, и не только в России) опирались на модели регрессии или модели классификации, где в качестве целевой переменной выступали:

  • эффективность сотрудника;
  • стаж работы.

Вот пример такой модели Кейс по прогнозу эффективности работников . Проблемы такого подхода состоят в:
Мы не уверены в объективности целевой переменной. Чаще всего эффективность это KPI, который выставил руководитель подчиненному. И на опыте многие знают, что такая оценка руководителя субъективна.
мы берем в модель почти одни генетические факторы работника (т.е. то, что мы знаем о работнике при приеме: его прошлый опыт, данные тестов, интервью и т.п..), но при этом исследование компании Evolv в части текучести персонала показало бОльшую значимость отношенческих вещей (см. Ключевые факторы удержания и текучести персонала), которые дают 50 % дисперсии текучести персонала. И мы в нашей модели никак не схватываем их.
Некоторое время назад я задумался, как же включить в наши предиктивные модели отношения в команде, отношения с руководителем.
И решение пришло в виде ..... Netflix.
Netflix - для тех, кто не знает, американская компания, поставщик фильмов и сериалов на основе потокового мультимедиа. Основана в 1997 году. Штаб-квартира находится в Лос-Гатос, штат Калифорния. На январь 2016 года у компании свыше 69 миллионов клиентов по всему миру. Популярность среди специалистов по аналитике компания получила после того, как предложила решить кейс по рекомендации фильмов зрителям.
Представьте, что у нас есть с вами такая таблица
Netflix как система подбора персонала и создания команд
Где

  • User - зритель,
  • Item - определенный кинофильм,
  • И в ячейке стоит оценка фильма зрителем.

пустые ячейки означают, что зритель не смотрел данный фильм. Задача простая: как по данной таблице найти те фильмы, которые зритель не оценивал (не смотрел), но были бы ему интересны?
Не буду входить в математику, скажу только, что такие задачи решаются с помощью создания рекомендательной системы. И мы с этим сталкиваемся достаточно часто: на Озоне, в других интернет магазинах.

HR-решение

Думаю, кто-то уже по самой форме таблицы догадался, как можно применить эти системы в HR.
У нас с вами, коллеги, есть инструмент, на 100 % копирующий систему Netflix или любую рекомендательную систему! Я взял данные реальной компании, только поменял ФИО и названия компетенций.
Оцениваемый
Эксперт
Клиенто
ориентированность
Ответственность
Коммуникация
Лидерство
Иванов
Бабушкин
2.0
1.6
2.0
2.0
Петров
Дедушкин
1.8
1.6
2.0
1.4
Сидоров
Внучкин
2.0
1.6
1.6
1.8
Иванова
Дедушкин
2.0
1.6
1.6
1.9
Знакома таблица? Да, это оценка 360 градусов.
Легким движением руки мы эту таблицу превращаем в сводную таблицу (в ячейках я взял среднее по всем оценкам)
Названия строк
Иванов
Иванова
Петров
Сидоров
Бабушкин
1.9



Внучкин



1.75
Дедушкин

1.775
1.708333333


Вуаля! у нас теперь полное совпадение с данными Netflix, с ой лишь разницей, что вместо фильмов наши сотрудники оценивают коллег. Заметьте, Дедушкин оценил двоих. Кстати, в компании клиента такая таблица получилась размером 808 / 776 ячеек, разреженность матрицы - 99, 6 % (такое количество ячеек не заполнено).
В нашем случае задача стоит так: мы должны спрогнозировать, как бы руководитель (или любой другой сотрудник) оценил тех коллег, кого он не оценивал. Т.е. тех, с кем он и не работал вместе, но данный подход позволяет понять, как бы он оценил, если бы работал. И если он их оценил бы высоко, то значит ему работать с данными людьми более комфортно, они вместе смогли бы добиться более высоких результатов, следовательно их можно ставить работать вместе. 
И мы можем построить систему рекомендаций того, кого бы он оценил наиболее высоко. Т.е. представьте, что руководитель оценивает в нашей системе 360 градусов своих сотрудников. Рекомендательная система расставит ему всех сотрудников по степени того, как бы он их оценил сам, если бы работал с ними. 
Netflix как система подбора персонала и создания команд

Ну или можно получить эти данные в виде файла: первая тройка наиболее подходящих данному руководителю сотрудников выглядит так

Табельный номер
ФИО
Степень подходимости
231
Сидоров
0.040296
488
Петров
0.039839
187
Иванов
0.039819

На данной диаграмме показаны все работники по степени того, как бы их оценил руководитель. Те, что справа, получили бы от руководителя высокие оценки, и, скорее всего, работали бы вместе эффективно. Те, что слева, скорее всего, получили бы низкие оценки, и вызывает сомнение мысль ставить их работать вместе с данным руководителем. 
Заметьте, мы ведь можем в нашей оценке 360 оценивать не только конкретных руководителей, а целые команды, подразделения, тогда станет понятно, как людей подбирать в команды. 
И последний вопрос: если к нам пришел новичок, что делать? Мы ведь про него ничего не знаем. Делать мы будем тоже самое, что делают в Netflix, когда выходит новый фильм: его не оценивали еще ни разу, но у нас есть информация о жанре, точнее, жанрах, составе актеров, режиссере и т.п.. И фильмы таких-то жанров, с такими то актерами конкретный зритель уже оценивал, поэтому мы можем предположить, что с теми же актерами, тот же жанр зритель оценит скорее всего также. Тоже самое мы можем сказать про наших вновь входящих в компанию сотрудниках: у них есть резюме, опыт, результаты тестов и т.п., все, что объединяет их по каким-то параметрам с уже оцененными сотрудниками.  .
Ну и я не показываю всех возможностей данного подхода, но кто-то быстро догадается, что нам и оценка 360 градусов не нужна будет для реализации данного подхода.
Или, как вариант, эта система может стать краеугольным камнем системы кадрового резерва..... Думаю, спецы разовьют эту идею....
Интересно реализовать в своей компании? Пишите edvb@yandex.ru

Понравился пост?

и Вы захотите выразить мне благодарность за интересные результаты, просто покликайте на директ рекламу ниже на странице - у вас это отнимет несколько секунд, а мне принесет немного денег.
Posted by on Комментариев нет:

воскресенье, 4 декабря 2016 г.

Заметки с 18 Международной ярмарки интеллектуальной литературы non/fiction

Заметки с 18 Международной ярмарки интеллектуальной литературы non/fiction
Я, конечно же, смог вырваться только в последний день.
Неприятно поражают еще до входа ребята спекулянты, которые предлагают билеты
в очереди по официальной цене. Схема простая: они берут у охраны бейджи тех, кто уже ушел, перепродают, а деньги делят с охраной. В прошлом году такого не было. Не понятна реакция организаторов: деньги идут не им в карман, а спекулянтам.
Чтобы закончить тему негатива, скажу, что в зале очень душно, народу не протолкнуться даже в конце ярмарки. Все все время толкаются, и все время извиняются друг перед другом.
Я практически на входе встретил Шендеровича.
Для меня уже традиция натыкаться на ярмарках на Шендеровича. Как видите, вполне себе довольный и радостный. И Дай бох ему дальше писать и говорить правду.
После сентябрьской выставки Заметки с Московской международной книжной выставки ярмарки non fiction производит более приятное отношение: здесь действительно интеллектуальная литература. Да и просто литература.
Я по причине занятости уже просто боюсь покупать много книг, купил только три, практически все по истории:

  • Сначала просто носом ткнулся в книгу Юлии Эйдельман Век иной и жизнь другая (ссылки даю на Озон, хотя понимаю, что мой выбор навряд ли кого-то заинтересует). Юлия - вдова Натана Эйдельмана. Натан Яковлевич открылся мне через журнал Наука и Жизнь в конце 80-х через работу Революция сверху в России. Потом была Грань веков, другие работы. Эта книга - дань памяти этому человеку. 
  • Потом я купил книгу Спор о варягах Льва Самуиловаича Клейна. Я по глупости своей был уверен, что спор этот давно закончен. Но нет! Политические процессы в России снова вызвали к жизни "ученых" - "ультрапатриотов" (здесь в кавычках и учение, и ультрапатриоты). Но книга будет интересна таки с т.з. истории. И если вы интересуетесь историей славянства, то ищите книги Клейна, Марии Гимбутас, но не вздумайте читать книги Рыбакова! 
  • И наконец Митридатовы войны Леонида Наумова. Успел немного просмотреть - вполне себе читабельна для широкого круга читателей. Думаю, вы в курсе, что Митридад - царь, полководец, который долго противостоял Римской империи. Он нам особенно близок, поскольку его империя базировалась в Северном Причерноморье. 

Это все, от чего я не смог отказаться. Отказался от большего.
Как резюме: спасибо за праздник организаторам. За дух, за атмосферу. Как сказала Людмила Улицкая: нас много. Тех. с кем можно пить чай и пить водку. Пожалуй я бы выпил водки с Улицкой. * Это она на втором фото. 
Posted by on Комментариев нет:

пятница, 2 декабря 2016 г.

Статьи по hr-аналитике на английском 8

Восьмой выпуск дайджеста статей по HR-аналитике на английском. Последний выпуск Статьи по hr-аналитике на английском 7 (через эту статью вы сможете найти все выпуски дайджестов) был 21 октября.
Мониторю рынок статей по hr-аналитике постоянно, но, видимо, я стал совсем нудным: сложно найти действительно интересные материалы. Сегодня нашел, делюсь.
Статьи по hr-аналитике на английском 8


Если у вас есть статьи по hr аналитике, которые не вошли в мой список, но вы считаете, что они важны, полезны и интересны, давайте ссылку в комментах к посту. Спасибо!

Понравился пост?

и Вы захотите выразить мне благодарность за интересные результаты, просто покликайте на директ рекламу ниже на странице - у вас это отнимет несколько секунд, а мне принесет немного денег.

Статьи по hr-аналитике на английском 8

Posted by on Комментариев нет:

четверг, 1 декабря 2016 г.

Материалы вебинара Тренды, мифы и глюки рынка hr-аналитики 2016

Сегодня провел вебинар Тренды, мифы и глюки рынка hr-аналитики 2016 - по ссылке с названия откроется запись вебинара. Ниже презентация


Posted by on Комментариев нет:
Подписаться на: Сообщения (Atom)