.

Сделать репост в соц сети!

понедельник, 11 марта 2019 г.

Рынок платформ образовательных проектов (LXP)* растет, сейчас он слишком большой, чтобы его игнорировать





Перевод статьи Learning Experience Platform (LXP) Market Grows Up: Now Too Big To Ignore в рамках нашего проекта переводы статей по hr-аналитике на английском. Автор - Josh Bersin - я надеюсь, Вы уже знаете это имя, если нет, достаточно прочитать одну его статью
Джош Берсин. Переворот рынка HR технологий: 10 топ трендов 2018 - статья №2 по популярности в нашем блоге
Перевод сделала Арлашкина Ольга (профили в социальных сетях:  LinkedIn, Facebook, Вконтакте), кандидат социологических наук, HR консультант, разработчик и преподаватель курсов высшего и дополнительного образования для специалистов по управлению персоналом. Автор более 20 публикаций (статьи, учебные пособия) по менеджменту, социологии, управлению человеческими ресурсами. В HR-профессии с 2001 года. Это пятый перевод Ольги в нашем блоге. См. также

  1. Вовлеченность персонала 3.0: Humu запускает Nudge Engine («инструмент подталкивания»)
  2. Джош Берзин переосмысливает лидерство
  3. Использование анализа текстов сотрудников для достижения бизнес-результатов
  4. Стоит ли внедрять ПО с искусственным интеллектом в системы оплаты труда?


Итак,

Рынок платформ образовательных проектов (LXP)* растет,  сейчас он слишком большой, чтобы его игнорировать

Джош Берзин
Опубликовано 8 марта 2019 года, обновлено 9 марта 2019 года.

* Learning Experience Platforms (LXP) – на англ. дословно «платформы опыта обучения». Однако, исходя из  контекста более правильно перевести Learning Experience как «образовательный проект» с учетом тех задач, которые решают подобные платформы. Прим. переводчика.

Рынок платформ образовательных проектов (LXP) быстро растет. Всего несколько лет назад такие стартапы, как Pathgather, Degreed и EdCast, впервые предложили идею платформы для облегчения поиска корпоративного учебного контента. В следующем поколении эти порталы «взлетели», и теперь тысячи компаний хотят разместить свою систему управления обучением (LMS) в их базе.

С тех пор рынок LMS пережил взрывной рост (его стоимость свыше 300 миллионов долларов, а прирост - 50% в год), и теперь он показывает признаки старения: продавцов становятся все больше, образовательные продукты становятся сложными, игроки движутся в разных направлениях.

Заменит ли рынок LXP рынок LMS стоимостью 4 миллиарда долларов? На мой взгляд, это уже начинает происходить, вот почему каждый владелец системы управления обучением (LMS) вошел в это пространство.

Почему у нас появились платформы образовательных проектов?


Первой проблемой, которую решили эти продукты, было то, что я назвал бы «обнаружением».
«Я хочу чему-то научиться или пройти курс, и просто не могу найти его в каталоге курсов (LMS)».

Системы LMS никогда не проектировались с ориентацией на работников. Они были разработаны как системы «управления» для обучения, нацелены на бизнес-правила, соответствие нормативным актам и управление каталогами курсов.
LXP-платформа, которая больше похожа на YouTube или Netflix, представляет собой настоящую систему доставки контента, которая позволяет легко находить и потреблять современный контент.
Рынок платформ образовательных проектов (LXP)* растет,  сейчас он слишком большой, чтобы его игнорировать


Рис. 1. Как выглядит современная LXP

Обе системы – и LXP, и LMS - необходимы, но со временем разница между ними стирается. Чтобы было проще понять, рассмотрим картинку ниже.

Рынок платформ образовательных проектов (LXP)* растет,  сейчас он слишком большой, чтобы его игнорировать


Рис. 2. LMS против LXP

В первые дни LXP зеленый слой (см. рисунок, прим. переводчика) был очень тонким. Все эти продукты служили порталами агрегации.

По мере того, как росла категория продуктов, они стали более функциональными. Не только потому, что LXP нужны интеллектуальные методы для рекомендации контента (обсуждаемые ниже), но они также могут использоваться для рекомендации сторонних статей, поиска людей, являющихся экспертами, и, потенциально, для индексации документов, видео и других цифровых ресурсов. В некотором смысле, они представляют собой системы управления контентом, управления знаниями и обучением - все в одном - поэтому рынок растет так быстро.

Проблема обнаружения сложна


Основная проблема, связанная с обнаружением, очень сложна. (Именно это сделало Google многомиллиардной компанией.) Внутри бизнеса можно найти тысячи курсов, и по мере того, как вы создаете больше контента (используя такие инструменты, как 360Learning), библиотека значительно расширяется. И LXP переходит в Интернет, где каждое видео, статья, подкаст и веб-страница – возможные пути обучения.

По словам основателя EdCast, настоящая миссия LXP - «индексировать мир обучения», чтобы было легко найти именно то, что вам нужно. (звучит как «Google от обучения») Гораздо сложнее сделать, чем сказать.

Я пообщался со многими из первых пользователей платформ LXP: сначала эти системы им нравятся… но по мере наполнения контентом проблема «интеллектуального обнаружения» становится все труднее. Но тут рынок идет дальше.

Как будет развиваться Content Discovery («обнаружение контента»)?


Позволю себе предположить, что этот рынок движется в шести направлениях одновременно.
Рынок платформ образовательных проектов (LXP)* растет,  сейчас он слишком большой, чтобы его игнорировать


Рис. 3. Как продукты LXP рекомендуют контент


1. Обучение на основе навыков.


Такие платформы, как Degreed, LinkedIn, EdCast, Percipio и IBM, начали добавлять в свои системы инструменты обнаружения, основанные на навыках. Хотя все системы LXP имеют теги, основанные на навыках, указанные платформы начинают выстраивать оценку навыков, делать на ее основе выводы и предлагать соответствующие пути обучения. Компании всегда хотели иметь подход к обучению, основанный на навыках. Это намного сложнее, чем кажется.

Например, IBM Watson Talent Frameworks, одна из самых надежных рамочных структур навыков в мире, имеет более 3000 профилей вакансий и 2000 интегрированных навыков. У LXP-платформы, которая пытается сопоставить все эти навыки с контентом обучения, много работы. Degreed уже запустил свой собственный механизм внутренней оценки навыков, и я надеюсь, что и другие тоже это сделают.

Pluralsight, один из ведущих провайдеров программ обучения техническим навыкам в сфере программирования и ПО, имеет собственный учебный портал и создал инновационный механизм оценки навыков под названием Skill IQ. Это предложение было создано благодаря приобретению Smarterer, которая была очень инновационной системой краудсорсинговой оценки, основанной на навыках других пользователей. И пока Pluralsight отсутствует на рынке LXP, кто-то может спросить: «Как LXP может использовать данные о навыках от поставщика контента?»

2. Рекомендации, основанные на пользовательском опыте.


Такие поставщики, как EdCast, SkillSoft, Cornerstone, LinkedIn и Fuse собирают огромные объемы данных, чтобы рекомендовать обучение на основе пользовательского опыта. И хотя это звучит как хорошая идея (это идея Google PageRank или Facebook EdgeRank), это может создать проблемы. Когда одна программа широко используется, она широко рекомендуется и начинает вытеснять другой контент, который может иметь бòльшую ценность и обоснованность. А что, если я нахожусь в парижском офисе продаж, я должен при этом увидеть самый популярный контент в Китае?

Со временем создатели LXP-платформ будут создавать более умные алгоритмы рекомендаций, но я слышал истории о покупателях, которые приобрели LXP и обнаружили, что он рекомендует некорректный для них контент в общедоступном Интернете, потому что у него высокий уровень трафика. Я не утверждаю, что данный подход нехорош, просто требуется много исследований, чтобы он хорошо работал.

Когда EdCast начал работать с NASSCOM (некоммерческая организация, Национальная ассоциация компаний-разработчиков программного обеспечения и услуг, которая является торговой ассоциацией индийской индустрии информационных технологий и аутсорсинга бизнес-процессов, прим. переводчика) и другими крупными институтами, его целью было создание более быстрых и лучших рекомендаций по машинному обучению. Теперь они делают это для каждого клиента, как и Degreed, Valamis и CrossKnowledge. Новые OEM*-отношения Degreed с Harvard Publishing должны помочь им лучше понять паттерны использования обучающего контента Гарварда (*OEM, Original Equipment Manufacturer, англ., производитель комплексного оборудования, изготавливает компоненты, используемые в изделиях другой компании. OEM-компонентом может быть деталь, подсистема или программное обеспечение, прим. переводчика.). Wiley, владелец CrossKnowledge и одно из крупнейших книжных издательств в мире, начинают проект «озера данных», чтобы лучше рекомендовать учебный контент.

Но здесь нужно учесть некоторые важные тонкости. Fuse позволяет командам разделить себя на сообщества, поэтому система может порекомендовать наиболее популярный контент в этой группе. Их клиенты обнаружили, что это гораздо более актуально, чем любой тип отслеживания пользовательского опыта в масштабах предприятия (иными словами, если я работаю в определенном отеле, я могу захотеть увидеть контент, наиболее полезный для моих коллег, а не обязательно для всей глобальной сети отелей).

3. Анализ контента на основе искусственного интеллекта (ИИ).


Третий подход к обнаружению гораздо более инновационный и мощный. Эти платформы (лидером здесь является компания Volley.com, за которой следуют Valamis, IBM и Docebo) по факту усваивают учебный контент (текст, видео, аудио) и затем определяют для него инструкции.

Другими словами, они изучают контент и определяют, «чему он пытается научить людей?»

Так, Volley.com широко используется на Уолл-стрит, и система компании может сканировать документы CyberSecurity и «создавать» тренинг, микрообучение и оценку по процедурам безопасности для банка. Этот подход обладает огромным потенциалом, поскольку эти системы определяют «уровень знаний» и «достоверность» контента посредством педагогического анализа.

IBM и их новая учебная платформа Valamis также делают это. Так, Valamis, который используется в компании Boeing, может быстро перейти к видео-сегменту и точно показать вам, что именно нужно смотреть, исходя из ваших потребностей в получении конкретных инструкций. Область контент-анализа обещает стать огромной.

4. Общайся с учеником и понимай его.


Четвертый способ рекомендовать контент - это задавать вопросы ученику.

В лучшем из всех миров платформа обучения должна знать вашу роль, ваш опыт в этой роли, какой контент вы потребляли, ваши предпочтения в обучении и, конечно же, какие у вас цели и стремления.

Большинство продуктов LXP позволяют пользователю определять свои интересы при входе в систему. Но этого недостаточно. Системе нужно знать вашу должность, стремления, уровень знаний и даже ваш «способ обучения». К примеру, мне нравится много читать, поэтому я хочу больше книг; другие предпочитают подкасты или видео.

У LinkedIn Learning большой потенциал в этой области, но такие компании, как Filtered, Degreed и Valamis, тоже работают над этим. Например, Degreed работал с такими клиентами, как Bank of America, чтобы сопоставить специфику рабочих ролей с рекомендациями по обучению. Платформа IBM YourLearning делает это с помощью IBM Watson Talent Frameworks. Продукт Filtered Magpie задает вам много вопросов, когда вы начинаете учиться, чтобы убедиться, что программа знает вашу роль, интересы, потребности в обучении и профиль навыков.
Рынок платформ образовательных проектов (LXP)* растет,  сейчас он слишком большой, чтобы его игнорировать



Рис. 4. Рекомендации Magpie от Filtered.

5. Раскройте бизнес-правила в обучении.


Четвертый подход к «обнаруживанию» - скучная, хорошо известная, но крайне необходимая модель «бизнес-правил для обучения». В каждой LMS есть много такого.

Каждый квартал мы набираем людей на тренинг по сексуальным домогательствам; продавцы должны закончить новый тренинг по продажам к концу квартала; инженеры фармацевтической компании должны пройти переаттестацию на оборудование; и так далее.

Все эти бизнес-правила, которые мы до сих пор оставляли в LMS, проникают в LXP. А почему бы нет? Если мы собираемся поместить сотни единиц контента в LXP-платформу, почему мы не можем заставить её формализовать, рекомендовать, отслеживать и управлять учебным расписанием и программами? Это тяжелый груз для игроков LXP, но кто бы ни сказал, что быть компанией с обучающей платформой легко?

(P.S. Диалоговый интерфейс - это новый способ управления обучением, посмотрите на цифрового помощника по обучению Valamis.)

Рынок платформ образовательных проектов (LXP)* растет,  сейчас он слишком большой, чтобы его игнорировать

Рис. 5. Цифровой помощник по обучению Valamis

6. Храните и управляйте данными и аналитикой.


Шестое новое измерение рынка LXP - данные. Где будут храниться все данные о пользовательском опыте, истории, отслеживании, оценке и соответствии? Сейчас большинство компаний ставят свои LXP перед своими LMS. И это только вопрос времени, когда компании начнут говорить: «Почему у нас две платформы?». Разве этот LXP не может хранить данные в нашей LMS? Или мы можем просто купить одну систему?

В настоящее время системы LXP не хранят много данных по истории обучения, но они много собирают. Вы как покупатель должны решить, где вы разместите всю эту информацию и как машинное обучение может всё это использовать наилучшим образом.

Что происходит с бизнес-правилами обучения?


На рынке все еще открытым является важный вопрос: как  развиваются бизнес-правила?

Вот несколько бизнес-правил для обучения:
  • Соответствие законодательству: некоторый учебный контент является обязательным, поэтому мы должны отслеживать завершение обучения и управлять соответствием законодательным требованиям. При изменении содержания обучения нам может понадобиться переаттестация работников.
  • Карьерные программы: тренинги по адаптации, введению в должность, развитию карьеры – это определенные учебные треки, у которых могут быть предварительные условия, ветвление и тесты в конце.
  • Обучение клиентов: клиенты могут платить за определенные курсы; они могут видеть только контент, имеющий внешнюю лицензию; нам нужна электронная коммерция, кредиты на обучение и скидки.
  • Поддержка эффективности исполнения: иногда сотрудники просто хотят найти ответ на вопрос, им нужен поиск определенного контента.
  • Планы развития: после performance review сотрудник формирует собственный план развития, где он должен храниться?
  • Утверждение курса руководством: должны ли руководители утверждать этот курс и знать, что кто-то его закончил?
  • Ситуативное обучение: иногда сотрудники не знают, что им нужно изучать: они просто хотят, чтобы система подтолкнула их к чтению или изучению чего-то важного или касающегося их текущей работы.
  • Существует целый новый мир «обучения в процессе работы». Как мне получить учебный контент и сделать его релевантным для меня в процессе работы?
Можно утверждать, что большая часть этих функций находится в LMS, поэтому пусть она там и остается. Но я думаю, что это изменится. Большая часть этого фнукционала со временем перейдет в основную HR-систему (это, безусловно, стратегия Workday (облачная ERP система, прим. переводчика), делая LXP-платформы все более и более важными в системной архитектуре.

Перейдет ли ли LXP-платформа в LMS?


Поставщики платформ LMS заставят вас поверить, что LXP - это простая и легкая для построения система. Такие компании, как Cornerstone, хотят избавиться от LXP.

Я верю в обратное. LXP - это платформа для обучения в будущем, и уровень инвестиций в эту платформу растет в геометрической прогрессии. Продавцы с устаревшими системами LMS пытаются наверстать упущенное, но понимают, что это сложнее, чем они думали.

И сейчас этот рынок слишком велик, чтобы его игнорировать. Большинство поставщиков LMS создают подобные LXP функциональные возможности, включая такие компании, как LinkedIn, SkillSoft, Saba и даже Microsoft.

Давным-давно, когда я работал в IBM, я узнал кое-что важное от одного из самых высокопоставленных руководителей исследовательского сектора. Трудно заставить старое программное обеспечение делать новые трюки.

Software is hard, but hardware is soft.  Программное обеспечение является сложным, в отличие от аппаратного.

Иными словами, производителям устаревших LMS нелегко превратить свои старые системы в новые платформы. В большинстве случаев они должны начинать все сначала (именно это Skillsoft сделал с Percipio), и я думаю, что приобретения начнутся в этом году. (Включая продавцов LXP, покупающих разработчиков LMS.)

Экономика действительно имеет значение


И последнее, на чем мне хотелось бы остановиться, - на экономике этого рынка.

Поскольку пространство LXP растет по своим масштабам и по стоимости, департаменты обучения должны решить, куда они хотят потратить свои деньги. Один из наших клиентов, начавший использовать LXP, планирует заменить его плановым решением от своего нового продавца LMS. Зачем? Они просто не хотят платить за две системы.

С другой стороны, существует большой спрос на сокращение расходов на LMS. Я знаю две глобальные организации, которые планируют «отключить» свою LMS в ближайшие несколько лет.

Рынок динамичен, интересен и полон инноваций. Если вы выбираете LXP или вам нужна помощь, чтобы больше узнать об этом, просто дайте мне знать. Я здесь, чтобы помочь.


__________________________________________________________

На этом все, читайте нас в фейсбуке, телеграмме и вконтакте

Как меняется отношение к работодателю с течением времени у уволившихся работников





У меня была гипотеза, что чем больше проходит времени с момент увольнения, тем меньше негатива, а больше позитива остается по отношению к компании.
Сегодня я понял, как эту гипотезу можно проверить через наш опрос Ключевые факторы эффективности и текучести персонала (поучаствуйте, очень прошу).
У нас в опросе есть Дата увольнения, есть Отметка времени - дата заполнения опроса. Так мы можем высчитать время между увольнением и заполнением опроса. Отношение к компании мы измеряем с помощью вопроса "Готовы ли Вы рекомендовать эту компанию в качестве работодателя своим знакомым, коллегам?":

  • Да 259 
  • Не знаю  213   
  • Нет 323

Напротив варианта я сращу поставил количество респондентов, выбравших тот или иной вариант.
Логика анализа такова: если моя гипотеза верна, то время между увольнением и заполнением опроса для тех, кто готов рекомендовать компанию должно быть значимо больше, чем для тех, кто не готов рекомендовать.
Давайте проверим.
Кстати, участники телеграм канала HR-аналитики не разделяют мою гипотезу: я провел опрос, и выяснилось, что 50 % респондентов считают, отношение к работодателю у уволенных с течением времени не меняется.

Результаты

Как меняется отношение к работодателю с течением времени у уволившихся работников


Здесь

  1. по оси Y - время между увольнением и заполнением анкеты;
  2. ось X - варианты ответа на вопрос "Готовы ли Вы рекомендовать компанию...."

Описательные статистики

$Да
   Min.    1st Qu.    Median    Mean    3rd Qu.    Max.
 0.0000    0.1274    0.4548    1.1292  1.1315   11.6658

$`Не знаю`
   Min.      1st Qu.  Median    Mean      3rd Qu.    Max.
  0.0000  0.1370     0.3863     0.9600  1.1068      9.7260

$Нет
   Min.     1st Qu.  Median    Mean      3rd Qu.    Max.
 0.0000    0.1493   0.3808     0.8922     0.9507   13.1288

Обратили внимание, что у нас респонденты через 13 лет после увольнения заполняли опрос?). А в среднем уволившиеся заполняют опрос спустя 150 дней после увольнения.
И медиана времени для варианта ДА почти полгода, для вариант НЕТ - 0, 38.
А счастье было так близко)
Но Крускал Уолесс говорит нам
Kruskal-Wallis rank sum test

data:  q$Timediff/365 by q$brend
Kruskal-Wallis chi-squared = 0.35827, df = 2, p-value = 0.836

Вывод:

Без вариантов. На основе наших данных мы не нашли подтверждения гипотезы о том, что отношение к компании у уволенных сотрудников с течением времени улучшается.

 __________________________________________________________
 На этом все, читайте нас в фейсбуке, телеграмме и вконтакте


воскресенье, 10 марта 2019 г.

Гарри Поттер и Rstudio. Возможности языка R для различных целей





Язык программирования R используется для статистической обработки данных и работы с графикой. С его помощью можно сделать серьезные расчеты и несерьезные, например, те, что Вы увидите в данном посте. Для ясности, эту работу делал новичок в R с целью выработки навыков работы с программой, поэтому, если у Вас есть дополнения или критика, пожалуйста, напишите в комментариях.

Так как я поклонница вселенной Гарри Поттера, мне пришла в голову мысль поработать с какими-нибудь данными, связанными с фильмами о «Мальчике, который выжил».
Хотите узнать насколько кассовые сборы фильмов о Гарри Поттере больше, чем бюджет, затраченный на их съемки? Также я поставила перед собой цель проверить гипотезу о том, что, чем больше бюджет фильма, тем выше кассовые сборы от него.
Загрузим с Википедии таблицу с данными:
library(rvest)
page <- "https://ru.wikipedia.org/wiki/%D0%93%D0%B0%D1%80%D1%80%D0%B8_%D0%9F%D0%BE%D1%82%D1%82%D0%B5%D1%80_(%D1%81%D0%B5%D1%80%D0%B8%D1%8F_%D1%84%D0%B8%D0%BB%D1%8C%D0%BC%D0%BE%D0%B2)"
kino <- html_table(html_nodes(read_html(page), "table") [[3]], header = TRUE, fill = TRUE, dec=".")
Загруженный датасет, которому я присвоила имя «kino», имеет вид:

Вы наверняка заметили, что таблица загрузилась не в том виде, в котором она представлена на странице Википедии. Выполним небольшие преобразования (удалим ненужные столбцы и строки, дадим новые имена столбцам и др.):
kino <- kino[-c(1,10:12),-7]
kino= `colnames<-`(kino, c('Фильм',"Сборы в США", "Сборы в других странах", "Всего сборы","Бюджет","Год"))
row.names(kino)=c(1:nrow(kino))
kino$`Сборы в США` <- as.numeric(gsub("\\D", "", kino[,2]))/1000000
kino$`Сборы в других странах` <- as.numeric(gsub("\\D", "", kino[,3]))/1000000
kino$`Всего сборы` <- as.numeric(gsub("\\D", "", kino[,4]))/1000000
kino$Бюджет <- as.numeric(gsub("\\D", "", kino[,5]))/1000000
 Теперь датасет выглядит намного лучше (единица измерения - млн долл.):
                            

Посмотрим summary(kino):
Из сводки видно, что максимальная сумма, потраченная на съемки фильма (столбец «Бюджет») равна 250 млн долл., а минимальная сумма кассовых сборов (столбец «Всего сборы») более 796 млн. долл. Выгода – более, чем в 3 раза.
Давайте визуализируем данные о бюджете всех фильмов:
library(ggplot2)
ggplot(data=kino, aes(x=Фильм, y=Бюджет)) +geom_col(size=2, fill="pink3",color = 'black') +   geom_text(aes(label=Бюджет), size=5, vjust = -0.5, hjust = 0.5) +  theme_minimal(base_size = 20) +   theme(axis.text.x = element_text(angle = 90, hjust = 1)) 


          Точечная диаграмма между «Бюджетом» и «Всего сборами» представлена ниже. Цифры рядом с точками означают порядковый номер фильма из датасета «kino».
ggplot(data=kino, aes(x=`Всего сборы`, y=Бюджет)) +geom_count(size=4, fill="pink3",color = 'black') +   geom_text(aes(label=rownames(kino)), size=6, vjust = -0.5, hjust = 0.5) +  theme_grey(base_size = 20) +   theme(axis.text.x = element_text(angle = 90, hjust = 1))+  scale_x_continuous(breaks = round(seq(700, 1400, by = 100),0),    limits = c (700, 1400))


Если рассмотреть общую сумму бюджета всех 8 фильмов и общую сумму кассовых сборов, то мы получим такой «пирог»:
a <- t(data.frame(sum(kino$Бюджет),sum(kino$`Всего сборы`)))
pie(a, labels=a[,1],col=c("cyan", "aquamarine"))

Из рисунка видно, что затраченные средства (в размере 1155 млн долл.) на съемки 8 фильмов намного меньше, чем выручка (7725 млн долл.) от них.
 Кстати говоря, мы можем использовать не только R, но и прибегнуть к помощи Excel. Сохраним датасет «kino» в рабочей директории в формате csv.
write.csv2(kino,"kino.csv")
 Нарисуем диаграмму в Excel:

И снова мы наглядно убеждаемся, что кассовые сборы намного превышают бюджет фильмов.

Чтобы проверить зависимость между бюджетом, затраченным на съемки и полученной прибылью от кассовых сборов воспользуемся коэффициентом корреляции Спирмена, так как обе выборки имеют ненормальное распределение (проверка с помощью критерия Шапиро-Уилка):
cor.test(kino$Бюджет,kino$`Всего сборы`,method="spearman")


Получается, что можно подтвердить нулевую гипотезу о том, что нет связи между бюджетом фильма и кассовыми сборами от него, слишком велико p-value (гораздо больше «положенных» 0.05 и даже «либеральных» 0.1).
 Таким образом, с помощью языка R мы провели анализ выгоды съемок фильмов о Гарри Поттере и визуализировали результаты. Надеюсь, что статья была интересной. Пишите в комментариях, а в каких целях Вы используете R.




суббота, 9 марта 2019 г.

Статьи по hr-аналитике на английском 33

Предыдущий, 32-й выпуск, статей на английском по HR-аналитике вы найдете по ссылке Статьи по hr-аналитике на английском 32 (по ссылкам можно перейти до самой первой статьи).
И даже если вы не владеете английским языком, рекомендую почитать анонсы статей, это позволит держаться вам в курсе трендов аналитики.
Если вы хотели бы перевести статью, пишите edvb()yandex.ru
Статьи по hr-аналитике на английском 33


Итак,

  1. Learning Experience Platform (LXP) Market Grows Up: Now Too Big To Ignore - обзор Josh Bersin-а. (взято в перевод)
  2. The Employee Experience Platform: A New Category Arrives - и снова Josh Bersin, и снова про революции. Теперь в платформах опыта сотрудника
  3. How to get started with Workforce Planning - короткая статья, взял ее только потому, что Workforce Planning очень важная тема, а материалов мало  (взято в перевод)
  4. The Surprising Value of Obvious Insights - автор Adam Grant is an organizational psychologist at The Wharton School at the University of Pennsylvania. Давид Грин назвал эту статью статьей №1 февраля 2019.
  5. Can We Really Test People for Potential? - автор Reb Rebele  is a senior research fellow for the Wharton People Analytics initiative at the University of Pennsylvania and a Ph.D. candidate studying personality processes at the University of Melbourne in Australia. Это одна из базовых тем HR -аналитики. Мне не очень импонирует то, что написано в этой статье, но надо смотреть на все альтернативы. 
  6. Rebooting work for a digital era. How IBM Reimagined Talent and Performance Management - кейс от IBM, авторы Joanna Daly и Diane Gherson. Но кейс очень немаленький по объему.....
  7. Moving from counting Diversity to measuring Inclusion - Greg Newman пишет опять на тему ONA, рекомендую посмотреть с точки зрения эвристик. 
  8. How to get started with Workforce Planning - короткая статья, взял ее только потому, что Workforce Planning очень важная тема, а материалов мало
  9. Career Management Isn’t Just the Employee’s Job - Organizations benefit when they help people identify internal paths for growth and advancement. Авторы Matthew Bidwell is an associate professor of management and faculty codirector of the Wharton People Analytics initiative at the University of Pennsylvania. Federica De Stefano is a postdoctoral fellow of the Wharton People Analytics initiative (взято в перевод)
  10. What People Analytics can learn from Dynamic Network Theory - достаточно специфичная статья, Yannik Leusch объясняет некоторые аспекты SNA-  Social Network Analysis(у нас в блоге чаще это понятие дается как ONA - Organisational Network Analytics)



__________________________________________________________

На этом все, читайте нас в фейсбуке, телеграмме и вконтакте



вторник, 5 марта 2019 г.

Как считать текучесть персонала в R/Rstudio (кейс на примере конкретной компании)



Это по сути повторение поста Как считать текучесть персонала в excel (кейс на примере конкретной компании) с той лишь разницей, что я считаю текучесть в R / Rstudio.
Я беру тот же самый файл, что ив приведенном посте.
И считаю текучесть я в соответствии с российским законодательством:
число уволенных работников за отчетный период / среднесписочная численность работников за отчетный период.
И среднесписочная считается так:
Среднесписочная численность работников "за отчетный месяц исчисляется путем суммирования численности работников списочного состава за каждый календарный день отчетного месяца, т.е. с 1 по 30 или 31 число (для февраля - по 28 или 29 число), включая праздничные (нерабочие) и выходные дни, и деления полученной суммы на число календарных дней отчетного месяца.
Численность работников списочного состава за выходной или праздничный (нерабочий) день принимается равной списочной численности работников за предшествующий рабочий день. При наличии двух или более выходных или праздничных (нерабочих) дней подряд численность работников списочного состава за каждый из этих дней принимается равной численности работников списочного состава за рабочий день, предшествовавший выходным или праздничным (нерабочим) дням." Консультант плюс

Решение

Если Вы хотите овладеть языком R, рекомендую свой он лайн курс Он-лайн курс "Введение в R для HR"
После загрузки данных, дату поступления и дату увольнения конвертируем в переменную типа Дата.
df$begin = as.Date(df$Дата.поступления, "%d.%m.%Y")
df$end = as.Date(df$дата.увольнения, "%d.%m.%Y")
df$end[is.na(df$end)] =  "2018-05-30 UTC" 
Последняя строка здесь - я заполнил пустые ячейки дат увольнения (пустые, потому что эти работники продолжают работать) датой выгрузки отчета. И формула
n  = NULL;
m = NULL;
for(i in seq(as.Date('2018-01-01'), as.Date('2018-01-31'), by = 'day')) {
  x = length(which(i == df$end))
  m = rbind(m, x)
  y = length(which(df$begin < i))-length(which(i > df$end))
  n  = rbind(n, y)
 }
print(sum(m)/mean(n))
Здесь:
seq(as.Date('2018-01-01'), as.Date('2018-01-31'), by = 'day')
это последовательность дней месяца
m - это количество уволенных в день месяца;
n - среднесписочная за день.
Потом мы делим количество уволенных за месяц на среднесписочную за месяц. У меня за январь 2018 года текучесть получилась 0.01064467. Или 1, 06 %.
В предыдущем посте за тот же период текучесть персонала по формуле в excel получилась 0.010644666 - ну т.е. мы получили одинаковые цифры.
В Rstudio мне кажется считать текучесть удобнее, поскольку не нужно по каждому месяцу рисовать портянку. Задал в seq нужные даты и посчитал за 1,2 секунды. Причем, мы ведь можем считать не только за месяц, но и за два месяца, квартал, год и т.п...
Давайте усовершенствуем
Можно зашить расчеты в формулу
turnover = function(data, date_begin, date_end) {
  n  = NULL;
  m = NULL;
  for(i in seq(as.Date(date_begin), as.Date(date_end), by = 'day')) {
    x = length(which(i == df$end))
    m = rbind(m, x)
    y = length(which(df$begin < i))-length(which(i > df$end))
    n  = rbind(n, y) }
  print(sum(m)/mean(n))
}

И мы можем получить результат, где df - наши данные, первая дата - начала периода, вторая дата - конец периода.
turnover(df, '2018-01-01', '2018-01-31')
[1] 0.01064467


Диаграмма текучести

Но мы могли бы сразу настроить построение диаграммы. Например, я хочу построить график текучести помесячно. Я  создаю новую формулу.
turn_plot = function(data, date_begin, date_end) {
  n  = NULL;
  m = NULL;
  for(i in seq(as.Date(date_begin), as.Date(date_end), by = 'day')) {
    x = length(which(i == df$end))
    m = rbind(m, x)
    y = length(which(df$begin < i))-length(which(i > df$end))
    n  = rbind(n, y) }
  
  a =format(seq(as.Date(date_begin), as.Date(date_end), by = 'day'), '%m.%Y')
  
  gh = data.frame(tapply(m/n,a, sum ))
  gh$date = row.names(gh)
  colnames(gh) = c('num', 'date')
  gh$num = as.numeric(gh$num)
  library(ggplot2)
  library(scales)
  ggplot(data=gh, aes(x=date, y=num)) + geom_bar(stat="identity", color="blue", fill="white") +
    geom_text(aes(label=scales::percent(num, accuracy = 0.001)), vjust=-0.1, size=6.5) +
    theme_grey(base_size = 30) 
  
}
И я задаю даты за 4 месяца
 
turn_plot(df, '2018-01-01', '2018-04-30') # только имейте ввиду, что дата '2018-04-31' выдаст ошибку
И мы получаем
Как считать текучесть персонала в R/Rstudio (кейс на примере конкретной компании)


Из меня не очень хороший дизайнер, но картинку можно нарисовать любую.

 __________________________________________________________
 На этом все, читайте нас в фейсбуке, телеграмме и вконтакте

понедельник, 4 марта 2019 г.

О первом баттле по аналитике в рамках Форума Труда Санкт-Петербург 1 марта 2019


В пятницу 1 марта в рамках Форума Труда состоялся мой баттл с социологами Питера.
Баттла не получилось, но они выиграли к большой радости моих "доброжелателей".
О первом баттле по аналитике в рамках Форума Труда Санкт-Петербург 1 марта 2019
Не получилось, потому что я единственная сторона баттла, кто заявил содержательную позицию, я сказал, что жду от ученых - а именно - НЕ ИССЛЕДОВАНИЙ, а СЕРВИСОВ, рассчитанных на конечных пользователей.
И показал свои опросы про ключевые факторы текучести персонала и время поиска работы в качестве примеров таких сервисов.
Ключевые факторы эффективности и текучести персонала

Исследование времени поиска работы

Основная мысль моего выступления была в том, что исследования социологов дают некую общую картинку, среднюю по больнице, но конечный пользователь ничего не получает от их исследований. СЕРВИС же помогает конечному пользователю, как в моем случае первое исследование отвечает респонденту на вопрос, насколько его зарплата в рынке, второй опрос отвечает на вопрос, как долго ищут работу специалисты похожие на него – респондента. Кроме того, такие опросы как мои дают информацию о рынке, и привел несколько результатов, например,
В 2018 году "серая" зарплата не воспринимается как негатив

Привожу именно эту статью, поскольку именно эта статья стала поводом для битья со стороны социологов. Главная претензия не качество данных, а вопрос, уверен ли я, понимают ли респонденты точно, что такое «серая» и «белая» зарплата. Прошу как раз вас оценить, можно ли найти на рынке труда спеца, который НЕ понимание отличия этих форм зарплат.
Понял я, что баттл не состоится, когда в ответ на мой содержательный доклад социологи не стали делать собственный содержательный доклад про то, как должны быть устроены исследования, а сразу перешли к критике моего доклада. Поэтому в этот момент я принял решение не вести баттл, а просто донести свою позицию до аудитории.
Кроме того, мы обсуждали такие вопросы

  1. Компетенции – это современный подход или новая Химера рынка?
  2. Язык исследований: почему теоретики боятся говорить на языке практике?
  3. Кто делает результаты исследования достоверными: теоретик, практик или машина?
  4. Конечный потребитель образования: работодатель, научное сообщество или выпускник?

Каждая стороны высказывала свое отношение к вопросу. Это было очень показательно. Например, в теме компетенций я сказал про то, что

  1. В России нет ни одного доказательства прогностической ценности ассессмент центра О валидности (точнее, невалидности) центров оценки
  2. ведущие компании не нашли корреляций между образованием в ВУЗе и успешностью в работе (это было в ответ на заявление социологов о том, что в ВУЗах теперь компетентностный подход, и это круто), 
  3. я рассказал про конкурс ЛИДЕРЫ РОССИИ (см. Про проект Карьерные лифты), сказав прямо, что без статистической валидизации все ассессмент центры в конкурсе это освоение бюджета и не более того. Один дядечка взорвался с места: а что взамен? Я рассказал и что взамен (статистическая валидизация), но и рассказал метафору: если вы поняли, что шаманы врут с погодой, а гидрометцентра еще нет, то последний факт не повод возвращаться к камланиям шаманов. 

Ну и так далее. В конце дядечка назвал мою математику хренью, а я его вызвал на баттл, в котором предложил обосновать свое утверждение.
Резюме: баттл состоялся, мне рассказывали некоторые участники, что это было самое лучшее из всего Форума Труда. И я подумал, что баттлиться можно, даже если с оппонентом обсуждать нечего – тогда можно доносить свою позицию до тех, кто тебя готов услышать.
Ну как-то так.


воскресенье, 3 марта 2019 г.

Статьи по hr-аналитике на английском 32

Предыдущий, 31-й выпуск, статей на английском по HR-аналитике вы найдете по ссылке Статьи по hr-аналитике на английском 31 (по ссылкам можно перейти до самой первой статьи).
И даже если вы не владеете английским языком, рекомендую почитать анонсы статей, это позволит держаться вам в курсе трендов аналитики.
Если вы хотели бы перевести статью, пишите edvb()yandex.ru
Workforce Planning


Итак,


  1. The Employee Experience Platform: A New Category Arrives - Josh Bersin и снова про революции. Теперь в платформах опыта сотрудника (взято в перевод)
  2. The rise of people analytics - David Green о состоянии рынка HR-аналитики. 
  3. Human Resources KPIs: An In-depth Explanation with Metrics & Examples - статья Eric van Vulpen - думаю, название говорит само за себя, статья будет очень популярна у коллег.  (взято в перевод)
  4. 9 examples of gamification in HR - Tom Haak снова. Про что статья - очевидно.(взято в перевод)
  5. How to get started with Workforce Planning - короткая статья, взял ее только потому, что Workforce Planning очень важная тема, а материалов мало
  6. Rethinking workforce planning for a disruptive age: OP&A leads the way - еще одна статья в тему Workforce Planning - это тема становится все более популярной.  (взято в перевод)
  7. Tom Haak on how to improve internal communications in the workplace - здесь все в названии - пугающе много Tom Haak 
  8. How to f**k up an Advanced Analytics team : A simple 20 step process - красивая метафора, как не надо поступать в аналитике. 
  9. Is Employee Engagement Just a Reflection of Personality? - статья Гарвард Бизнес ревью, авторы Tomas Chamorro-PremuzicLewis GarradDidier Elzinga. Суть статьи в вопросе: а, действительно, с чего мы взяли, что вовлеченность это реакция на действия компании? (взято в перевод)
  10. How To Make Engagement Surveys Work - еще одна заявка на то, что опросы вовлеченности нужны компании, интересно узнать аргументацию. (взято в перевод)


__________________________________________________________

На этом все, читайте нас в фейсбуке, телеграмме и вконтакте