Аналитика в HR | HR-tech

#основы #152ФЗ

Большая часть данных, с которыми работают HR-аналитики, подпадает прямо или косвенно под 152-ФЗ.
Собрал несколько ключевых тейков по этому закону и нюансов его исполнения (часть 1):

1. Правила работы с перс. данными установлены ФЗ РФ от 27.07.2006 № 152-ФЗ «О персональных данных» со всеми внесенными в него изменениями.

2. Согласно п. 1 ст. 3 указанного закона, под персональными данными понимается «любая информация, относящаяся прямо или косвенно к определенному физическому лицу. На самом деле это вообще вся информация о сотруднике. От ФИО и до фото с корпоратива.

3. Сбор, обработка и другие действия с персональными данными осуществляются оператором персональных данных. Такого оператора назначает компания-работодатель приказом.

4. Каждый сотрудник должен в явной письменной форме выразить свое согласие на сбор, обработку, хранение и использование перс.данных. При этом, если вы собираете данные для проверки кандидата СБ, то такое разрешение надо получить еще до его трудоустройства.

#инструменты #surveymonkey

Знакомимся с техническими инструментами, используемыми в HR-аналитике. Сегодня про инструменты для проведения количественных исследований.

⚡️SurveyMonkey (SM) – одна из первых облачных платформ для составления, рассылки и анализа различного рода опросов, анкетирований и прочих форм количественных исследований. За свою историю сервис претерпел довольно много изменений, но остался одним из лидеров в своем сегменте и первым конкурентом google forms.

⚡️Для чего можно использовать: Любые количественные исследования.

⚡️Преимущества:
1. Широкий выбор готовых форм опросов;
2. Есть "вшитые" методологии (NPS, ELMS);
3. Интуитивно понятный интерфейс;
4. Широкие возможности по кастомизации;
5. Широкие возможности по анализу результатов.

По итогу стоит сказать, что MS - это отличный инструмент для подготовки и проведения количественных исследований, обладает бОльшей функциональностью чем google forms и лучше кастомизируется. Однако, часть функционала платная.

#AI #prompt #промт

3. Требования: Если у вас есть дополнительные требования к решению - стоит их указать. Это может быть форма ответа, стиль, размер ответа или наличие ключевых слов. Например: “длинна ответа должна быть не более 280 символов”.

4. Примеры: В некоторых случаях напиши пример того ответа, который вы хотите получить. Например: “преобразуй данные ниже в формат: dd.mm.yyyy. Например 01.06.2020”

5. Роль: Иногда бывает полезно дать определенную роль нейросети, например, чтобы сделать ее ответ понятным для определенной аудитории или чтобы сделать ответ органичным аудитории. Например: “Ты - воспитатель в детском саду. Объясни детям что такое специальная теория относительности Эйнештейна.”

После написания промта протестируйте его с нейросетью и оцените результаты. При необходимости корректируйте промт, чтобы достичь желаемого результата. Это нормальный процесс и иногда требуется несколько итераций чтобы достичь желаемого результата.

#AI #prompt #промт

⚡️Промт (от англ. "prompt") – это шаблон запроса, который формируется к нейросети и содержит ряд компонентов для его исполнения.
Ниже несколько моих рекомендаций по его структуре и содержанию:

Структурно промт можно представить в следующем виде:

1. Задача: Суть задачи (call to action), который дает представление о задаче или запросе нейросети. Здесь стоит использовать простые глаголы: Напиши, придумай, создай, сделай, рассчитай и пр.

note: нейросеть не является живым существом или личностью, поэтому вы совершенно спокойно можете опустить слова: спасибо, пожалуйста, будь добр и пр. Они не воспринимаются системой.

2. Контекст: Это дополнительная информацию и контекст, который позволит нейросети лучше понять специфику вашей задачи. Например: “наша компания занимается сезонным бизнесом” или “наша компания работает в особой экономической зоне” и пр.

#личное

Рад сообщить, что в продажу вышла моя книга HR-аналитика: Путеводитель по анализу персонала.

Я постарался обобщить свой опыт и знания в области работы с анализом персонала и сделать максимально доступный и полезный гайд для всех, кто интересуется этой темой или хочет систематизировать свои знания. Основной акцент был сделан на практическое использование материалов и российскую специфику.

Вошло, конечно, далеко не всё, что хотелось, но основные области работы затронул: работа с данными, юридические аспекты работы с HR-данными, методы и инструменты HR-анализа, основные методы прогнозирования, работа с нейросетями.

Доступно на сайте издательства, ozon.ru и лабиринте.

#метрики

⚡️Уровень продвижения или Коэффициент карьерного роста (Internal promotion rate) — отражает уровень развития сотрудников внутри компании. Чем выше показатель внутреннего карьерного роста, тем больше возможностей для развития карьеры у сотрудников есть в компании, что повышает их лояльность и косвенно – вовлеченность.

Высокий уровень продвижения показывает, что сотрудники растут по службе на основе результатов работы и что бизнес предоставляет широкие возможности для построения карьеры. Наличие высокого коэффициента будет хорошим аргументом для привлечения сотрудников, для которых основным мотиватором является карьерный и/или профессиональный рост. Кроме того, аналитика этого показателя - это хороший маркер того, кто успешен в компании (категория персонала, стаж, и пр).

⚡️Бенчмарки:
По данным PWC средний уровень в 2022 году составлял 13% (0,13).

⚡️Пример:
В компании работает 100 сотрудников, из них 10 получили повышение в течение года.
10/100 = 0,1 (или 10%)

#методы #регрессия

Как использовать (один из способов) регрессию на практике.

⚡️Пример:
Есть группа сотрудников с набором характеристик: стаж, выработка, число бракованных изделии. Задача определить как выработка и стаж влияют на брак (в числах).
Будем использовать Excel как самый массовый инструмент.

⚡️Решение:
Для начала построим таблицу, где построчно расположим характеристики каждого сотрудника. Далее на вкладке «Данные» открываем «Анализ данных» » Регрессия.
Входной интервал Y – это наша колонка со значениями брака
Входной интервал X – это остальные характеристики.

На выходе получим довольно большую таблицу. В первую очередь нам интересны «Коэффициенты».
Вспоминаем формулу из предыдущего поста:
Y- пересечение – это свободный коэф. регрессии (b)
Коэффициенты – это коэф. характеристик (a1,a2..)
Стандартная ошибка – это ошибка отклонения (E)

Подставляем значения в формулу и можем не только определять зависимость стажа и выработки на брак, но и прогнозировать брак с учетом реальных значений хар.

#методы #регрессия

⚡️Регрессия (line regression) — это метод определения зависимости переменной (x) от одной или нескольких других переменных (y1, y2, y3…). А еще это метод прогнозирования величин при учете наличия зависимых переменных.
Если проще, зная стаж сотрудника, его квалификацию и оборудование, на котором он работает, вы сможете спрогнозировать его выработку.

Формула линейной регрессии: f(x) = b + a1*y1 + a2*y2 … + E, где:
f(x) – это наше искомое значение
b – это свободный коэффициент регрессии
a1, a2 – это коэффициенты регрессии предикторов
y1, y2 - это значения предикторов
E – Ошибка отклонения

Как рассчитывается: можно использовать excel (Регрессия на вкладке данные » Анализ данных) , можно рассчитывать через стат.пакеты или пакеты анализа данных и, наконец, можно рассчитывать с помощью кода на R или Python.

В эту субботу, 15.06, состоится открытый урок по теме: "Как быстро обрабатывать операционную рутину и повысить собственную эффективность при помощи ИИ", который я буду вести для площадки top career.

Помимо общих вопросов связанных с работой и применением AI, я покажу несколько примеров решения рутинных задач с использованием разных нейросетей. Урок бесплатный. Если тематика вам интересна - присоединяйтесь.
https://top-career.ru/promo/ai-job?utm_source=banner?utm_source=glavnaya

Аналитика в HR | HR-tech pinned Deleted message

#исследования #экспертное_интервью

⚡️Экспертное интервью — это метод качественных исследований, в рамках которого интервьюер задаёт респонденту вопросы позволяющие раскрыть мнение опрашиваемого по конкретной теме. Главное отличие от глубинного интервью в задачах интервью и методах обработки результатов.

Первое отличие – задача интервью. Здесь важно получить оценочное суждение конкретного эксперта в какой-то области по заранее определенному вопросу или группе вопросов. Этот метод чаще всего применяют в двух случаях: построение прогнозов (например как часть Метода Делфи) или для оценки какого-то события или явления (например, для разработки операционной стратегии или бизнес-стратегии).

Второе отличие – это метод обработки результатов. Чаще всего результаты интервью не интерпретируются и не обобщают.

На практике экспертное интервью чаще всего применяют в двух случаях: для целей бизнес-планирования или разработки стратегии и для прогнозирования трендов или динамики развития процессов.

#прогнозирование #Делфи #Дельфи

Продолжаем знакомиться с методами прогнозирования. Сегодня про метод экспертного прогнозирования - Метод Делфи (Дельфи)

⚡️ Метод Делфи (Delphi method) - это метод принятия решения и прогнозирования в основе которого принцип интервьюирования группы экспертов.
На практике собирается группа экспертов которую опрашивают (обычно в формате глубинного интервью) по тематике вопроса, а затем обобщают частные мнения, находя в них общие точки зрения. Так формируется некое единое решение или прогноз.

Общий алгоритм прогнозирования по методу Делфи представлен выше.

Очевидным преимуществом метода является относительная простота и доступность, а также возможность получить сразу несколько мнений, что позволяет рассмотреть объект исследования с разных сторон. К недостаткам относятся субъективность оценки и довольно долгое время реализации. Это не дает возможности использовать этот метод для оперативного прогнозирования.

#основы #прогнозирование #временной_ряд

В предиктивной аналитике довольно часто используется термин временной ряд данных. Стоит сделать небольшое отступление и рассказать немного о том, что это и почему не все наборы данных имеют признаки временного ряда.

⚡️Временной ряд данных – это такой набор данных, который измеряется через равные промежутки времени. Ключевая характеристика такого ряда – промежуток между отчетами (t). Он, как понятно из определения, должен быть идентичным между каждым замером.

Пример. Если мы имеем дело с данными оттока сотрудников из компании, собранными за квартал, полугодие и за год, такие данные не будут считаться временным рядом. А помесячный данные – будут.

Почему это важно? Во-первых, потому, что многие методы прогнозирования, например, как скользящие средние, работают только в случае, если данные имеют признак временного ряда. Во-вторых, потому, что временной ряд данных обладает некоторыми специфическим признаками, которых нет у случайного набора данных.

#прогнозирование #ARIMA

Знакомимся с методами прогнозирования в HR-аналитике. Сегодня первая часть метода ARIMA.

⚡️ Метод ARIMA — это способ прогнозирования временных рядов, состоящий из нескольких компонентов.

AR(p) - Авторегрессия. Вычисление значения прогнозируемой величины в заданный момент времени на основе её предыдущих значений. То есть основой для расчетов станут исторические данные.

I(d) – Порядок интегрирования. То есть метод, по которому будет работать модель и, пожалуй, самая важная часть. То, что отличает ARIMA от других методов скользящих средних.

MA(q) – Скользящая средняя. В основе будет лежать метод скользящих средних.

Метод ARIMA более точен, относительно других методов основанных на скользящих средних вроде WMA, HMA, SMA, а его основное отличие заключается как раз в порядке интегрирования, который позволяет работать не с самими значениями рядов а с их производными, так как в ряде данных могут быть ненормальные значения, которые способны исказить картинку прогноза (выбросы).

#инструменты #BI #datalens

Сегодня несколько слов про отечественное BI-решение от Яндекса - DataLens.

⚡️DataLens – это российская облачная BI платформа от Яндекса.
Первоначально это было корпоративное (внутреннее) решение для бизнес‑анализа, но со временем оно развилось в отдельный продукт в экосистеме Яндекса.

⚡️Преимущества:
1. Доступно в России;
2. Легкая и быстрая настройка;
3. Встроенные шаблоны дашбордов;
4. Большое количество типов данных с которыми работает платформа;
6. Простота перехода с других BI-систем

Есть бесплатный курс от создателей системы, что обеспечит легкий "вход".
На мой взгляд хорошая отечественная альтернатива иностранным системам. Да, чуть сыровата местами, но, с другой стороны, вполне рабочий инструмент.

#метрики

⚡️Соотношение (доля) HR-специалистов к численности сотрудников (HR to employee ratio) — это размер отдела кадров компании по сравнению с общим количеством сотрудников в компании.
Такая метрика показывает сколько штатных HR-специалистов приходится на одного штатного работника.

Обычно для расчета используется показатель FTE, но допустимо использовать и фактическую штатную численность вместо FTE.

⚡️Бенчмарки:
Показатель варьируется в зависимости от индустрии, но в среднем можно ориентироваться на цифры:
1 менеджер по персоналу – на 100-200 сотрудников (метрика 0,01)
1 сотрудник ОК – на 200-300 сотрудников (метрика 0,005)

#основы #прогрессия

⚡️Геометрическая прогрессия – это такой ряд чисел, каждый член которого является произведением предыдущего числа и знаменателя геометрической прогрессии.

Пример: b(n) 1,3,9,27. Каждое число здесь - это произведение предыдущего члена и числа 3. Это и есть знаменатель геометрической прогрессии (q).

В HR-анализе (да и просто в жизни) геометрическая прогрессия встречается реже чем арифметическая, но ее можно использовать для прогнозирования.
Предположим, что у вас есть некоторая прогрессия показателя. Например, выработка продукции за месяц. b(n) 10, 20, 40, 80…
Рассчитать кол-во продукции на 9-ый месяц.

Формула: b(n) = a1*q(в степени n-1), где:
n – это значение прогрессии под номером n (9-ый месяц в нашем случае)
a1 – это первое значение в прогрессии (10 в нашем случае)
q – знаменатель геометрической прогрессии (2 в нашем случае)

b(9)=10*2(в степени 9-1) = 2 560 единиц продукции выработки к 9-ому месяцу работы.

#инструменты #плагины #Office

Оказалось, что многие не знакомы с таким классным инструментом как надстройки office от Microsoft. Спешу рассказать, вещь крайней полезная и практичная.

⚡️ Надстройки Office (они же плагины) – это расширения, который дополнительно устанавливаются на пакет MS Office и позволяет существенно расширить функционал и возможности таких приложений как Word, Excel, Power point.

⚡️Установка:
В Excel, Word: Файл > Получить надстройки. Открывается интерфейс, где в строке поиска вы можете написать тэг задачи, которую вам нужно решить или название расширения.
После установки иконка плагина размещается в строке Главная и оттуда же подключается для использования.

Возможности почти безграничны. Например, с помощью надстроек, можно сделать красивую визуализацию привязанную к геолокации, провести верификацию данных или, интегрировать ChatGPT прямо в Word или Excel и в файле генерировать тексты, переводить их на разные языки и пр.

#инструменты #google_forms

Знакомимся с техническими инструментами, используемыми в HR-аналитике. Сегодня про инструменты для проведения количественных исследований.

⚡️google формы (google forms) – это облачный инструмент от Google для конструирования и проведения количественных исследований вроде опросов и анкетирования с огромным спектром возможностей.

⚡️Для чего можно использовать: Любые количественные исследования на неограниченный круг лиц. Подходит как для корпоративных опросов так и для проведения всевозможных исследований.

⚡️Преимущества:
1. Полностью бесплатно;
2. Доступно в России;
3. Интуитивно понятный интерфейс;
4. Широкие возможности по кастомизации;
5. Большое количество типов вопросов и вопросов со шкалами;
6. Возможность выгрузки данных в google таблицы и обработки результатов;
7. Возможность делать точечные рассылки на прохождение.

На мой скромный взгляд google формы сейчас – это одна из самых лучших (если не самая лучшая) платформа для проведения количественных исследований.

#инструменты #BI #google_loker

Сегодня поговорим про BI – системы. Это программное обеспечение для анализа и визуализации данных. Самые популярные решения на рынке: Tableau и MS Power BI, но помимо этих решений есть и другие. Сегодня про google looker.

⚡️google looker (ранее назывался Google Data Studio) – это облачная BI платформа от Google с, возможно, чуть боле упрощенным функционал чем у Power BI или Tableau, но при этом с достаточным для создания качественной визуализации данных.

⚡️Преимущества:
1. Полностью бесплатно;
2. Доступно в России;
3. Легкая и быстрая настройка;
4. Встроенные шаблоны дашбордов;
5. Огромное количество типов данных с которыми работает платформа;
6. Интуитивно понятный интерфейс;
7. Большое количество учебных материалов.

Регистрация по учетной записи google, подгрузка данных в один клик, готовые шаблоны и легкая персонализация.
Если не пробовали - обязательно попробуйте. Это достойный заменитель крупных BI-платформ.