сделать домашней  добавить в избранное  карта сайта RSS
 

Вебинары HRM.RU

Прогноз эффективности кандидатов на основе тестов
Начало 26.05.2017 12.00 (по московскому времени)

Полный список вебинаров

События

  19.10.2017
Семинар - практикум "Аналитика для HR", 19-20 октября 2017 г., г Москва
  16.11.2017
Cеминар-практикум "HR-Аналитика в R", Москва, даты 16-17 ноября 2017
полный список

Последние обсуждения

  05.09.2017 13:57:49
Резюме технического директора на производстве
  05.09.2017 10:31:52
Резюме на должность технического директора или главного инженера на производстве
  05.09.2017 8:55:25
Активно ищу работу в T&D
  04.09.2017 23:21:56
Руководитель службы сервиса, Руководитель сервисного центра
  04.09.2017 14:54:22
Резюме Директор по персоналу, HR директор, Алматы, Казахстан, готовность к релокации


Опросы
  Актуальные направления работы HR вашей организации 2017
Все опросы


«Аналитик, как правило, чувствует себя униженным»


    Обычно анализ больших данных проводится так. Сначала специалист по данным обнаруживает какую-то накопившуюся на сервере и еще не обработанную информацию. Затем он или она много дней, а то и недель по-разному крутит и вертит эти цифры, пока не наткнется на неожиданное открытие. После этого назначается собрание, находка предъявляется менеджерам.

    Тематические разделы:
    Общий менеджмент
    Общий менеджмент : Аналитика

    Автор: Кайзер Фунг

    Дата публикации: 16.02.2017



    Обычно анализ больших данных проводится так. Сначала специалист по данным обнаруживает какую-то накопившуюся на сервере и еще не обработанную информацию. Затем он или она много дней, а то и недель по-разному крутит и вертит эти цифры, пока не наткнется на неожиданное открытие. После этого назначается собрание, находка предъявляется менеджерам. Что дальше? Дальше аналитик, как правило, чувствует себя обиженным или даже униженным, а менеджеры сокрушаются о потерянном времени.

    В чем причина провала? Обычно в том, что нет четко обозначенной цели или в том, что анализ проводился на недостаточном количестве данных, или в том, что докладчик чересчур увлечен наукой, а менеджеры ничего в ней не понимают. Если вы столкнулись с такой ситуацией, рекомендую прочитать статью об именах новорожденных на сайте FiveThirtyEight, а прочитав, поделиться со своей командой аналитиков.

    Нет Сильвер и Элисон Маккен из FiveThirtyEight проделали с информацией об именах новорожденных такое, на что следует ориентироваться всем специалистам по большим данным. Они сумели задать интересные для бизнеса вопросы, подобрали дополнительные сведения, сделали смелые, но вполне оправданные предположения, чтобы заполнить пробелы в информации, и представили вывод с указанием допустимой погрешности. Их статья — лучший образец журналистики, созданный на основе больших данных. И это превосходит многие известные примеры аналитики данных.

    База данных имен всех американцев с 1880 года хранится в Управлении социального страхования — это идеальный архив для больших данных. В последние годы его заизучали, простите за каламбур, вусмерть. Своей славой архив обязан программисту Мартину Ваттенбергу, который создал программу Baby Names Voyager с удобным интерфейсом, позволяющим визуализировать имена. Эта программа помогает выяснить, в какое время какие имена пользовались популярностью. С ней был реализован целый ряд проектов: самые модные имена, самые странные имена, отличия в именах между штатами и т. д.

    Но все эти подходы давали нам не больше информации, чем любые саундбиты и кликбейты, пока не явились Сильвер и Маккен.

    Они задали интересные для бизнеса вопросы. Вместо вопроса о популярных, странных, модных, особенных для того или иного периода именах, эти два специалиста по данным вывернули вопрос наизнанку и постарались выяснить, можно ли извлечь из имени человека информацию о годе его рождения.

    Такая формулировка сразу же напоминает о других рациональных задачах: определении религии или родного языка по имени человека, выбору места проживания и т. д. (На практике легче выяснить возраст, чем язык или религию.) Умные компании использует подобного рода демографические данные, чтобы усилить сегментацию покупателей. Если вы приобретали такие базы данных, то уже получали выгоду от типа анализа, предложенного Сильвером и Маккен.

    Они привлекли дополнительные данные. Редко случается так, чтобы все необходимые для решения конкретной проблемы данные сосредотачивались в одной базе. Архив Управления соцстрахования содержит полную информацию по рождениям, но не по смертям. Если выводить средний возраст живущих в настоящее время Елизавет только на основании дат рождения, результат будет сильно завышен, поскольку многих из этих женщин давно уже нет. Для правильного проведения анализа Сильвер и Маккен добавили также таблицы вероятности дожития из страховых компаний, по которым подсчитывается средняя продолжительность жизни.


    Они заполнили пробелы в данных. Но составители таблиц в страховых компаниях не интересуются именами — они расписывают вероятность дожития по полу, но не по именам. В такой ситуации аналитику оставалось либо отказаться от проекта, либо сделать смелое предположение и совершить прорыв. Сильвер и Маккен выбрали второй путь, допустив, что от имени вероятность дожития не зависит. Это смелое предположение, но, на мой взгляд, с ним можно согласиться, потому что оно позволяет довести анализ до удовлетворительных результатов. Аналитики данных часто сталкиваются в своей работе с необходимостью принятия подобных решений.

    Они указали допустимую погрешность. Наглядная инфографика исследования Сильвера и Маккен четко указывает допустимую погрешность в ситуации, когда по имени человека пробуют угадать его возраст. Они оговаривают, что точность зависит от пола и от характера трендов. Порой установить возраст (в пределах 10 лет) удается с точностью до 50%. Слишком часто в журналистских публикациях об анализе больших данных отсутствует как раз анализ точности (поразительно, учитывая, как они восхваляют научную методику).

    Все перечисленные здесь решения можно прекрасно применить в любой бизнес-аналитике. Не нужно порождать лишние килобайты бесполезной для бизнеса информации. Аналитикам следует на первых же этапах работы проконсультироваться с заказчиками исследования и найти представляющую общий интерес проблему. Хотя многие современные базы данных огромны, все же и там может недоставать каких-то существенных фактов и потребуются дополнения.

    Анализ больших данных представляет ценность, поскольку позволяет делать надежные прогнозы, но аналитики обязаны предусмотреть также пределы допустимой погрешности. Здравые решения в бизнесе требуют учета не только наиболее перспективных сценариев, но и целого спектра вероятностей. По мере того, как развивается сбор и анализ данных, наладится и процесс создания ценных для бизнеса гипотез. И встречи, посвященные анализу данных, уже не будут вызывать взаимного разочарования.


    Источник

    Share |

     

    Версия для печати

    Читайте также


    DrSullivan

    Джон Салливан, Ph.D. Краткая справка.
    Джон Салливан – известный идейный лидер HR. Последние 20 лет преподает Менеджмент в Государственном Университете Сан-Франциско. Специализируется в HR-стратегиях и разработке HR-систем и инструментов мирового класса для фирм из списка 200 лучших компаний журнала «Fortune». Более 175 различных компаний и организаций по всему миру приглашали его в качестве лектора/советника.


    Ответственность: законы спроса и предложения

    Одним из видов деятельности нашей компании является обучение руководителей. Нам не просто везло на тренинги для управленцев, все наши программы обучения, созданные именно для данной категории сотрудников компании, были выверены до последнего инструмента. Мы хотели заниматься именно такими тренингами, и мы ими занимались. Реализовав немалое число подобных проектов обучения, мы можем смело сказать, что практически не осталось темы, которая бы нами была не проработана.


    HRM
    Информация для участников сообщества HRM

    Форум сайта «переехал» на старую платформу: мы возвращаем форум сайта, который действовал до лета 2008 года. Просим вас актуализировать данные профилей
    5 мифов о тестировщиках, или Как устроиться в Veeam с помощью табуретки

    Живой организм компании
    Живой организм компании

    Базовой моделью работы организации можно считать организм человека как наиболее развитого живого существа.

    Имя 
    Пароль  забыли?
    Присоединяйтесь!

    Новые материалы

       Названы самые высокооплачиваемые вакансии в Башкирии
       Не все профессии равны. Вчерашние школьники идут в телевизионщики и PR
       Новочебоксарские безработные граждане обучаются востребованным профессиям
       Где в Уфе заработать 100 тысяч рублей в месяц
       Сколько в среднем получают владимирские врачи?

    Семинар
    "HR-Аналитика в R"

    Москва, 16-17 ноября 2017 года


    ______________________________

    ВНИМАНИЕ
    Желаете узнать свою стоимость на рынке?

    Сколько я стою на рынке
    ______________________________
     
    Подпишитесь на
    рассылку
    Вебинары HRM

    *Подписка на НОВОСТИ HRM
    Пожалуйста, укажите ваш e-mail адрес:
      


    Последние комментарии

       мне приятно Вас читать 99 % читаемое мной - мусор... А на ваших постах глаза отдыхают 
       Действительно, Эдуард, что это я! Всё ещё hr, всё ещё пишу - с удовольствием вернусь)))
       Марина, вы вернетесь к нам или уже все?)
       вы можете оставлять активную ссылку на источник 
       У меня медицинское образование :-))), привыкали видеть из дня в день совсем другое. поэтому мне не понятно...
    Все статьи


    Интервью




    Публикую статью Алексея Королькова с видеокомментарием
    все интервью


    О проекте      Реклама       Подписка       Контакты       Rambler's Top100 Яндекс цитирования ©2000-2011, HRM