#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)
⚡️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)
❤2
#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.
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.
👍3❤1
#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).
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).
#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.
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.
👍2
#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.
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.
👍1
#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.
⚡️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.
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
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
#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.
⚡️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.
👍2❤1
#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.
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.
#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%)
⚡️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%)
❤2
#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.
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.
❤9👍4
#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.
⚡️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.
❤1👍1
#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.
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.
❤1
#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.
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.
#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.
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.
👍1
#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 2):
5. Данные в физическом виде должны находится в месте с ограниченным доступом (сейф, например) только на территории РФ. В эл.виде только на серверах на территории РФ и имеющих специальный сертификат. Причем обработка перс.данных также возможна только на серверах в РФ, обратите внимание на этот нюанс. Что такое обработка? А это любые манипуляции с данными. Когда будете в следующий раз мерджить два столбца с именем и фамилией сотрудника в google Sheets подумаете, где физически находятся эти сервера :)
6. Сотрудник в любой момент может затребовать информацию о целях использования своих перс.данных и может отозвать свое разрешение на их использование.
6. Компания не имеет право использовать информацию или передавать информацию о сотруднике третьим лицам если этого прямо не указано в разрешении.
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 2):
5. Данные в физическом виде должны находится в месте с ограниченным доступом (сейф, например) только на территории РФ. В эл.виде только на серверах на территории РФ и имеющих специальный сертификат. Причем обработка перс.данных также возможна только на серверах в РФ, обратите внимание на этот нюанс. Что такое обработка? А это любые манипуляции с данными. Когда будете в следующий раз мерджить два столбца с именем и фамилией сотрудника в google Sheets подумаете, где физически находятся эти сервера :)
6. Сотрудник в любой момент может затребовать информацию о целях использования своих перс.данных и может отозвать свое разрешение на их использование.
6. Компания не имеет право использовать информацию или передавать информацию о сотруднике третьим лицам если этого прямо не указано в разрешении.
#инструменты #OpenOffice
Excel – это основной инструмент работы с данными для HR-аналитика. По принципу Парето Excel может обеспечить 80% результатов при 20% усилий. Но что делать, если доступа к нему нет (стоимость, ограничения использования и пр.). Рассмотрим имеющиеся альтернативы:
⚡️ OpenOffice- это бесплатное ПО с открытым кодом. В него входят: приложение для работы с текстом, с электронными таблицами, графический редактор, система презентаций и простенькая БД. То есть это полный аналог Excel, Word, PowerPoint и пр.
Есть версии для OS X, Linux, Win (32,64-bit) и конечно пользовательский интерфейс на разных языках, включая русский.
⚡️ Установка: Выбираете свою систему и скачиваете дистрибутив. Дальше устанавливается как стандартное ПО.
⚡️ Плюсы:
- Бесплатный
- Прекрасно работает с расширениями MS Office и полностью совместим с ними
- Работа на вашем компьютере, не в облаке (!)
⚡️Минусы:
- Есть MS Office и Google
- В настоящий момент обновления не выпускают
Документация
Excel – это основной инструмент работы с данными для HR-аналитика. По принципу Парето Excel может обеспечить 80% результатов при 20% усилий. Но что делать, если доступа к нему нет (стоимость, ограничения использования и пр.). Рассмотрим имеющиеся альтернативы:
⚡️ OpenOffice- это бесплатное ПО с открытым кодом. В него входят: приложение для работы с текстом, с электронными таблицами, графический редактор, система презентаций и простенькая БД. То есть это полный аналог Excel, Word, PowerPoint и пр.
Есть версии для OS X, Linux, Win (32,64-bit) и конечно пользовательский интерфейс на разных языках, включая русский.
⚡️ Установка: Выбираете свою систему и скачиваете дистрибутив. Дальше устанавливается как стандартное ПО.
⚡️ Плюсы:
- Бесплатный
- Прекрасно работает с расширениями MS Office и полностью совместим с ними
- Работа на вашем компьютере, не в облаке (!)
⚡️Минусы:
- Есть MS Office и Google
- В настоящий момент обновления не выпускают
Документация
🤔1
#визуализация #санкей #sankey
⚡️ Диаграмма Cанкей (Sankey diagram) - это визуализация потоков от одного целевого действия (события) к другому.
Логика такая: есть исходное событие (источник), который находится слева на схеме. Далее происходит переход уникальных единиц от источника к следующим событиям, которые будем считать на первом шаге целевыми действиями. Количество уникальных единиц, совершивших переход от источника к цели показано с помощью ширины канала (линии на диаграмме). Чем она шире, тем больше единиц переходит от источника к цели.
Диаграмму используют для отображения распределения потока на составные части, для отображения пропускной способности, эффективности процессов, распределения чего-либо (персонала, бюджета, кандидатов и пр).
К сожалению, готовых шаблонов в Excel, для построения диаграммы, нет. Можно или скачать плагин для Excel (например, такой или такой) или использовать BI-инструменты.
⚡️ Диаграмма Cанкей (Sankey diagram) - это визуализация потоков от одного целевого действия (события) к другому.
Логика такая: есть исходное событие (источник), который находится слева на схеме. Далее происходит переход уникальных единиц от источника к следующим событиям, которые будем считать на первом шаге целевыми действиями. Количество уникальных единиц, совершивших переход от источника к цели показано с помощью ширины канала (линии на диаграмме). Чем она шире, тем больше единиц переходит от источника к цели.
Диаграмму используют для отображения распределения потока на составные части, для отображения пропускной способности, эффективности процессов, распределения чего-либо (персонала, бюджета, кандидатов и пр).
К сожалению, готовых шаблонов в Excel, для построения диаграммы, нет. Можно или скачать плагин для Excel (например, такой или такой) или использовать BI-инструменты.
👍1
#исследования #парадокс_симпсона
⚡️Парадокс Симпсона - это явление в статистике, когда при наличии нескольких групп данных, в каждой из которых наблюдается одинаково направленная зависимость, при объединении этих групп направление зависимости меняется.
Что значит этот набор слов: предположим вы провели исследование взаимосвязи производительности и времени отдыха по компании в целом. Получили зависимость по графику (1). Производительность тем выше, чем меньше сотрудник отдыхает. Все логично — отдых вреден. Будем отпускать смену на минимально предусмотренный законом перерыв и снова в забой!
Но если мы сделаем тот же анализ не по компании в целом, а по отделам, с выделением производства, например, то увидим противоположный график (2-4). Производительность тем выше, чем больше человек отдыхает.
⚡️Как избежать возникновения таких парадоксов:
1. Разбивать массивы данных на группы или когорты (компании на отделы, сотрудников на группы и пр.)
2. Не делать общих выводов "по больнице" когда этого можно избежать.
⚡️Парадокс Симпсона - это явление в статистике, когда при наличии нескольких групп данных, в каждой из которых наблюдается одинаково направленная зависимость, при объединении этих групп направление зависимости меняется.
Что значит этот набор слов: предположим вы провели исследование взаимосвязи производительности и времени отдыха по компании в целом. Получили зависимость по графику (1). Производительность тем выше, чем меньше сотрудник отдыхает. Все логично — отдых вреден. Будем отпускать смену на минимально предусмотренный законом перерыв и снова в забой!
Но если мы сделаем тот же анализ не по компании в целом, а по отделам, с выделением производства, например, то увидим противоположный график (2-4). Производительность тем выше, чем больше человек отдыхает.
⚡️Как избежать возникновения таких парадоксов:
1. Разбивать массивы данных на группы или когорты (компании на отделы, сотрудников на группы и пр.)
2. Не делать общих выводов "по больнице" когда этого можно избежать.
👍2
#инструменты #SmartSheet
Excel – это основной инструмент работы с данными для HR-аналитика. Но что делать, если доступа к нему нет (стоимость, ограничения использования и пр.). Рассмотрим имеющиеся альтернативы:
⚡️ SmartSheet - это платное веб-приложение (то есть работа по сути идет в облаке) с возможностью работы с эл.таблицами. Отличительной особенностью приложения является широкий функционал для управления проектами (диаграмма Ганта, совместная работа и пр.). Есть русский язык.
⚡️ Установка: как таковая не нужна. Регистрируемся на сайте, оплачиваем подписку и работаем.
⚡️ Плюсы:
- Лаконичный и красивый интерфейс (любителям яблочных девайсов зайдет)
- Поддерживает совместную работу с файлами
- Полностью совместим с пакетом MS Office
- Имеет довольно широкий арсенал инструментов по управлению проектом в том числе по работе над проектом в составе команды
⚡️Минусы:
- Платный (от 9$ за пользователя, есть бесплатная триальная версия)
- Облачный (отнесу к минусам в части работы по обеспечению 152-ФЗ)
Excel – это основной инструмент работы с данными для HR-аналитика. Но что делать, если доступа к нему нет (стоимость, ограничения использования и пр.). Рассмотрим имеющиеся альтернативы:
⚡️ SmartSheet - это платное веб-приложение (то есть работа по сути идет в облаке) с возможностью работы с эл.таблицами. Отличительной особенностью приложения является широкий функционал для управления проектами (диаграмма Ганта, совместная работа и пр.). Есть русский язык.
⚡️ Установка: как таковая не нужна. Регистрируемся на сайте, оплачиваем подписку и работаем.
⚡️ Плюсы:
- Лаконичный и красивый интерфейс (любителям яблочных девайсов зайдет)
- Поддерживает совместную работу с файлами
- Полностью совместим с пакетом MS Office
- Имеет довольно широкий арсенал инструментов по управлению проектом в том числе по работе над проектом в составе команды
⚡️Минусы:
- Платный (от 9$ за пользователя, есть бесплатная триальная версия)
- Облачный (отнесу к минусам в части работы по обеспечению 152-ФЗ)
👍1