#статистика #t_test #Стьюдент #критерий_стьюдента
Часть 2
Пример расчета:
У нас есть две выборки по числу звонков сотрудников call-центра. Наша гипотеза в том, что сотрудник 2 делает больше звонков чем сотрудник 1. Проверим гипотезу
1: Рассчитаем показатели среднего арифметического значения (x); стандартное отклонение (SD); ошибку репрезентативности (RX) для каждой из выборок.
2: Рассчитаем t-критерий Стьюдента (t) по формуле: (x1-x2)/ √ (RX1² + RX2²)
3: Рассчитаем число степеней свободы (df) по формуле: (кол-во эл-тов выборке 1 + кол-во эл-тов в выборке 2) – 2.
4. имея t-критерий Стьюдента (2,59) и число степеней свободы (18), найдем значение ошибки (p) из таблицы
❗️Это значит, что с вероятностью 95% сотрудник 2 действительно делает больше звонков чем сотрудник 1. Гипотеза подтвердилась.
Часть 2
Пример расчета:
У нас есть две выборки по числу звонков сотрудников call-центра. Наша гипотеза в том, что сотрудник 2 делает больше звонков чем сотрудник 1. Проверим гипотезу
1: Рассчитаем показатели среднего арифметического значения (x); стандартное отклонение (SD); ошибку репрезентативности (RX) для каждой из выборок.
2: Рассчитаем t-критерий Стьюдента (t) по формуле: (x1-x2)/ √ (RX1² + RX2²)
3: Рассчитаем число степеней свободы (df) по формуле: (кол-во эл-тов выборке 1 + кол-во эл-тов в выборке 2) – 2.
4. имея t-критерий Стьюдента (2,59) и число степеней свободы (18), найдем значение ошибки (p) из таблицы
❗️Это значит, что с вероятностью 95% сотрудник 2 действительно делает больше звонков чем сотрудник 1. Гипотеза подтвердилась.
❤1
#Excel #МойОфис #Яндекс_Документы #LibreOffice #OpenOffice #инструменты
Собрал несколько альтернатив привычному Excel.
Их можно разделить на две категории: облачные, которые требуют постоянного подключения к сети и полноценное ПО, которое устанавливается и позволяет работать автономно.
К первой категории относятся два приложения от одной группы разработчиков: OpenOffice, LibreOffice. У обоих открытый код и сильное комьюнити. Первым был OpenOffice, но в какой-то момент часть команды начала разрабатывать другой проект - LibreOffice. Решения похожи, но поддержка LibreOffice продолжается до сих пор, а вот последнее обновление OpenOffice было в 2019 году.
Ко второй категории относится, в первую очередь, Google Таблицы, но с ним все понятно, и два решения от российских разработчиков: МойОфис, ЯндексДокументы. Как понятно оба продукта входят в реестр российского ПО. Продукты, если не учитывать специфики в интерфейсе, очень схожи.
Подробнее про решения:
OpenOffice
LibreOffice
МойОфис
Яндекс Документы: 360
Собрал несколько альтернатив привычному Excel.
Их можно разделить на две категории: облачные, которые требуют постоянного подключения к сети и полноценное ПО, которое устанавливается и позволяет работать автономно.
К первой категории относятся два приложения от одной группы разработчиков: OpenOffice, LibreOffice. У обоих открытый код и сильное комьюнити. Первым был OpenOffice, но в какой-то момент часть команды начала разрабатывать другой проект - LibreOffice. Решения похожи, но поддержка LibreOffice продолжается до сих пор, а вот последнее обновление OpenOffice было в 2019 году.
Ко второй категории относится, в первую очередь, Google Таблицы, но с ним все понятно, и два решения от российских разработчиков: МойОфис, ЯндексДокументы. Как понятно оба продукта входят в реестр российского ПО. Продукты, если не учитывать специфики в интерфейсе, очень схожи.
Подробнее про решения:
OpenOffice
LibreOffice
МойОфис
Яндекс Документы: 360
👍2
#визуализация #облако_тэгов
⚡️Облако слов (или тэгов) – это популярный элемент визуализации для отображения частоты упоминаний слов и выражений в массиве текста.
Для чего использовать:
если хотите показать самые часто упоминаемые слова. Например, в отзывах или в тексте. В таких случаях размер слова будет зависеть от того, насколько часто его использовали. Больше слово - чаще упоминали.
Как построить:
Оптимальным решением будет воспользоваться R или Python. Но, по понятным причинам, это доступно не всем.
Второй вариант – воспользоваться веб-сервисами.
Для этого будет необходимо сначала посчитать количество упоминаний слов в тексте. Сделать это можно либо встроенными средствами Excel, Word или опять же специальными сервисами, например, таким.
Теперь, когда у нас есть частотность упоминаний слов идем в этот сервис или в этот.
Там руками вписываем слова (топ 10, например), указываем частоту их упоминания и сервисы сами построят вам облако слов с возможностью их выгрузки к себе на компьютер бесплатно.
⚡️Облако слов (или тэгов) – это популярный элемент визуализации для отображения частоты упоминаний слов и выражений в массиве текста.
Для чего использовать:
если хотите показать самые часто упоминаемые слова. Например, в отзывах или в тексте. В таких случаях размер слова будет зависеть от того, насколько часто его использовали. Больше слово - чаще упоминали.
Как построить:
Оптимальным решением будет воспользоваться R или Python. Но, по понятным причинам, это доступно не всем.
Второй вариант – воспользоваться веб-сервисами.
Для этого будет необходимо сначала посчитать количество упоминаний слов в тексте. Сделать это можно либо встроенными средствами Excel, Word или опять же специальными сервисами, например, таким.
Теперь, когда у нас есть частотность упоминаний слов идем в этот сервис или в этот.
Там руками вписываем слова (топ 10, например), указываем частоту их упоминания и сервисы сами построят вам облако слов с возможностью их выгрузки к себе на компьютер бесплатно.
❤5😢1
#методы #корреляция #пирсон
⚡️Коэффициент корреляции Пирсона (p, Pearson correlation) предназначен для определения взаимосвязи между двумя переменными (или признаками объекта) в метрических шкалах.
Важно отметить, что корреляция показывает только ассоциацию, но не прямую закономерность между факторами.
Для чего используется:
для поиска взаимосвязи между несколькими характеристиками группы объектов. Например, связь стажа сотрудника и показателями его эффективности (штуки, деньги, тонны, км и пр).
В Excel этот вид корреляции легко рассчитывается с помощью функции =КОРРЕЛ(массив данных1; массив данных2).
Интерпретация:
Аналогично другим видам корреляции. Если коэф. корреляции больше 0,7 или меньше (-0,7) существует устойчивая связь между характеристиками (положительная или отрицательная).
Пример:
есть набор данных: стаж сотрудника (мес.) и кол-во звонков, которые он делает. Наша гипотеза - эти показатели связаны.
используем функцию и выясняем, что связь есть и отрицательная. Меньше стаж - больше звонков.
⚡️Коэффициент корреляции Пирсона (p, Pearson correlation) предназначен для определения взаимосвязи между двумя переменными (или признаками объекта) в метрических шкалах.
Важно отметить, что корреляция показывает только ассоциацию, но не прямую закономерность между факторами.
Для чего используется:
для поиска взаимосвязи между несколькими характеристиками группы объектов. Например, связь стажа сотрудника и показателями его эффективности (штуки, деньги, тонны, км и пр).
В Excel этот вид корреляции легко рассчитывается с помощью функции =КОРРЕЛ(массив данных1; массив данных2).
Интерпретация:
Аналогично другим видам корреляции. Если коэф. корреляции больше 0,7 или меньше (-0,7) существует устойчивая связь между характеристиками (положительная или отрицательная).
Пример:
есть набор данных: стаж сотрудника (мес.) и кол-во звонков, которые он делает. Наша гипотеза - эти показатели связаны.
используем функцию и выясняем, что связь есть и отрицательная. Меньше стаж - больше звонков.
#методы #регрессия
⚡️Линейная регрессия (linear regression) — метод прогнозирования, показывающий, как одна переменная изменяется в зависимости от другой.
Уравнение: y = a + b*x,
где y — зависимая переменная,
x — независимая переменная,
a, b — коэффициент, показывающий изменение y при увеличении x на единицу.
⚡️Как рассчитать:
В Excel, на вкладке анализ данных, можно воспользоваться функцией "Регрессия" или рассчитать по примеру ниже.
Пример: Есть данные по стажу сотрудников (в годах) и их производительности (в баллах).
Стаж: [1, 2, 3, 4]
Производительность: [60, 70, 80, 95]
Рассчитаем коэф. b и a:
Средние по: x̄ = 2.5, ȳ = 76.25.
Подставляем значения:
b = ( (1 - 2.5)(60 - 76.25) + ... + (4 - 2.5)(95 - 76.25) ) / Σ((x - x̄)²) ≈ 11.5.
a = 76.25 - 11.5 * 2.5 ≈ 47.
Итоговая модель: y = 47 + 11.5*x.
Прогноз: сотрудник со стажем 5 лет может показать производительность около 104 баллов.
❗️Важно: Линейная регрессия предполагает, что связь между переменными линейная и что ошибки распределены нормально.
⚡️Линейная регрессия (linear regression) — метод прогнозирования, показывающий, как одна переменная изменяется в зависимости от другой.
Уравнение: y = a + b*x,
где y — зависимая переменная,
x — независимая переменная,
a, b — коэффициент, показывающий изменение y при увеличении x на единицу.
⚡️Как рассчитать:
В Excel, на вкладке анализ данных, можно воспользоваться функцией "Регрессия" или рассчитать по примеру ниже.
Пример: Есть данные по стажу сотрудников (в годах) и их производительности (в баллах).
Стаж: [1, 2, 3, 4]
Производительность: [60, 70, 80, 95]
Рассчитаем коэф. b и a:
Средние по: x̄ = 2.5, ȳ = 76.25.
Подставляем значения:
b = ( (1 - 2.5)(60 - 76.25) + ... + (4 - 2.5)(95 - 76.25) ) / Σ((x - x̄)²) ≈ 11.5.
a = 76.25 - 11.5 * 2.5 ≈ 47.
Итоговая модель: y = 47 + 11.5*x.
Прогноз: сотрудник со стажем 5 лет может показать производительность около 104 баллов.
❗️Важно: Линейная регрессия предполагает, что связь между переменными линейная и что ошибки распределены нормально.
👍3
#методы #td #9_box_grid
⚡️ Матрица потенциала (9-box grid) — это модель для оценки потенциала и продуктивности сотрудников. Модель состоит из матрицы 3x3, где одна ось отражает текущую продуктивность, а другая — потенциал сотрудника.
Квадраты:
9: все круто. The best in class.
8, 6: HiPo. Тянем в квадрат 9. Обучаем, развиваем.
5, 3, 2: основа компании, даем возможность работать и обучаем.
4: вправляем мозги и тащим в 5.
1: кандидаты на выход.
Критерий отнесения - результат оценки эффективности за отчетный период.
Возможное использование: Допустим, сотрудник показывает высокие результаты, но его потенциал не слишком высок — возможно, его стоит поощрять к горизонтальному росту, а не к лидерству.
Мнение автора: отношусь со скепсисом как и к любой методологии отнесения человека к какому-то умозрительному типу или классу (привет соционике). С другой стороны, даже такая система в работе с потенциалом сотрудников лучше чем никакой.
⚡️ Матрица потенциала (9-box grid) — это модель для оценки потенциала и продуктивности сотрудников. Модель состоит из матрицы 3x3, где одна ось отражает текущую продуктивность, а другая — потенциал сотрудника.
Квадраты:
9: все круто. The best in class.
8, 6: HiPo. Тянем в квадрат 9. Обучаем, развиваем.
5, 3, 2: основа компании, даем возможность работать и обучаем.
4: вправляем мозги и тащим в 5.
1: кандидаты на выход.
Критерий отнесения - результат оценки эффективности за отчетный период.
Возможное использование: Допустим, сотрудник показывает высокие результаты, но его потенциал не слишком высок — возможно, его стоит поощрять к горизонтальному росту, а не к лидерству.
Мнение автора: отношусь со скепсисом как и к любой методологии отнесения человека к какому-то умозрительному типу или классу (привет соционике). С другой стороны, даже такая система в работе с потенциалом сотрудников лучше чем никакой.
🤔3
#метрики #time_per_task
⚡️ Время на задачу (Time per task) помогает понять, сколько времени в среднем тратится на выполнение задачи определенного типа. Она полезна для выявления узких мест в рабочих процессах и выявления задач нуждающихся в декомпозиции.
Пример: Два сотрудника колл-центра делают звонки по скрипту. Один делает 25 звонков за 8 часов, второй 30 звонков за 8 часов. TPT первого: 0,32 часа на задачу, второго: 0,26 часа на задачу.
⚡️Как использовать:
Сравнение между сотрудниками. Сравнив TPT по одним и тем же задачам, можно определить, кто справляется быстрее и найти лучшие практики.
Отслеживание трендов. Сравнивая TPT по времени, можно увидеть изменения после T&D активностей
Анализ распределения времени. Если TPT для разных типов задач сильно варьируется, это может сигнализировать о перегрузке определенными задачами.
⚡️ Время на задачу (Time per task) помогает понять, сколько времени в среднем тратится на выполнение задачи определенного типа. Она полезна для выявления узких мест в рабочих процессах и выявления задач нуждающихся в декомпозиции.
Пример: Два сотрудника колл-центра делают звонки по скрипту. Один делает 25 звонков за 8 часов, второй 30 звонков за 8 часов. TPT первого: 0,32 часа на задачу, второго: 0,26 часа на задачу.
⚡️Как использовать:
Сравнение между сотрудниками. Сравнив TPT по одним и тем же задачам, можно определить, кто справляется быстрее и найти лучшие практики.
Отслеживание трендов. Сравнивая TPT по времени, можно увидеть изменения после T&D активностей
Анализ распределения времени. Если TPT для разных типов задач сильно варьируется, это может сигнализировать о перегрузке определенными задачами.
👍3❤1
#метрики #удовлетворенность #ESI
⚡️ Индекс удовлетворенности сотрудников (Employee Satisfaction Index, ESI — индикатор для оценки удовлетворенности сотрудников как альтернатива eNPS.
⚡️Методология: Сотрудники отвечают на 3 вопроса по 10 балльной шкале:
1. Насколько вы удовлетворены своей работой?
2. Насколько работа соответствует вашим ожиданиям?
3. Насколько работа удовлетворяет ваши потребности?
Вопросы могут отличаться, на самом деле, вплоть до своих собственных, но эти три считаются базовыми.
Далее происходит расчет по формуле выше (выглядит заморочено, но ничего сложного) и интерпретация результата:
>75% — высокий уровень удовлетворенности.
50–74% — средний уровень, процессы нуждаются в минорных изменениях.
<50% — низкий уровень удовлетворенности, требуются изменения в процессе.
Есть альтернативная формула ESI, она попроще и тяготеет к более высоким значениям: (ср.знач по всем вопросам/ 3) * 100%
На практике встречал оба варианта.
Лучше ли это традиционного eNPS? Пожалуй, нет, но не хуже точно.
⚡️ Индекс удовлетворенности сотрудников (Employee Satisfaction Index, ESI — индикатор для оценки удовлетворенности сотрудников как альтернатива eNPS.
⚡️Методология: Сотрудники отвечают на 3 вопроса по 10 балльной шкале:
1. Насколько вы удовлетворены своей работой?
2. Насколько работа соответствует вашим ожиданиям?
3. Насколько работа удовлетворяет ваши потребности?
Вопросы могут отличаться, на самом деле, вплоть до своих собственных, но эти три считаются базовыми.
Далее происходит расчет по формуле выше (выглядит заморочено, но ничего сложного) и интерпретация результата:
>75% — высокий уровень удовлетворенности.
50–74% — средний уровень, процессы нуждаются в минорных изменениях.
<50% — низкий уровень удовлетворенности, требуются изменения в процессе.
Есть альтернативная формула ESI, она попроще и тяготеет к более высоким значениям: (ср.знач по всем вопросам/ 3) * 100%
На практике встречал оба варианта.
Лучше ли это традиционного eNPS? Пожалуй, нет, но не хуже точно.
👍4
#инструменты #BI #saas #polymersearch #polymer
⚡️ Polymer Search — облачная BI платформа с элементами ИИ для быстрого анализа и подготовки дашбордов.
Ключевое слово здесь - быстрого.
Без опыта работы с площадкой вполне реально с нуля за 20 минут сделать простенький, но вполне функциональный и симпатичный дашборд. Удобный и интуитивно понятный интерфейс, заранее подготовленные меры, много типов визуализации, словом, все что нужно и ничего лишнего.
А можно воспользоваться функцией автоматического построения дашборда. В этом случае система сама построит дашборд на основе подгруженных данных и вам останется только посмотреть насколько выбранные шкалы и форматы адекватны вашим задачам.
Использую его когда нужно собрать макет дашборда или построить что-то очень быстро, например для урока. Лучше пока не нашел для таких задач.
Недостаток у системы один - она платная. Есть недельный бесплатный период, но потом придется платить 25$ в месяц.
Попробовать бесплатную версию стоит точно, а дальше уже как пойдет.
⚡️ Polymer Search — облачная BI платформа с элементами ИИ для быстрого анализа и подготовки дашбордов.
Ключевое слово здесь - быстрого.
Без опыта работы с площадкой вполне реально с нуля за 20 минут сделать простенький, но вполне функциональный и симпатичный дашборд. Удобный и интуитивно понятный интерфейс, заранее подготовленные меры, много типов визуализации, словом, все что нужно и ничего лишнего.
А можно воспользоваться функцией автоматического построения дашборда. В этом случае система сама построит дашборд на основе подгруженных данных и вам останется только посмотреть насколько выбранные шкалы и форматы адекватны вашим задачам.
Использую его когда нужно собрать макет дашборда или построить что-то очень быстро, например для урока. Лучше пока не нашел для таких задач.
Недостаток у системы один - она платная. Есть недельный бесплатный период, но потом придется платить 25$ в месяц.
Попробовать бесплатную версию стоит точно, а дальше уже как пойдет.
👍2
#методы #пульс_опросы
⚡️ Пульс-опросы — это метод количественных исследований персонала компании. Их главная особенность — лаконичность и частота проведения. Они дают срез отношения персонала к какой-то ситуации в моменте.
❗️Как это работает:
Опросы проводятся еженедельно или ежемесячно на протяжении какого-то периода времени ( 1-6 мес).
Обычно это до 5 вопросов на одну тему с готовыми вариантами ответов (или шкала оценки или условные: "плохо-нейтрально-хорошо".
Все прохождение не должно занимать больше пары минут. Опрос анонимный
❗️Для чего применять:
чтобы получить срез отношения (и динамику изменения отношения) команды к процессам или событиям в компании растянутым по времени. Например, замерять уровень стресса сотрудников в период оптимизации.
Некоторые компании мерят так вовлеченность и прочие комплексные состояния, но я отношусь к этому скептически, так как они не дают качественного анализа.
Инструменты: Google Forms, пульсопрос, ispring и пр. но можно составить самостоятельно, это не сложно.
⚡️ Пульс-опросы — это метод количественных исследований персонала компании. Их главная особенность — лаконичность и частота проведения. Они дают срез отношения персонала к какой-то ситуации в моменте.
❗️Как это работает:
Опросы проводятся еженедельно или ежемесячно на протяжении какого-то периода времени ( 1-6 мес).
Обычно это до 5 вопросов на одну тему с готовыми вариантами ответов (или шкала оценки или условные: "плохо-нейтрально-хорошо".
Все прохождение не должно занимать больше пары минут. Опрос анонимный
❗️Для чего применять:
чтобы получить срез отношения (и динамику изменения отношения) команды к процессам или событиям в компании растянутым по времени. Например, замерять уровень стресса сотрудников в период оптимизации.
Некоторые компании мерят так вовлеченность и прочие комплексные состояния, но я отношусь к этому скептически, так как они не дают качественного анализа.
Инструменты: Google Forms, пульсопрос, ispring и пр. но можно составить самостоятельно, это не сложно.
👍2
#методы #каплан_мейер #survival_analysis
⚡️Анализ выживаемости (Survival Analysis) - это статистический метод исследования времени, которое проходит до наступления какого-то конечного состояния: увольнения, поломки и пр.
Метод пришел к нам из медицинских исследований и там служил для определения вероятности смерти пациентов на разных стадиях лечения и длительности их жизни, но сейчас этот метод довольно широко используется и в других индустриях, в том числе, например, для определения длительности "жизни" сотрудника в компании.
Большое преимущество метода в том, что он позволяет анализировать длительность "жизни" сотрудника исходя из его уникальных характеристик. Например, источника найма, пола, стажа, возраста и пр.
На практике чаще всего такой метод применяют на базе Python и R, но при относительно небольших объемах данных его можно строить и в Excel.
Вот здесь я пишу об этом более подробно. А если интересно почитать про то, как реализовать это на Python, то посмотрите здесь и здесь.
⚡️Анализ выживаемости (Survival Analysis) - это статистический метод исследования времени, которое проходит до наступления какого-то конечного состояния: увольнения, поломки и пр.
Метод пришел к нам из медицинских исследований и там служил для определения вероятности смерти пациентов на разных стадиях лечения и длительности их жизни, но сейчас этот метод довольно широко используется и в других индустриях, в том числе, например, для определения длительности "жизни" сотрудника в компании.
Большое преимущество метода в том, что он позволяет анализировать длительность "жизни" сотрудника исходя из его уникальных характеристик. Например, источника найма, пола, стажа, возраста и пр.
На практике чаще всего такой метод применяют на базе Python и R, но при относительно небольших объемах данных его можно строить и в Excel.
Вот здесь я пишу об этом более подробно. А если интересно почитать про то, как реализовать это на Python, то посмотрите здесь и здесь.
❤5👍2
#визуализация #Restorff
⚡️Эффект фон Ресторфа (Von Restorff effect) или эффект изоляции - это особенность памяти, когда объект, выделяющийся из ряда сходных однородных объектов, запоминается лучше других.
Суть его в том, что расположив ряд чисел (слов или объектов) и сделав одно из них отличным от прочих (другой размер, цвет, шрифт), вы добьетесь того, что именно это число отложится в памяти у людей и скорей всего именно его они и запомнят.
Справедливо и обратное: остальные числа в ряду вряд ли запомнят, так как основное внимание будет на выделенном числе.
Этот достаточно простой принцип широко используется в маркетинге, рекламе, в обучение и, конечно, в графическом дизайне.
Если хотите заострить внимание на каком-то элементе - выделите его их общего ряда.
⚡️Эффект фон Ресторфа (Von Restorff effect) или эффект изоляции - это особенность памяти, когда объект, выделяющийся из ряда сходных однородных объектов, запоминается лучше других.
Суть его в том, что расположив ряд чисел (слов или объектов) и сделав одно из них отличным от прочих (другой размер, цвет, шрифт), вы добьетесь того, что именно это число отложится в памяти у людей и скорей всего именно его они и запомнят.
Справедливо и обратное: остальные числа в ряду вряд ли запомнят, так как основное внимание будет на выделенном числе.
Этот достаточно простой принцип широко используется в маркетинге, рекламе, в обучение и, конечно, в графическом дизайне.
Если хотите заострить внимание на каком-то элементе - выделите его их общего ряда.
👍5❤2
#методы #кривая_лоренца
⚡️ Кривая Лоренца — способ визуализации неравенства. В HR её можно использовать для анализа справедливости распределения зарплат, бонусов и прочих количественных величин.
Если в компании равномерное распределение зарплат, то вы увидите линию абсолютного равенства (оранжевая линия). Чем дальше кривая от диагонали, тем выше уровень неравенства.
🔸 Как построить кривую:
1. Упорядочить данные (например, зарплаты) от минимального к максимальному.
2. Рассчитать долю накопленной суммы зарплат
=СУММ(D$11:D11)/СУММ($D$11:$D$15) для первой ячейки
3. Рассчитать долю накопленной численности сотрудников (ось Х)
=СЧЁТ(D$11:D11)/СЧЁТ(D$11:D$15) для первой ячейки
4. Добавить первую нулевую строку и последнюю строку (как на скрине) для корректной визуализации.
5. Построить график: ось X — доля сотрудников, ось Y — доля зарплат.
На основании Кривой Лоренца можно рассчитать коэффициент Джини. Об этом в следующем посте.
⚡️ Кривая Лоренца — способ визуализации неравенства. В HR её можно использовать для анализа справедливости распределения зарплат, бонусов и прочих количественных величин.
Если в компании равномерное распределение зарплат, то вы увидите линию абсолютного равенства (оранжевая линия). Чем дальше кривая от диагонали, тем выше уровень неравенства.
🔸 Как построить кривую:
1. Упорядочить данные (например, зарплаты) от минимального к максимальному.
2. Рассчитать долю накопленной суммы зарплат
=СУММ(D$11:D11)/СУММ($D$11:$D$15) для первой ячейки
3. Рассчитать долю накопленной численности сотрудников (ось Х)
=СЧЁТ(D$11:D11)/СЧЁТ(D$11:D$15) для первой ячейки
4. Добавить первую нулевую строку и последнюю строку (как на скрине) для корректной визуализации.
5. Построить график: ось X — доля сотрудников, ось Y — доля зарплат.
На основании Кривой Лоренца можно рассчитать коэффициент Джини. Об этом в следующем посте.
👍4❤2
#методы #коэффициент_джини #Gini
⚡️ Коэффициент Джини (G, Gini index) — метод для оценки неравенства в распределении ресурсов. Продолжение работы с кривой Лоренца.
Показатель, который варьируется от 0 до 1, где 0 - абсолютное равенство, а 1 - абсолютное неравенство (все доходы у одного сотрудника).
Чем дальше кривая Лоренца от абсолютного равенства, тем более ярко выраженное неравенство.
🔸 Пример:
1. Зарплаты из прошлого примера: 10,000, 50,000, 60,000, 90,000, 150,000
2. Накопленные доли сотрудников уже посчитаны: 0.2, 0.4, 0.6, 0.8, 1.
3. Накопленные доли дохода: 0.027, 0.166, 0.333, 0.583, 1.
4. Рассчитываем площадь под кривой Лоренца: 0.5 * (0.0055 + 0.038 + 0.1 + 0.183 + 0.316)=0.322
5. Рассчитываем G: 1−2 * 0.322 = 0.35
Коэффициент 0.35 говорит о наличии умеренного неравенства в доходах
⚡️ Коэффициент Джини (G, Gini index) — метод для оценки неравенства в распределении ресурсов. Продолжение работы с кривой Лоренца.
Показатель, который варьируется от 0 до 1, где 0 - абсолютное равенство, а 1 - абсолютное неравенство (все доходы у одного сотрудника).
Чем дальше кривая Лоренца от абсолютного равенства, тем более ярко выраженное неравенство.
🔸 Пример:
1. Зарплаты из прошлого примера: 10,000, 50,000, 60,000, 90,000, 150,000
2. Накопленные доли сотрудников уже посчитаны: 0.2, 0.4, 0.6, 0.8, 1.
3. Накопленные доли дохода: 0.027, 0.166, 0.333, 0.583, 1.
4. Рассчитываем площадь под кривой Лоренца: 0.5 * (0.0055 + 0.038 + 0.1 + 0.183 + 0.316)=0.322
5. Рассчитываем G: 1−2 * 0.322 = 0.35
Коэффициент 0.35 говорит о наличии умеренного неравенства в доходах
❤3
#методы #диверсификация #HHI
⚡️ Индекс Херфиндаля-Хиршмана (Herfindahl-Hirschman Index, HHI) — метод определения степени концентрации рынка. В HR-аналитике HHI помогает анализировать равномерность распределения сотрудников по категориям (например, функциям, возрасту или стажу и пр).
🔸 Формула HHI:
HHI = Σ (Si)^2, где:
Si — доля группы в общем объеме, выраженная в долях от 1.
🔸 Интерпретация HHI:
0-0.15: высокая диверсификация (равномерное распределение).
0.15-0.25: умеренная концентрация.
>0.25: высокая концентрация (доминирование одной группы).
⚡️ Пример:
Исходные данные на скрине.
HHI = (0.2)^2 + (0.1)^2 + (0.6)^2 + (0.05)^2 + (0.05)^2 = 0.415
HHI = 0.415 говорит о высокой концентрации.
Обычно дисбаланс хорошо заметен и на уровне расчета доли, в этом смысле HHI помогает лишь аргументировать наличие такого дисбаланса, опираясь на официальные метрики.
⚡️ Индекс Херфиндаля-Хиршмана (Herfindahl-Hirschman Index, HHI) — метод определения степени концентрации рынка. В HR-аналитике HHI помогает анализировать равномерность распределения сотрудников по категориям (например, функциям, возрасту или стажу и пр).
🔸 Формула HHI:
HHI = Σ (Si)^2, где:
Si — доля группы в общем объеме, выраженная в долях от 1.
🔸 Интерпретация HHI:
0-0.15: высокая диверсификация (равномерное распределение).
0.15-0.25: умеренная концентрация.
>0.25: высокая концентрация (доминирование одной группы).
⚡️ Пример:
Исходные данные на скрине.
HHI = (0.2)^2 + (0.1)^2 + (0.6)^2 + (0.05)^2 + (0.05)^2 = 0.415
HHI = 0.415 говорит о высокой концентрации.
Обычно дисбаланс хорошо заметен и на уровне расчета доли, в этом смысле HHI помогает лишь аргументировать наличие такого дисбаланса, опираясь на официальные метрики.
👍4
#метрики #шухарт
⚡️Карты Шухарта — статистический инструмент контроля качества, который можно применять в HR для мониторинга стабильности процессов и развития показателей.
Карты Шухарта помогают отслеживать, находятся ли данные в допустимых границах или выходят за пределы.
🔸 Основные элементы:
Средняя линия (CL): Среднее значение метрики.
Верхняя контрольная граница (UCL): CL + 3*σ
Нижняя контрольная граница (LCL): CL - 3*σ, где
σ - это стандартное отклонение
🔸 Пример:
Анализируем ежемесячный уровень текучести:
Средний уровень текучести: 5%
Стандартное отклонение: 1%
CL = 5%
UCL = 5% + 3*1% = 8%
LCL = 5% - 3*1% = 2%
Границы диапазона 2-8%, показатели выходящие за рамки диапазона - это сигнал о том, что что-то не в порядке и требуется принимать меры.
⚡️Карты Шухарта — статистический инструмент контроля качества, который можно применять в HR для мониторинга стабильности процессов и развития показателей.
Карты Шухарта помогают отслеживать, находятся ли данные в допустимых границах или выходят за пределы.
🔸 Основные элементы:
Средняя линия (CL): Среднее значение метрики.
Верхняя контрольная граница (UCL): CL + 3*σ
Нижняя контрольная граница (LCL): CL - 3*σ, где
σ - это стандартное отклонение
🔸 Пример:
Анализируем ежемесячный уровень текучести:
Средний уровень текучести: 5%
Стандартное отклонение: 1%
CL = 5%
UCL = 5% + 3*1% = 8%
LCL = 5% - 3*1% = 2%
Границы диапазона 2-8%, показатели выходящие за рамки диапазона - это сигнал о том, что что-то не в порядке и требуется принимать меры.
👍4
#прочее
Коллеги ищут специалиста для проведения занятий по программе дополнительного профессионального образования (ДПО) в области HR-аналитики. Если вам это интересно, у вас есть опыт работы в HR-аналитике, а также вы уверенно владеете SQL и BI-инструментами, пожалуйста, свяжитесь со мной (https://t.me/evgenykiriek). Буду рад передать ваши контакты.
Коллеги ищут специалиста для проведения занятий по программе дополнительного профессионального образования (ДПО) в области HR-аналитики. Если вам это интересно, у вас есть опыт работы в HR-аналитике, а также вы уверенно владеете SQL и BI-инструментами, пожалуйста, свяжитесь со мной (https://t.me/evgenykiriek). Буду рад передать ваши контакты.
Telegram
Eugene Kiriek
https://t.me/analytics_hr
#статистика #итоги_года #Россия
⚡️Итоги 2024 года в области демографии и рынка труда.
Все цифры взяты с портала Росстата с округлением вверх до десятых.
Без выводов, только цифры и тренды.
❕Общая численность населения РФ: 146,1M человек
Женщин: 78,2М (53%), Мужчин: 67,9 (47%)
Средний возраст населения: 40,9 лет
Женщин: 43,2 года, Мужчин: 38,3 года
В разбивке по возрастам на скрине выше
❕Общая численность трудоспособного населения (от 15 до 75 лет): 76,3М человек (52% об общей численности)
Число зарегистрированных родившихся на 1к человек: 33,2 человека (2023 – 94,6 человек; 2022 – 97,9 человек)
❕Общие тренды:
1. Общая численность населения снижается;
2. Доля трудоспособного населения к общей численности снижается;
3. Средний возраст населения растет (население стареет);
4. Индекс рождаемости снижается.
⚡️Итоги 2024 года в области демографии и рынка труда.
Все цифры взяты с портала Росстата с округлением вверх до десятых.
Без выводов, только цифры и тренды.
❕Общая численность населения РФ: 146,1M человек
Женщин: 78,2М (53%), Мужчин: 67,9 (47%)
Средний возраст населения: 40,9 лет
Женщин: 43,2 года, Мужчин: 38,3 года
В разбивке по возрастам на скрине выше
❕Общая численность трудоспособного населения (от 15 до 75 лет): 76,3М человек (52% об общей численности)
Число зарегистрированных родившихся на 1к человек: 33,2 человека (2023 – 94,6 человек; 2022 – 97,9 человек)
❕Общие тренды:
1. Общая численность населения снижается;
2. Доля трудоспособного населения к общей численности снижается;
3. Средний возраст населения растет (население стареет);
4. Индекс рождаемости снижается.
👍1🤔1
#статистика #итоги_года #Россия
⚡️Итоги 2024 года в области демографии и рынка труда (ч.2).
Все цифры взяты с портала Росстата с округлением вверх до десятых.
Без выводов, только цифры и тренды.
❕Средне-номинальная з/п на 09.2024: 84,300 рублей
Топ 3 средних зп по регионам:
Чукотский автономный округ – 170,017 руб.
Москва – 145,741 руб.
Сахалинская область – 123,349 руб.
По некоторым видам эконом. деятельности на 08.12 на скрине.
❕Уровень безработицы на 12.2024: 3,2% (рекордно низкая безработица за последние 24 года)
❕Общие тренды:
1. Уровень безработицы рекордно низкий, в экономике наблюдается значительная нехватка рабочей силы;
2. Уровень заработной платы растет;
3. Уровень мобильности рабочей силы растет.
⚡️Итоги 2024 года в области демографии и рынка труда (ч.2).
Все цифры взяты с портала Росстата с округлением вверх до десятых.
Без выводов, только цифры и тренды.
❕Средне-номинальная з/п на 09.2024: 84,300 рублей
Топ 3 средних зп по регионам:
Чукотский автономный округ – 170,017 руб.
Москва – 145,741 руб.
Сахалинская область – 123,349 руб.
По некоторым видам эконом. деятельности на 08.12 на скрине.
❕Уровень безработицы на 12.2024: 3,2% (рекордно низкая безработица за последние 24 года)
❕Общие тренды:
1. Уровень безработицы рекордно низкий, в экономике наблюдается значительная нехватка рабочей силы;
2. Уровень заработной платы растет;
3. Уровень мобильности рабочей силы растет.
❤2👍1
#визуализация #тепловые_карты #excel
⚡️ Тепловые карты (heatmap) — это удобный инструмент для анализа данных, выявления пиков и аномалий в их распределении.
Этот инструмент можно использовать, например, чтобы посмотреть распределение отпусков и больничных по году.
❕Построение тепловой карты в Excel:
Выделите таблицу с данными.
Перейдите в меню: Главная → Условное форматирование → Шкала градиента.
Выберите шкалу с двумя цветами (например, светлый для низких значений и темный для высоких).
По желанию настройте цвета вручную:
Зеленый — низкие значения (мало отсутствий).
Красный — высокие значения (пики отсутствий).
После этого ячейки автоматически окрасятся в зависимости от значений.
❕Анализ данных:
Темные зоны указывают на проблемные периоды, например, пик больничных.
Светлые зоны отражают периоды, когда отсутствий меньше.
❕Практическое использование:
Перераспределение отпусков
Введение профилактических мер в периоды высокой заболеваемости;
Составление производственного плата с учетом тепловых карт.
⚡️ Тепловые карты (heatmap) — это удобный инструмент для анализа данных, выявления пиков и аномалий в их распределении.
Этот инструмент можно использовать, например, чтобы посмотреть распределение отпусков и больничных по году.
❕Построение тепловой карты в Excel:
Выделите таблицу с данными.
Перейдите в меню: Главная → Условное форматирование → Шкала градиента.
Выберите шкалу с двумя цветами (например, светлый для низких значений и темный для высоких).
По желанию настройте цвета вручную:
Зеленый — низкие значения (мало отсутствий).
Красный — высокие значения (пики отсутствий).
После этого ячейки автоматически окрасятся в зависимости от значений.
❕Анализ данных:
Темные зоны указывают на проблемные периоды, например, пик больничных.
Светлые зоны отражают периоды, когда отсутствий меньше.
❕Практическое использование:
Перераспределение отпусков
Введение профилактических мер в периоды высокой заболеваемости;
Составление производственного плата с учетом тепловых карт.
❤2
#личное
Дорогие коллеги,
поздравляю вас с наступающими праздниками! 2024 год точно не был простым, по крайней мере в нашей с вами HR-сфере, и, откровенно говоря, не думаю, что 2025 станет легче.
Пожелаю нам с вами не терять веру в себя и продолжать наше дело, ведь если мы кому-то делаем хорошо и полезно, значит, это всё не бессмысленно. 😊
На следующий год я запланировал несколько бесплатных образовательных проектов в области C&B, LLM и HR-анализа, которые надеюсь реализовать вместе с коллегами. Как только они будут готовы, я сообщу. Надеюсь, получится интересно
С наступающими праздниками! 🎉
И ссылка на список тэгов
Дорогие коллеги,
поздравляю вас с наступающими праздниками! 2024 год точно не был простым, по крайней мере в нашей с вами HR-сфере, и, откровенно говоря, не думаю, что 2025 станет легче.
Пожелаю нам с вами не терять веру в себя и продолжать наше дело, ведь если мы кому-то делаем хорошо и полезно, значит, это всё не бессмысленно. 😊
На следующий год я запланировал несколько бесплатных образовательных проектов в области C&B, LLM и HR-анализа, которые надеюсь реализовать вместе с коллегами. Как только они будут готовы, я сообщу. Надеюсь, получится интересно
С наступающими праздниками! 🎉
И ссылка на список тэгов
❤17