#основы #бенчмарки
⚡️ Бенчмарк – это эталонное значение какого-либо показателя или метрики, которое считается «нормальным», средним значением по рынку, отрасли, индустрии и т.д.
Как понять, что уровень текучести в вашей компании, например, 10% — это много или мало? Для этого нужно сравнить его с бенчмарком. Если у конкурентов текучесть составляет 20%, а у вас — 10%, то очевидно, что текучесть в вашей компании ниже.
Однако «нормальность» многих метрик варьируется в зависимости от индустрии, региона и других факторов. Так, текучесть на уровне 50% в розничной торговле считается приемлемой, в то время как для ИТ-компаний это высокий уровень.
Поэтому следует помнить основные правила использования бенчмарков:
❕Бенчмарк должен соответствовать индустрии вашей компании.
❕Бенчмарк должен учитывать регион, в котором работает ваш бизнес.
❕Бенчмарк должен быть актуальным на текущую дату.
❕Динамика изменения показателя важнее, чем простое соответствие бенчмарку.
⚡️ Бенчмарк – это эталонное значение какого-либо показателя или метрики, которое считается «нормальным», средним значением по рынку, отрасли, индустрии и т.д.
Как понять, что уровень текучести в вашей компании, например, 10% — это много или мало? Для этого нужно сравнить его с бенчмарком. Если у конкурентов текучесть составляет 20%, а у вас — 10%, то очевидно, что текучесть в вашей компании ниже.
Однако «нормальность» многих метрик варьируется в зависимости от индустрии, региона и других факторов. Так, текучесть на уровне 50% в розничной торговле считается приемлемой, в то время как для ИТ-компаний это высокий уровень.
Поэтому следует помнить основные правила использования бенчмарков:
❕Бенчмарк должен соответствовать индустрии вашей компании.
❕Бенчмарк должен учитывать регион, в котором работает ваш бизнес.
❕Бенчмарк должен быть актуальным на текущую дату.
❕Динамика изменения показателя важнее, чем простое соответствие бенчмарку.
👍5
#основы
При проведении исследований HR-процессов и состояний важно точно определить объекты, которые будут участвовать в этом процессе. Это могут быть все объекты (например, все сотрудники компании) или только их часть (например, отдельные представители различных отделов).
⚡️ Генеральная совокупность — это все объекты, по которым предполагается проводить исследование или анализ.
⚡️ Выборка — это часть генеральной совокупности, обладающая ее характеристиками. Другими словами, это типичная часть целого, анализируя которую, можно делать достаточно достоверные выводы о генеральной совокупности. Например, по группе сотрудников из разных отделов можно делать определенные предположения относительно всех сотрудников компании.
Понятия выборки и генеральной совокупности важны не только для правильной интерпретации результатов, но и влияют на формулы расчетов некоторых статистических показателей.
При проведении исследований HR-процессов и состояний важно точно определить объекты, которые будут участвовать в этом процессе. Это могут быть все объекты (например, все сотрудники компании) или только их часть (например, отдельные представители различных отделов).
⚡️ Генеральная совокупность — это все объекты, по которым предполагается проводить исследование или анализ.
⚡️ Выборка — это часть генеральной совокупности, обладающая ее характеристиками. Другими словами, это типичная часть целого, анализируя которую, можно делать достаточно достоверные выводы о генеральной совокупности. Например, по группе сотрудников из разных отделов можно делать определенные предположения относительно всех сотрудников компании.
Понятия выборки и генеральной совокупности важны не только для правильной интерпретации результатов, но и влияют на формулы расчетов некоторых статистических показателей.
👍2
#основы #размах
Говоря об использовании средних значений в HR-аналитике, важно упомянуть оценку их разнообразия. Одним из самых простых и интуитивно понятных методов измерения такой вариабельности является размах числового ряда. Хотя этот показатель может показаться примитивным, он даёт четкое представление о том, насколько данные однородны, что позволяет быстро сделать выводы о состоянии данных в выборке.
Размах (R) — это разница между максимальным и минимальным значением наблюдений. Он позволяет быстро оценить, насколько широко распределены данные. Большой размах может указывать на значительное разнообразие, тогда как маленький размах говорит об их однородности.
⚡️ Пример: В нашей выборке 100 наблюдений заработных плат сотрудников. Самая низкая зарплата — 100 рублей, а самая высокая — 200 рублей. Размах, то есть разница между наименьшим и наибольшим значением, составит 100 рублей.
Говоря об использовании средних значений в HR-аналитике, важно упомянуть оценку их разнообразия. Одним из самых простых и интуитивно понятных методов измерения такой вариабельности является размах числового ряда. Хотя этот показатель может показаться примитивным, он даёт четкое представление о том, насколько данные однородны, что позволяет быстро сделать выводы о состоянии данных в выборке.
Размах (R) — это разница между максимальным и минимальным значением наблюдений. Он позволяет быстро оценить, насколько широко распределены данные. Большой размах может указывать на значительное разнообразие, тогда как маленький размах говорит об их однородности.
⚡️ Пример: В нашей выборке 100 наблюдений заработных плат сотрудников. Самая низкая зарплата — 100 рублей, а самая высокая — 200 рублей. Размах, то есть разница между наименьшим и наибольшим значением, составит 100 рублей.
👍2
#инструменты #SPSS
Знакомимся с техническими инструментами, используемыми в HR-аналитике.
📊 SPSS (Statistical Package for the Social Sciences) - один из классических инструментов статистического анализа. Это аналитический софт от IBM, изначально созданный для научных исследований, но активно применяемый и в бизнес-среде, включая HR-аналитику.
🔹 Плюсы:
— Огромный функционал для количественного анализа,
— Широкие возможности регрессий, кластерного анализа, факторного анализа,
— Интуитивные визуализации,
— Поддержка импортов Excel, CSV, SQL и интеграция с Python.
🔹 Минусы:
— Высокие требования к пониманию статистики,
— Интерфейс может быть перегружен для новичков,
— Проприетарность и цена.
🔹 Когда использовать:
SPSS — не обязательный, но крайне полезный инструмент для продвинутых HR-аналитиков, работающих с опросами, вовлечённостью, предиктивными моделями или когортным анализом. Особенно полезен при необходимости точного статистического вывода и проверки гипотез.
Знакомимся с техническими инструментами, используемыми в HR-аналитике.
📊 SPSS (Statistical Package for the Social Sciences) - один из классических инструментов статистического анализа. Это аналитический софт от IBM, изначально созданный для научных исследований, но активно применяемый и в бизнес-среде, включая HR-аналитику.
🔹 Плюсы:
— Огромный функционал для количественного анализа,
— Широкие возможности регрессий, кластерного анализа, факторного анализа,
— Интуитивные визуализации,
— Поддержка импортов Excel, CSV, SQL и интеграция с Python.
🔹 Минусы:
— Высокие требования к пониманию статистики,
— Интерфейс может быть перегружен для новичков,
— Проприетарность и цена.
🔹 Когда использовать:
SPSS — не обязательный, но крайне полезный инструмент для продвинутых HR-аналитиков, работающих с опросами, вовлечённостью, предиктивными моделями или когортным анализом. Особенно полезен при необходимости точного статистического вывода и проверки гипотез.
👍2
#метрики #eNPS
⚡️ eNPS (Employee Net Promoter Score) — метрика, отражающая лояльность сотрудников и их готовность рекомендовать компанию как работодателя. Основана на методике NPS из клиентского сервиса.
🔹Как работает:
Сотрудникам задаётся 1 вопрос:
«Насколько вероятно, что вы порекомендуете нашу компанию другу как место работы?»
Ответ по шкале от 0 до 10:
9–10 → Промоутеры
7–8 → Нейтралы
0–6 → Критики
🔹Формула расчёта:
eNPS = ((кол-во промоутеров / общее кол-во ответов) – (кол-во критиков / общее кол-во)) * 100%
🔹Интерпретация:
< 0% — тревожно: преобладают недовольные
0–30% — средне, стоит работать с нейтралами
30–70% — хорошо, компания воспринимается позитивно
70% — отличная лояльность
Используйте eNPS как регулярный «пульс» настроений в компании.
⚡️ eNPS (Employee Net Promoter Score) — метрика, отражающая лояльность сотрудников и их готовность рекомендовать компанию как работодателя. Основана на методике NPS из клиентского сервиса.
🔹Как работает:
Сотрудникам задаётся 1 вопрос:
«Насколько вероятно, что вы порекомендуете нашу компанию другу как место работы?»
Ответ по шкале от 0 до 10:
9–10 → Промоутеры
7–8 → Нейтралы
0–6 → Критики
🔹Формула расчёта:
eNPS = ((кол-во промоутеров / общее кол-во ответов) – (кол-во критиков / общее кол-во)) * 100%
🔹Интерпретация:
< 0% — тревожно: преобладают недовольные
0–30% — средне, стоит работать с нейтралами
30–70% — хорошо, компания воспринимается позитивно
70% — отличная лояльность
Используйте eNPS как регулярный «пульс» настроений в компании.
👍1
#метрики #eNPS
О чем стоит помнить, проводя eNPS опрос:
🔹Периодичность: Опрос лучше проводить не реже чем раз в квартал или на полугодовой основе. В некоторых компаниях практикуется ежемесячный опрос, правда уровень прохождения в таком случае будет снижаться.
🔹Формат проведения: опрос должен быть доступен не только с десктопов, но и с мобильных устройств, а также за пределами корпоративной IT-среды. Это повысит уровень прохождения.
🔹Анонимность: Опрос должен быть полностью анонимным. Это повысит искренность при даче ответов. Если вам нужна демографическая разбивка или данные по структурным подразделениям/ регионам, лучше «разводить» потоки на уровне разных опросов и отправлять участникам, заранее разбитым на группы, разные ссылки.
🔹Информированность: результаты опроса должен быть транслированы сотрудникам, отсутствие понимание результатов и планов компании приведет, в среднесрочной перспективе, к снижению вовлеченности и дискредитации инструмента в глазах сотрудников.
О чем стоит помнить, проводя eNPS опрос:
🔹Периодичность: Опрос лучше проводить не реже чем раз в квартал или на полугодовой основе. В некоторых компаниях практикуется ежемесячный опрос, правда уровень прохождения в таком случае будет снижаться.
🔹Формат проведения: опрос должен быть доступен не только с десктопов, но и с мобильных устройств, а также за пределами корпоративной IT-среды. Это повысит уровень прохождения.
🔹Анонимность: Опрос должен быть полностью анонимным. Это повысит искренность при даче ответов. Если вам нужна демографическая разбивка или данные по структурным подразделениям/ регионам, лучше «разводить» потоки на уровне разных опросов и отправлять участникам, заранее разбитым на группы, разные ссылки.
🔹Информированность: результаты опроса должен быть транслированы сотрудникам, отсутствие понимание результатов и планов компании приведет, в среднесрочной перспективе, к снижению вовлеченности и дискредитации инструмента в глазах сотрудников.
👍1
#исследования
Типичными задачами HR-аналитика являются задачи, связанные со сбором количественных данных и их анализом. Анализ заработных плат, исследование текучести, уровня абсентеизма и многое другое - это примеры количественных исследований.
Количественные методы являются основной для проведения корреляционного и регрессионного анализа, факторного и кластерного анализа, построения математических моделей и прогнозов, так как именно эти методы исследования обеспечивает связь между эмпирическими данными и математическими вычислениями.
Спектр применения количественных методов включает в себя любые исследования, которые могут быть выражены в числах, процентах, математическом отношении.
⚡️К инструментам количественных исследований относятся: опросы, анкетирования, наблюдения и эксперименты.
⚡️К техническим средствам для их проведения можно отнести: google forms, monkey survey, а также их российские аналоги: kakdela от hh.ru и Яндекс Взгляд от Яндекс.
Типичными задачами HR-аналитика являются задачи, связанные со сбором количественных данных и их анализом. Анализ заработных плат, исследование текучести, уровня абсентеизма и многое другое - это примеры количественных исследований.
Количественные методы являются основной для проведения корреляционного и регрессионного анализа, факторного и кластерного анализа, построения математических моделей и прогнозов, так как именно эти методы исследования обеспечивает связь между эмпирическими данными и математическими вычислениями.
Спектр применения количественных методов включает в себя любые исследования, которые могут быть выражены в числах, процентах, математическом отношении.
⚡️К инструментам количественных исследований относятся: опросы, анкетирования, наблюдения и эксперименты.
⚡️К техническим средствам для их проведения можно отнести: google forms, monkey survey, а также их российские аналоги: kakdela от hh.ru и Яндекс Взгляд от Яндекс.
❤1
#исследования #опрос
Опрос один из самых популярных методов количественных исследований, основанный на опросе группы лиц и их мнения на заранее заданные темы. Опросы позволяют собирать и обрабатывать большой объем данных и при этом не требуют глубоких знаний и навыков, что делает их самым доступным и распространённым в использовании инструментом.
Основные этапы подготовки и формирования опроса:
⚡️Постановка цели. Важно четко определить цель, цели или гипотезы, данные для решения которых мы будем собирать.
⚡️Определение аудитории. Необходимо четко определить целевую аудиторию и составить профиль респондента.
⚡️Составление структуры опроса. Это описание структуры опроса: введения, описание целей и задач, «паспортички», «скелета» опроса, контроль-раздела, описание критериев валидности и надежности.
⚡️Обработка ответов. Этот этап направлен на обеспечение корректного расчета результатов опроса, а также проверку валидности и надежности полученных результатов через стат.показатели.
Опрос один из самых популярных методов количественных исследований, основанный на опросе группы лиц и их мнения на заранее заданные темы. Опросы позволяют собирать и обрабатывать большой объем данных и при этом не требуют глубоких знаний и навыков, что делает их самым доступным и распространённым в использовании инструментом.
Основные этапы подготовки и формирования опроса:
⚡️Постановка цели. Важно четко определить цель, цели или гипотезы, данные для решения которых мы будем собирать.
⚡️Определение аудитории. Необходимо четко определить целевую аудиторию и составить профиль респондента.
⚡️Составление структуры опроса. Это описание структуры опроса: введения, описание целей и задач, «паспортички», «скелета» опроса, контроль-раздела, описание критериев валидности и надежности.
⚡️Обработка ответов. Этот этап направлен на обеспечение корректного расчета результатов опроса, а также проверку валидности и надежности полученных результатов через стат.показатели.
#инструменты #Statistica
Продолжаем знакомиться с техническими инструментами, используемыми в HR-аналитике.
⚡️ Statistica – мощный статистический софт, аналогичный SPSS, но с более гибкими настройками визуализации и возможностью анализа как структурированных, так и неструктурированных данных. Включает:
— многомерный анализ,
— текстовый анализ,
— сегментацию и классификацию,
— визуализацию настраиваемых графиков и диаграмм.
🔹 Плюсы:
— Широкий статистический инструментарий,
— Возможность глубокого анализа и кастомизации,
— Работа с большими массивами данных.
🔹Минусы:
— Менее популярен в корпоративной среде,
— Ограниченная поддержка и сообщество,
— Интерфейс может быть менее интуитивен для новых пользователей.
🔹Применение в HR:
Statistica подойдёт продвинутым аналитикам для обработки больших массивов HR-данных: опросов, данных текучести, когорт, производительности.
Продолжаем знакомиться с техническими инструментами, используемыми в HR-аналитике.
⚡️ Statistica – мощный статистический софт, аналогичный SPSS, но с более гибкими настройками визуализации и возможностью анализа как структурированных, так и неструктурированных данных. Включает:
— многомерный анализ,
— текстовый анализ,
— сегментацию и классификацию,
— визуализацию настраиваемых графиков и диаграмм.
🔹 Плюсы:
— Широкий статистический инструментарий,
— Возможность глубокого анализа и кастомизации,
— Работа с большими массивами данных.
🔹Минусы:
— Менее популярен в корпоративной среде,
— Ограниченная поддержка и сообщество,
— Интерфейс может быть менее интуитивен для новых пользователей.
🔹Применение в HR:
Statistica подойдёт продвинутым аналитикам для обработки больших массивов HR-данных: опросов, данных текучести, когорт, производительности.
👍1
#статистика #теориявероятности
⚡️ Вероятность (P) — это мера возможности наступления конкретного события. Значение рассчитывается как отношение числа благоприятных исходов (M) к числу всех возможных исходов (N): P = M/N.
Для расчета вероятности наступления двух зависимых событий, их вероятности перемножаются. Для расчета вероятности одного события из нескольких, вероятности складываются (если события взаимно исключающие).
В HR-аналитике понятие вероятности используется для моделирования HR-процессов, анализа неопределенности, анализа временных рядов и других задач, связанных с прогнозированием.
⚡️Пример: Двум рекрутерам поручили по одной вакансии. Согласно историческим данным, вероятность закрытия вакансии у рекрутера А — 70%, у рекрутера B — 50%. Рассчитаем вероятность того, что оба рекрутера успешно закроют вакансии:
Вероятность закрытия для А: P(A) = 0,7
Вероятность закрытия для B: P(B) = 0,5
Вероятность того, что оба рекрутера закроют вакансии: P(AB) = P(A) * P(B) = 0,7 * 0,5 = 0,35.
⚡️ Вероятность (P) — это мера возможности наступления конкретного события. Значение рассчитывается как отношение числа благоприятных исходов (M) к числу всех возможных исходов (N): P = M/N.
Для расчета вероятности наступления двух зависимых событий, их вероятности перемножаются. Для расчета вероятности одного события из нескольких, вероятности складываются (если события взаимно исключающие).
В HR-аналитике понятие вероятности используется для моделирования HR-процессов, анализа неопределенности, анализа временных рядов и других задач, связанных с прогнозированием.
⚡️Пример: Двум рекрутерам поручили по одной вакансии. Согласно историческим данным, вероятность закрытия вакансии у рекрутера А — 70%, у рекрутера B — 50%. Рассчитаем вероятность того, что оба рекрутера успешно закроют вакансии:
Вероятность закрытия для А: P(A) = 0,7
Вероятность закрытия для B: P(B) = 0,5
Вероятность того, что оба рекрутера закроют вакансии: P(AB) = P(A) * P(B) = 0,7 * 0,5 = 0,35.
👍3