hr аналитика

О чем вы узнаете ?

• HR аналитика, как способ научного подхода в принятии решений;
• Эволюция HR аналитики. Достижения мировых компаний;
• Что анализируют в HR? Обзор вопросов;
• Понятие базовых статистических показателей. Выборка;
• Каталог HR метрик по разным направлениям;
• Влияние корпоративной культуры компании на набор исследуемых индикаторов;
• HR аудит на основании показателей;
• Построение отчетности: логика выбора показателей;
• Типология HR отчетов: оперативные, аналитические и стратегические;
• Адаптация отчетов под целевую аудиторию. Что важно бизнесу?

HR аналитика – это процесс сбора и обработки информации с целью получения правдивых знаний о HR ситуации и формирования высокоточных решений по кадровым вопросам, с использованием научных методов.

Пример использования ненаучных методов принятия решения в HR

Кейс “На уровне HR отдела принимается решение о корпоративном страхования сотрудников”

Вера и (или) Интуиция HR внутренне верит и убежден, что страхование поможет сильнее «склеить»

сотрудников и компанию. У руководителя при этом противоположная точка зрения –

практически, деньги на ветер.

Мнение большинства О том, что нужна страховка для компании нашего профиля говорят и другие HR

специалисты (пообщались в проф.группах, форумах). Собрали данные у кого из

конкурентов действует страховка. Для руководства - не аргумент

Экспертное мнение «Вооружились» мнением нескольких авторитетных HR. Руководитель с ними не знаком…

Помочь в вопросе со страховкой ничем не может….

Cлучайное наблюдение Выходим на кухню и слышим сотрудники между собой разговаривают, что один из них в

больнице простоял пол дня в очереди к врачу и еще пол дня за справкой - так на работу и

не пришел, вот что значит нет страховки. Добавили к прежним аргументам, но назвали,

как оказалось в примере участвуют не совсем эффективные сотрудники, «не в фаворе».

Пример использования ненаучных методов

Кейс “На уровне HR отдела принимается решение о корпоративном страховании сотрудников”

Руководителю предоставили следующие данные.

Все принципы научного метода

Формальная логика /язык цифр, который подчеркивает здравый смысл/

Объективность /не важно кто поводил анализ – данные всегда одни будут одни и те же/

Воспроизводимость /сколько бы раз не повторяли (исследование, эксперимент) – получим тот же результат/

Прозрачность /нам понятна и объяснима критикам каждая мельчайшая подробность исследования/

Эмпирическая /если бы была возможность, то постоянным наблюдением цифры и выводы подтвердились бы/

проверяемость

Эволюция HR аналитики. Достижения мировых компаний

90% мировых данных в HR аналитике создано за последние 2 года (источник Experian)

В самой компании Experium их прогнозная модель в HR аналитике позволила им сэкономить 2017-2019 года более 14 миллионов долларов (источник Experian)

Компании лидеры в HR аналитике

Аналитика на столь высоком уровне работает в компании с 2011 года.

Компания считается одним из лидеров в области прогнозной аналитики выгорания и ухода сотрудника.

Модель разработали всего 2 ученых в области аналитики.

С 2011 по 2013 год компании уже удалось сэкономить более 300 миллионов долларов через предотвращение уходов сотрудников.

People Analytics составляют внутренние специалисты, внешние HR консалтинговые фирмы и внешние специалисты по аналитике с ученой степенью. Является лидеров в области оценки процессов найма.

Их оценка данных десятков тысяч собеседований показала, что отдельные этапы, отдельные вопросы попросту бесполезные и не представляют никакой ценности с точки зрения прогнозирования успеха сотрудника на работе.

Компания одна из первых начала наращивать экспертизу в области прогнозной аналитики продуктивности сотрудников, вероятности ухода сотрудника. И одна из первых кто об этом начал говорить публично.

Компания начала свой путь развития аналитики с 2010 года.

Уже через несколько лет размер команды аналитиков вырос до 70 человек.

На конференции HR Summit 2016 было озвучена, что команда workforce analytics принесла компании дополнительных 270 миллионов долларов.

Компания сделала большую ставку на анализ с помощью соц сетей.

Точность прогнозной модели увольнения сотрудника считается одной из самых точных – порядка 95%

Компании лидеры в HR аналитике

2010 – год активного развития HR аналитике в компании на глобальном уровне (начали с 8 стран)

Компания прошла классический путь от начальных проектов консолидации HR отчетности между странами до появления проектов прогнозной аналитики.

Первые кто построил модель отслеживания корреляционной связи между качеством внутренних коммуникаций между различными уровнями сотрудников и бизнес результатами

Динамика развития аналитики в первые годы.

Компания известна своим проектом, в котором она хотела определить с каких университетов сотрудник более успешен – сотрудники более эффективные и чаще продвигаются.

Анализировалась группа с 47000 сотрудников, поделенная на различные под группы.

Аналитикам удалось установить статистически значимую связь между отдельными образовательными учреждениями в прошлом и эффективности сотрудников в будущем.

Изначально была похожая проблематика как в HP повышенная текучесть персонала.

Изначально прогнозная модель помогла выявить 120 сотрудников, которые были очень перспективные для компании и которые, как оказалось, имели очень большой риск уйти.

С помощью аналитических данных была построена более продвинутая система боковых перемещений сотрудников, что привело к порядка нулевой текучести за первых пол года внедрения.

Это привело к снижению затрат на 14 миллионов долл.

После этого успеха проект был развернут в 7 странах.

Компании лидеры в HR аналитике

Ключевые проблемы, которые на повестке дня у направления HR аналитики:

Влияние качества руководства и компетенций на безопасность труда, удовлетворенность клиентов;

Чем с точки зрения HR процессов объясняется разница между буровыми установками;

Окупаемость инвестиций в программы ускорения обучения стажеров

Анатитика в компании рассматривается исключительно с точки зрения бизнеса.

Компания начала заниматься аналитикой относительно недавно 2015 году.

Два основных составляющих успеха с помощью HR аналитики:

Оценка талантов. Есть четкое понимание связей между отдельными компетенциями и продуктивностью

- Информационная система, которая содержит данные о персонале в 104 странах. В ней излагаются 78 основных HR метрик, которые важны для компании.

Функция HR аналитики была создана в 2009 году.

Сейчас команда насчитывает более 70 человек. Структура команды: моделирование, дата майнинг, исследования, визуализация и внедрение.

В настоящее время используется несколько инструментов для поддержки анализа, распределения и представления данных, включая SAS, Alteryx, Tableau и SPSS. Активно используют фокус-группы, опросы.

Большое внимание уделяется тому, чтобы отчетность была адаптирована к потребностям различных руководителей бизнес-единиц, менеджеров магазинов и старших руководителей

Что анализируют в HR? Обзор вопросов

Рекрутинг

• Аудит бизнес процесса «рекрутинг»;
• Анализ проблемных вакансий;
• Анализ структуры команды рекрутеров;
• Оценка и анализ работы рекрутеров;
• Общий анализ эффективности рекрутинга;
• Анализ сорсинг стратегии, каналов привлечения;
• Анализ времени и стоимости найма;
• Анализ структуры оценки соискателей, связь между заданиями «на входе» и реальной способностью быть эффективным;
• Оценка и анализ лояльности кандидатов к компании.

Продуктивность и удержание

Продуктивность и удержание

• Анализ профилей успешных сотрудников, маркеров, способствующих распознавать перспективных специалистов на ранних этапах;
• Анализ вовлеченности персонала. Факторный Engagement Rate.
• Анализ связи вовлеченности с показателями работы компании.

+1% Engagement = +X $

- 1% Engagement = -X $

• Анализ связи модели компетенций (отдельных компетенций) с результативностью персонала;
• Анализ зависимости ценностей компании (ее компонентов) с показателями продуктивности, текучести;
• Анализ зависимости продуктивности от различных характеристик сотрудников (пол, возраст, семейное положение, образование, прочее);
• Прогнозные модели, предупреждающие о спаде продуктивности, взятии незапланированных отпусков и т.д.;
• Прогнозные модели увольнения сотрудников;
• Модели планирования рабочей силы;
• Анализ и прогнозирование текучести;
• Факторный анализ текучести;
• Аналитика по уволенным – структура причин, % внешнего резерва, готовность к возвращению;
• Связь частоты нарушений правил внутреннего распорядка, охраны труда, с различными характеристиками персонала.

Обучение

• Анализ потребностей в обучении;

• Анализ связи между обучением и показателями продуктивности;

• Анализ связи между показателями выходного тестирования и рабочими результатами;

• Анализ зависимости эффективности обучения от различных методов подачи информации;

• Анализ покрытия обучающими мероприятиями;

Мотивация

• Ретроспективный анализ опросов, HR исследований в области мотивации;

• Расчет и анализ индекса eNPS;

• Анализ рынка заработных плат и корпоративных льгот;

• Анализ соответствия зарплатных схем общей бизнес логики (в частности, переплаты/недоплаты);

• Анализ связи KPI с целями подразделений, компании;

• Анализ соответствия мотивационных ожиданий (исходя из возрастной структуры персонала) с текущей политикой компании;

• Исследования факторов демотивации сотрудников;

• Прогнозирование изменений мотивационных ожиданий сотрудников.

Потенциал

Затраты

• Анализ качества оценки персонала;

• Анализ качества определения HiPo сотрудников;

• Анализ эффективности дальнейшей работы с HiPo сотрудниками;

• Анализ динамики и структуры ФОТ;

• Анализ динамики темпов роста ФОТ с темпом роста финансовых показателей компании;

• Расчет и анализ точки безубыточности сотрудника;

• Анализ расходов связанных с потерей трудоспособности, производственными травмами и т.д.

• Анализ затрат отдельных функциональных HR направлений (их много)

Понятие базовых статистических показателей. Выборка

Среднее значение – число, равное сумме всех чисел массива, разделенное на их количество.

Один из самых применяемых статистических показателей, но достаточно плохо подходит для массивов с сильными отклонениями в данных.

Медиана - это такое число выборки, что ровно половина из элементов выборки больше него, а другая половина меньше него.

Рассчитать медиану массива данных:

21 25 25 27 29 30 30 31 32 33 35 36 38 60

Если у нас четное количество элементов то медиана – это среднее арифметическое двух серединных чисел.

Медиана = (30+31)/2 = 30,5

Если у нас не четное количество элементов то медиана – это число, выше которого находится 50% чисел больше, а ниже – 50% выборки с числами меньше.

21 25 25 27 29 30 30 31 32 33 35 36 38 60 65

Преимущество медианы в том, что она не поддается сильному смещению из-за крайне высоких экстремумов (отклонений) и, зачастую, является более объективным параметром, чем среднее.

Мода – значение, которое встречается в массиве данных с наибольшей частотой

21 25 25 27 29 30 30 31 32 33 33 33 35 36 38 60

Квартиль – значения, которые делят таблицу данных (или ее часть) на четыре группы, содержащие приблизительно равное количество наблюдений. Общий объем делится на четыре равные части: 25%, 50%, 75% 100%

Понятие выбросов

Понятие выбросов

В статистике выбросы – это значения, резко отличающиеся от других значений в собранном наборе данных.

Исключив выбросы из набора данных, вы можете прийти к неожиданным или более точным выводам.

Поэтому необходимо уметь вычислять и оценивать выбросы, чтобы обеспечить надлежащее понимание статистических данных.

Кейс

Кейс

Посчитать средний возраст сотрудника компании

Потенциальный выброс: значение 60

Нужно проверить есть ли это действительно выбросом

1. Ранжируем данные от меньшего к большему

2. Рассчитываем медиану набора данных, верхний и нижний квартиль

3. Рассчитываем межквартильный диапазон

= 35-27=8

4. Поиск внутренних границ набора данных

Значение, лежащее вне внутренних границ – это незначительный выброс.

Для этого межквартальный диапазон умножаем на 1,5. Полученное значение прибавляем к верхнему квартилю и отнимаем от нижнего квартиля.

8*1,5=12; Верхняя граница: 35+12=47; Нижняя граница: 27-12=15.

Таким образом, наши внутренние границы равны 15 – 47 лет.

Теперь мы точно знаем что значение 60 лет – это выброс, но не понимаем значительный он или нет. Для этого нужно найти внешние границы набора данных.

5. Поиск внешних границ набора данных

Все то же самое, только межквартальный диапазон умножается на 3, а не на 1,5

Отсюда, 8*3 = 24.

Верхняя внешняя граница: 35+24 = 59

Нижняя внешняя граница: 27-24 = 3

Таким образом, наши внешние границы равны 3- 59 лет.

Наше потенциальный выброс является значительным выбросом. Его лучше не учитывать при вычислении среднего возраста.

Средний возраст сотрудников 30 лет.

Генеральная совокупность и выборка данных

Генеральная совокупность и выборка данных

Генеральная совокупность — совокупность всех объектов, относительно которых предполагается делать выводы при изучении конкретной задачи.

Пример: в опросе компании штатом 100 человек участвуют все. И по факту получили данные от каждого. В данном случае весь штат является генеральной совокупностью.

Выборка - представительная часть генеральной совокупности. Процесс выборки основан на правомерности выводов о целом на основании изучения его части при условии, что по своей структуре эта часть является микромоделью целого.

• Характеристики выборки: объем выборки, качество выборки.

• Считается, что выборки объёма больше 30 можно отнести к большим

• Выборка будет репрезентативной при обследовании большой группы людей, если внутри этой группы есть представители разных подгрупп, только так можно сделать верные выводы.

Определяем необходимый размер выборки

Как видим зависимость между объемом данных (размеров выборки) и точностью исследования не линейная.

С определенного момента, ценность разницы прироста точности не соответствует усилиям на получение большего количества исследуемых данных

Для расчета объема требуемой выборки удобнее всего использовать онлайн калькуляторы.

http://www.webstarstudio.com/marketing/calc1.html

Пример: необходимо определить объем выборки для проведения опроса, точность которого была бы в пределах (доверительном интервале) 90-100%

Пример: определить минимальную точность опроса при следующих данных. Количество сотрудников 1000 человек, опросили 150, ответили 65%.

Точность данных будет не ниже 88%

Каталог HR метрик по разным направлениям

Каталог HR метрик по разным направлениям

Каталог HR метрик по разным направлениям

Каталог HR метрик по разным направлениям

Каталог HR метрик по разным направлениям

Каталог HR метрик по разным направлениям

Каталог HR метрик по разным направлениям

Каталог HR метрик по разным направлениям

Влияние корпоративной культуры компании на набор исследуемых индикаторов

Компания В

• Стиль менеджмента исключительно авторитарный;
• Все решения только с позиции первого лица;
• Кадровые назначения по принципу нравится/не нравится СЕО;
• Испытательной срок, чтобы сотрудника испытать, а не адаптировать;
• Постоянный скрытый поиск замен большинству сотрудников;
• Отсутствие элементарной справедливости, защищенности, штрафы;
• Порой полное отсутствие соблюдения законодательства;
• Напряженные коммуникации между сотрудниками и отделами – как норма;
• Отсутствие какого либо курса, вектора движения компании.

Компания А

• Корпоративная культура характеризуется либеральностью и демократичностью;
• Личность сотрудника, его потребности и интересы в центре внимания;
• Ориентир на рыночную ситуацию, практики и методы;
• Социальные гарантии сотрудникам, законопослушность;
• Решения принимаются на том уровне, на котором возникает проблема;
• Возможен вариант коллегиального принятия решений;
• Высокая культура отношения к стратегии, курсу компании;
• Высокий уровень культуры межличностного общения;
• Репутация и персонал – как основной нематериальный актив.

Влияние корпоративной культуры компании на набор исследуемых индикаторов

Компания А

Организационная ситуация компании абсолютно полностью подходит для внедрения широкого спектра HR функций и, соответственно, широкого перечня HR индикаторов

Компания В

• Зачем считать % прохождения ИС, если 70% сотрудников его все равно не проходят, не выдержав преднамеренных «испытаний»;
• Зачем считать укомплектованность, если не понятно какое количество персонала считать за 100%.
• Зачем считать лояльность, если, практически, все в скрытом поиске работы;
• Зачем считать вовлеченность, если вовлечены только десяток сотрудников в близком окружении СЕО;
• Зачем отслеживать показатели Talent management, если эта функция не нужна. Все кадровые решения все равно принимает СЕО субъективно;
• Зачем оценка персонала (и все индикаторы с ней связаны) если СЕО и так «знает» кто чем располагает и кто как работал.

HR аудит на основании показателей

Вне зависимости от сферы бизнеса, оценка текущий корпоративной ситуации в HR направлении возможна, в том числе, и по аудиту HR показателей

Чек-лист аудита. Общий подход, вне зависимости от набора показателей

1. Рассмотрение инструкций/документов/регламентов, которые описывают показатели, вносят дополнительные разъяснения.

Например, соотношение количества закрытых вакансий к общему количеству. При этом вопрос, если вакансия открылась в конце месяца – мы ее учитываем? Или это уже след. месяц? И т.д.

2. Определяем насколько эти данные объективные.

Показатели могут считаться автоматически в HRIS/ATS и подлежать, так называемому, аудиированию – кто бы не сложил отчет будет одинаковый результат. С другой стороны, данные могу вноситься полностью «вручную» и здесь может быть фактор манипуляции ими.

Важна проверка, правильности вводных данных и расчетов, хотя бы выборочно.

3. Кто был ответственным за работу с данными

Здесь важно понимать не имя, фамилию а был ли у этого человека потенциальный мотив корректировать данные. Возможно, у него был KPI по ряду показателей с привязкой к бонусной части зп. В этом случае, более тщательно все надо проверить.

4. Кто был заказчиком данной информации

СEO/HRD - ?

Согласованность показателей и формы отчета - ?

Периодичность обсуждения показателей, формат обсуждения, участники - ?

5. Количество уровней

Только производные показатели или опережающие.

Например: отчетность по рекрутингу

- уровень вакансии

- уровень рекрутера

- уровень отдела

6. Связь с общей стратегией

Позволяет ли существующий набор показателей отслеживать выполнение функциональной стратегии.

7. Экспресс анализ тенденций, отраслевой бенчмарк

Как соотносятся корпоративные показатели к отраслевым, куда все идет

Построение отчетности. Принципы, логика выбора показателей, виды отчетов

Принципы

• Соответствие HR курсу;
• Соответствие возможностям сбора информации;
• Согласованность;
• Непрерывность;
• Легкой доступности (в любой момент заказчик может им воспользоваться, понимая структуру);
• Информативность;
• Разделения на показатели по рекрутингу и работе с существующим персоналом;
• Удобное администрирование;
• Надежности сохранения данных;
• Аудиированность;
• Функциональность (различные периоды, срезы, уровни)
• Возможность принимать управленческие решения!

Алгоритм

1. Свести HR курс (стратегию) к конкретным тезисам (задачам)

На выходе (пример)

• Ускорение рекрутинга, сокращение среднего периода закрытия вакансий middle/senior уровня
• (выделение sourcing процессов, система Career Path, система стажировки)
• Понизить уровень текучести сотрудников с опытом от 1-го года;
• Повысить продуктивность работы отделов А, B, C минимум на 15%
• Снизить потери при адаптации сотрудников минимум на 40%

• Обеспечить комплектацию нового офиса минимум на 80% в первые 3 мес. работы.
• Привести компоненты C&B согласно стратегии равнения на конкурентов до конца II квартала

2. Определить желаемый перечень показателей

• Конверсии откликов;
• Входящий поток, % отклонения по этапам отбора;
• % отклонения job offers;
• Период найма;
• Динамика простроченных вакансий;
• Динамика плейсментов;
• Динамика эффективности использованных ресурсов;
• Эффективность внутренних ротаций;
• eNPS по cтажерам;
• Текучесть: общая, в разрезе периода работы;
• Engagement Rate; Динамика по составляющим вовлеченности;
• Динамика продуктивности (KPI, OKR, показатели уровня компетенций);
• Динамика общих затрат, соотношение разницы затрат и разницы фин.результатов;
• % прохождения ИС;
• Структура причина прихода, отказа от job offer, увольнения, увольнения на ИС.

• Выполнение плана закрытия вакансий в новом офисе;
• Укомплектованность нового офиса;
• Структура C&B затрат;
• Динамика C&B затрат, прогнозные показатели

3. Определение источников данных и вариантов уровня автоматизации процесса.

4. Проведение внутренних консультаций по предложенным вариантам оцениваемых показателей, работе с источниками данных, уровню автоматизации процесса.

5. Согласование единых стандартов отчетности (в том числе, документированные, по необходимости)

6. Выбор/настройка HRIS/ATS системы, настройка других возможных решений, шаблонов.

7. Внесение данных, тестирование;

8. Демонстрация отчетности заказчикам. Сбор обратной связи.

9. Исправление ошибок, корректировка.

Типология HR отчетов. Оперативные, аналитические и стратегические

Оперативный отчет – показывает оперативное (промежуточное) состояние дел в HR процессах, или отдельном из направлений. Как правило – это недельный, месячный, реже квартальный горизонт.

Пример месячного отчета по укомплектованности розничной сети

Аналитический отчет – может иметь также оперативный характер (но не обязательно).

Признаки аналитического отчета: показатели приводятся в сравнение; глубокое отображение проблематики в определенном вопросе (аналитическая записка)

Пример структуры аналитической записки по работе над вакансией за период N:

«Работа по вакансии описывается следующей характеристикой. Количество рассмотренных кандидатов 6, что меньше, чем общий показатель статистической вероятности оффера 1 к 8. За отчетный период вакансия была в работе у рекрутера А, загруженность которого оценивается как выше средней (8 вакансий). Уровень квалификации рекрутера, согласно последней оценки компетенций, можно трактовать как «требующий развития», отсюда прослеживается несоответствие уровня подготовки специалиста и сложности вакансии. В ходе совместного обсуждения рекрутер продемонстрировал достаточно не плохие формальные знания профиля, но объяснить соответствие выбранных заказчиком кандидатов детально не смог – это указывает на, в целом, слабые предметные знания вакансии. Структура источников сорсинга: 70% job сайты, 20% linkedin, 10% - рекомендации от HR – говорит о не высокой проработке проактивных каналов поиска. Конверсия вакансии на уровне 8%, что, в целом, соответствует общему показателю по другим объявлениям, можно считать их работающими. С момента начала работы по вакансии и до утвержденной плановой даты закрытия прошло 30 дней, что соответствует 75% запланированного времени на поиск. Вероятность закрытия вакансии в срок на уровне 30%. На данный момент есть финальный кандидат, от которого ожидаем обратную связь по нашему предложению – вероятность выхода кандидата 50%, так как есть существенные моменты, которые могут не устроить его.

Дальнейший план: снизить нагрузку с ответственного рекрутера, повысить его фокусировку на текущей задаче, совместно проанализировать профили подходящих/неподходящих кандидатов, составить список компаний-доноров для прямого поиска, проанализировать базу резервных кандидатов, в случае не закрытия вакансии в срок, согласовать новый ориентир, подключить внешних рекрутеров.»

Стратегический отчет – отображает достижение ключевых показателей эффективности, где фокус делается на достижении целей, курса в значительном временном периоде, как правило, года. Ключевые заказчики информации – СЕО, TOP менеджеры.

Пример фрагмента из стратегического отчета

Адаптация отчетов под целевую аудиторию. Что важно бизнесу?

Что важно бизнесу ? Типовые ошибки отчетности на примере отчета по рекрутингу

Фрагмент 1

• Бизнес не мыслит категориями «неделя». Различить где какой месяц – проблематично.

• Не с чем сравнить. Было бы удобнее видеть целевое значение по укомплектованности.

• Нет данных о самых ключевых отделах, офисах, торговых точках – как они укомплектованы.

• Нет данных, какие в среднем потери несет компания в связи с отсутствующим персоналом (меньше чем целевое значение).

Фрагмент 2

• Если заказчик отчета СЕО, зачастую операционные цифры кол-ва резюме и т.д. не несут практической пользы. По сути эта информация с большой долей вероятности лишняя.

• Вакансия, где СЕО заказчик (директор по логистике) не может иметь такой де уровень детализации и быть «спрятанной» между прочими вакансиями в списке.

• По Директору по логистике отсутствует ответ на ключевой вопрос – когда закроем, какие прогнозы?

Фрагмент 3

• Данные по общему числу предложений можно считать лишними

• Без структуры причин отказа сами по себе цифры не несут максимальную пользу

• Хорошо бы сразу видеть общее среднее число с привязкой к целевому значению

Фрагмент 4

• Сам по себе график мало информативный. То что тенденция нисходящая еще ни о чем не говорит;

• Бизнесу не понятно почему в целом вакансии закрываются хуже – то ли хуже работает HR то ли самих вакансий меньше.

• Нет понимания как данные соотносятся с целевыми, плановыми (если они есть)

• А что с незакрытыми вакансиями, какой % вакансий проблемный и почему?

… и на десерт

Кейс

Однажды руководитель розничных продаж выдвинул мысль, что наши продавцы достаточно молоды и не совсем продуктивны в продажах определенной группы товаров (флагманских смартфонов). Отсюда определенный посыл рекрутингу - ориентироваться на более взрослых кандидатов, что, соответственно усложняет и без того не простую задачу масс подбора.

Действительно ли есть эта зависимость? Насколько она значима? Есть ли значимые различия в успешности продаж разных групп сотрудников (пол/возраст)? (максимально аннулировав влияние того факта, что девушек ровно в 3 раза меньше)

Зависит ли уровень продаж флагманских смартфонов от пола и возраста продавца?

Если зависит то насколько значимо?

Шаг 1 Определение массива данных

Загрузка данных по продажам за год в разрезе продавец, пол, возраст, кол-во продаж в штуках, месяц.

Шаг 2 Работа с данными

• Ранжирование продавцов по возрасту (от младших до старших);
• Определение среднего по продажам (в шт.) в каждой возрастной группе;
• Определение среднего по продажам (в шт.) среди м/ж в разрезе месяца.

Шаг 3 Определение уровня зависимости между кол-вом продаж и возрастом сотрудника

• Коэффициент корреляции Пирсона (формула PEARSON в Excel)

ВЫВОД: Между возрастом и количеством проданной техники есть прямая линейная зависимость, средняя по значимости.

С увеличением возраста на 1 единицу, среднее кол-во продаж растет в среднем на 0,53 шт.

Шаг 4 Замер статистической значимости среднего кол-ва продаж в месяц среди м/ж

Используем статистический показатель t критерий Стьюдента

Онлайн калькулятор https://www.psychol-ok.ru/statistics/student/

4.1 Перенос данных в таблицу онлайн калькулятора

4.2 Расчет показателя

ВЫВОД: Разница среднемесячного уровня количества продаж флагманских смартфонов среди мужчин и женщин есть статистически значимой. Мужчины в среднем более продуктивны в продажах данной категории товаров.

Предположение руководителя подтвердилось.

Прогнозирование с использованием технического анализа

Наносим так называемую линию сопротивления. Это линия, которая соединяет, как минимум 2 верхних вершины графика.

Ключевая характеристика этой линии – при ее достижении график всякий раз будет пытаться от нее “отскочить”, поскольку это, так называемые, исторические максимумы.

Линия поддержки. Ее характеристика аналогична, но с точность до наоборот. Это линия, которая соединяет, как минимум, две самые низкие точки графика. В данном случае, можно провести 2 линии сопротивления.

Исходя из текущего состояния графика, мы видим, что он находится на как раз на линии сопротивления, а значит крайне вероятен «отскок» от нее, как минимум, до уровня предыдущей минимальной точки (синяя линия). При этом, учитывая, что размах графика растет (линии поддержки и сопротивления расходятся), можно предположить и более сильный отскок на уровне 30% от падения с 12,8 до 7,1 – то есть до уровня 9%.

Крайне маловероятен сильный «пробой» линии поддержки. Даже если он случится, будет так называемый «откат» к пробитой линии поддержки.

Добавив линии поддержки и сопротивления, мы видим образование фигуры, которая свидетельствует о силе тренда (в нашем случае нисходящего).

В данном случае, в долгосрочной перспективе вероятнее всего нас ожидает «пробой» нижней линии, поскольку сужающийся диапазон сигнализирует о доминировании общего тренда. Мы можем предположить, что это падение будет до уровня предыдущего исторического минимум (5,88)

Хотя, в краткосрочной перспективе, вполне вероятным будет и «отскок» от линии поддержки, но вряд ли выше уровня 9.

Спасибо за внимание!

ул. Старокиевская 10Г

o.kalitiuk.com.ua

+38 (067) 469 73 26 +38 (095) 190 84 28

Александр Шевченко

+38 (098) 606 28 88

http://cbp.com.ua/

Head of HR Operations в компании ICF Legal Service

HR automation project manager в компании CRMiUM.

Consult Business Partner