{"id":14277,"url":"\/distributions\/14277\/click?bit=1&hash=17ce698c744183890278e5e72fb5473eaa8dd0a28fac1d357bd91d8537b18c22","title":"\u041e\u0446\u0438\u0444\u0440\u043e\u0432\u0430\u0442\u044c \u043b\u0438\u0442\u0440\u044b \u0431\u0435\u043d\u0437\u0438\u043d\u0430 \u0438\u043b\u0438 \u0437\u043e\u043b\u043e\u0442\u044b\u0435 \u0443\u043a\u0440\u0430\u0448\u0435\u043d\u0438\u044f","buttonText":"\u041a\u0430\u043a?","imageUuid":"771ad34a-9f50-5b0b-bc84-204d36a20025"}

Математика в HR

Хороший HR обладает эмпатией, умеет управлять конфликтами, находить баланс интересов бизнеса и сотрудников и многое другое, — ответили бы вы на вопрос о 3 характеристиках классного HR. Но вряд ли упомянули бы математику. Математику как стиль мышления и умение работать с данными: как делать выводы на основе цифр и фиксировать выводы в цифрах.

Итак, зачем математика в HR? Будем давать реальные кейсы, показывать логику подсчетов и результаты, в которые поверить порой сложно.

Стояла задача:
1. провести опрос вовлеченности, узнать фидбек по следующим направлениям: понимание продукта, оценка коллег, профессиональное развитие, оценка руководителя, оценка HR-процессов, оценка компании. 2. Интерпретировать цифры в проблемы и сформулировать задачи для улучшения оценок.

С какими сложностями столкнулись:

  • Данные отличались от того, что мы слышали на exit-интервью, 1to1 и ревью. То есть количественные методы показывали одно, качественные — другое.
  • В компании 90 человек, опрос прошли 40 человек из 6 отделов, причем разделение сотрудников по отделам было неравномерным: от 3 до 17 человек. Встал вопрос: можно ли экстраполировать данные (выводы, сделанные на основе ответов 40 человек, перенести на всю компанию)? Если да, то как считать?

Как работали с данными:

  • Медиана (число, находящееся в середине набора) — эффективная метрика для расчета, но плохо работает с маленьким набором. Соответственно, будет неприменима в командах с численностью 2-5 человек.
  • При таком количестве людей лучше использовать среднее значение. Если везде считать среднее, при разбросах баллов итоговое значение не будет отражать реальную ситуацию.
  • Для того, чтобы сравнивать отделы надо объединять медиану и среднее — среднее медиан. Минус такого подхода: непонятно, как разбросаны баллы.
  • Среднеквадратическое отклонение, Sd показывает насколько разбросана величина относительного среднего ответа.

Итого:

Каждый вопрос был измерен в двух метриках.

  • Медиана. Если оценка одного направления состоит из нескольких вопросов, считаем среднее медиан.
  • Среднеквадратическое отклонение, Sd. Если оценка одного направления состоит из нескольких вопросов, считаем среднее Sd.

Если Sd больше 2.5, стоит особенно обратить внимание на разброс чисел.

На выходе мы получили 2 оценки по каждому направлению, первую как основную, которую можно считать общим фидбеком, вторую - показывающую, насколько эта оценка покрывает мнение большинства, то есть надо ли проходиться точечно по ответам или можно с уверенностью сказать, что она отражается ситуацию по больнице.

0
Комментарии
-3 комментариев
Раскрывать всегда