Язык бизнеса – это язык фактов и цифр. Чтобы грамотно принимать решения или оценить эффективность принятых ранее решений одних ощущений и интуиции уже недостаточно. Необходима достоверная информация, которая регулярно собирается и обрабатывается. Только с системой HR аналитики у вас получится «управлять по приборам». В ходе обучения Вы поймете, что HR аналитика – это гораздо больше, чем hr-метрики, KPI, ROI, и представляет собой тип мышления менеджера, способ управления. Этот семинар про управление HR-бизнес процессами: бизнес ставит проблему, мы ее форматируем, моделируем, оцифровываем данные, выявляем ключевые драйверы, интерпретируем и ... управляем...
Семинар будет полезен: HR-директорам, которые хотят показывать бизнесу, как HR влияет на бизнес показатели.
В результате обучения участники:
* Узнают базовые термины и методов аналитики, статистики, социологии;
* Научатся «читать» данные исследований (корпоративных опросов, рынка зарплат, рынка труда и т.п.), бенчмаркинговых отчетов и т.п;
* Смогут выявлять ключевые драйверы HR бизнес процессов: вовлеченности и удовлетворенности персонала; текучести персонала; эффективности обучения и др.
* Приобретут навык проведения корпоративных исследований, опросов
* Научатся принимать решения на основе анализа данных.
Формат программы: Семинар представляет из себя последовательное решение в рабочем файле excel кейсов, объединенных логикой подачи материала. 90 % кейсов взяты из реальной практики.
СОДЕРЖАНИЕ:
1. Что такое HR-аналитика
Чек-лист «Зрелость HR-аналитики в компании»: проверьте себя Портрет профессии «HR-аналитик» Типы данных и измерительные шкалы 2. Процедура сбора данных
Программы для анализа HR-данных Источники информации и подготовка для анализа данных в Excel Генеральная совокупность и выборка Техники создания выборок Практика: выбор сотрудников для проведения опроса 3. Графическое представление HR-данных
Частота распределения и гистограммы Диаграммы: столбиковая, круговая, Парето, «стебель и листья», рассеяния Линейные графики Принципы сторителлинга данных Практика: графический анализ данных о заработной плате 4. Описательная статистика и вариативность HR-данных
Меры центральной тенденции: среднее, мода, медиана, Перцентили и квантили Диаграмма «Ящик с усами» Меры изменчивости Технология работы с выбросами Практика: создание обзора заработной платы Практика: сравнительный анализ выполнения показателей KPI в подразделениях Практика: оценка результатов выборочного опроса Нормальное распределение и эмпирическое правило. Практика: прогноз: кто из соискателей пройдет тест? 5. Статистика вывода: насколько мы можем быть уверены в своих выводах
Оценка ошибки среднего Распределение среднего и центральная предельная теорема Доверительный интервал Проверка гипотез для принятия решений Практика: определение зарплатных ожиданий кандидатов на позицию бухгалтера Практика: нравится ли сотрудникам работать в нашей компании: определяем на основе выборочного опроса» Практика: оценка разницы в уровне средней ежемесячной заработной платы по должности между мужчинами и женщинами» Практика: есть ли разница в мнении сотрудников мужского и женского пола?» Алгоритм сравнения двух выборок. Практика: оценка разницы в уровне удовлетворенности работников разных поколений 6. Дисперсионный анализ (ANOVA) для анализа вариации
Практика: выбор инструмента, который поможет снизить текучесть Практика: есть ли разница в уровне текучести между филиалами компании? 7. Корреляция: оценка взаимосвязи между количественными данными
Оценка силы корреляционный связи Типы взаимосвязей Ложная корреляция Практика: есть ли связь между тренингами и эффективностью сотрудников 8. Парная линейная регрессия
Алгоритм создания линии регрессии в MS Excel Проверка значимости линии регрессии Практика: расчет численности сотрудников на основе драйверов численности» Практика: оценка эффективности сотрудников отдела продаж» 9. Множественная регрессия как инструмент HR-прогнозирования
Алгоритм расчета уравнения линейной множественной регрессии в MS Excel Проверка качества уравнения множественной регрессии Возможные проблемы и способы их решения Особенности работы с качественными данными Нелинейная множественная регрессия: невозможное возможно Шаговая регрессия: как и когда использовать Логистическая регрессия Практика: прогноз результативности работников Практика: поиск факторов, влияющих на вовлеченность Практика: кто из кандидатов будет более эффективным сотрудником Практика: проверка решений руководителя на дискриминацию по половому признаку Практика: кому соломку подстелить: прогноз текучести персонала Финальный проект (домашнее задание) ---------------------------------------------
На Ваши вопросы ответит
менеджер по работе с клиентами Черемичкина Ирина
по телефонам: (343) 342-01-10 (11, 12, 13), 361-32-32
e-mail: sales@veshk.ru
С подробной информацией о программе Вы можете ознакомиться здесь.
