Trarre conclusioni dai test

In base ai tuoi t-test e alle regressioni, qual è la tua conclusione?

I nuovi assunti vengono pagati…

Questo esercizio fa parte del corso

HR Analytics: Esplorare i dati dei dipendenti in R

Visualizza corso

esercizio interattivo pratico

Trasforma la teoria in pratica con uno dei nostri esercizi interattivi

Inizia esercizio

Questo esercizio fa parte del corso

HR Analytics: Esplorare i dati dei dipendenti in R

IntermediárioNível de habilidade

4.8+

Inizia il corso gratuitamente

In questo capitolo vedrai come viene usata la data science nel contesto delle risorse umane. Poi passerai a un caso di studio in cui analizzerai e visualizzerai i dati di recruiting per capire quale fonte di candidature produce, in definitiva, i migliori nuovi assunti. Il dataset che userai in questo e negli altri capitoli del corso è sintetico, per tutelare la privacy dei dipendenti reali.

Exercise 1: Benvenuto nel corso!Exercise 2: Applicazioni dell'HR analytics Exercise 3: Uno sguardo ai dati di recruiting Exercise 4: Recruiting e qualità delle assunzioni Exercise 5: Identificare gruppi nei dati Exercise 6: Numeri di vendita per fonte di recruiting Exercise 7: Tassi di abbandono per fonte di recruiting Exercise 8: Visualizzare i dati di reclutamento Exercise 9: Visualizzare le differenze di performance nelle vendite Exercise 10: Visualizzare le differenze di turnover Exercise 11: Trarre conclusioni

Gallup definisce coinvolti i dipendenti che sono partecipi, entusiasti e impegnati nel proprio lavoro e nel luogo di lavoro. C’è dibattito sulla forza del legame tra engagement e risultati di business, ma l’idea è che chi è più coinvolto sia più produttivo e resti più a lungo nell’organizzazione. In questo capitolo esaminerai i possibili motivi per cui i punteggi di engagement di un reparto sono più bassi rispetto al resto.

Exercise 1: Analizzare il coinvolgimento dei dipendenti Exercise 2: Importare i dati del sondaggio Exercise 3: Quale reparto ha il livello di engagement più basso?Exercise 4: Confrontare altri fattori per reparto Exercise 5: Visualizzare i dati sull'engagement Exercise 6: Visualizzare più variabili insieme Exercise 7: Visualizzare più variabili insieme con i facet Exercise 8: Trarre conclusioni dai grafici Exercise 9: Quella differenza è significativa?Exercise 10: Significatività statistica - dipendenti disingaggiati Exercise 11: Significatività statistica - giorni di ferie Exercise 12: Trarre conclusioni dai test

Quando si assume una nuova persona, bisogna stabilire quanto verrà pagata. Se non si presta attenzione, i nuovi assunti possono entrare con uno stipendio più alto di chi già svolge lo stesso ruolo, causando turnover e insoddisfazione. In questo capitolo verificherai se i nuovi assunti vengono davvero pagati più dei dipendenti attuali e come ricontrollare le tue prime osservazioni.

Exercise 1: Pagare i nuovi assunti in modo equo Exercise 2: Importazione dei dati sulle retribuzioni Exercise 3: La differenza è significativa?Exercise 4: Distorsione da variabili omesse Exercise 5: Esempi di distorsione da variabile omessa Exercise 6: Quali altre differenze ci sono?Exercise 7: Com’è ora la differenza retributiva?Exercise 8: I nuovi assunti a ore sono pagati di più?Exercise 9: Regressione lineare Exercise 10: Retribuzione dei nuovi assunti: una regressione semplice Exercise 11: Retribuzione dei nuovi assunti: considerare i livelli di inquadramento Exercise 12: Trarre conclusioni dai test

Esercizio attuale

La performance management aiuta un’organizzazione a tenere traccia di quali dipendenti generano valore aggiuntivo o sotto la media, e a compensarli di conseguenza. Che il risultato sia una valutazione o l’esito di un questionario, e che le valutazioni siano annuali o più frequenti, il processo è in parte soggettivo. Un’organizzazione dovrebbe verificare che le valutazioni vengano assegnate in base alla performance, e non alle preferenze dei singoli manager, o persino a bias (consci o inconsci).

Exercise 1: Unire i dati HR Exercise 2: Importare i due insiemi di dati Exercise 3: Unire i dati sulle performance Exercise 4: Valutazioni delle prestazioni ed equità Exercise 5: Concentrati sui top performer Exercise 6: Confrontare le distribuzioni degli high performer Exercise 7: Verifica del bias da variabile omessa Exercise 8: Regressione logistica Exercise 9: Regressione lineare e logistica Exercise 10: Valutazioni di performance: una semplice regressione logistica Exercise 11: Valutazioni delle prestazioni: considerando i livelli di ruolo Exercise 12: Conclusioni e raccomandazioni

In molti settori, la sicurezza sul lavoro è un aspetto fondamentale. Mantenere un ambiente sicuro dà fiducia ai dipendenti e riduce i costi per indennizzi e responsabilità legali. In questo capitolo cercherai spiegazioni per un aumento degli incidenti sul lavoro.

Exercise 1: Sicurezza dei dipendenti Exercise 2: Importare e unire i dati sugli incidenti Exercise 3: Dove si registra il tasso di incidenti più alto?Exercise 4: Dove è aumentato di più il tasso di incidenti?Exercise 5: Concentrarsi sulla sede di interesse Exercise 6: Concentrarsi sulla sede del problema Exercise 7: Integrare più dati Exercise 8: Verificare variabili omesse Exercise 9: Quel cambiamento è isolato alla sede con il problema?Exercise 10: Spiegare l’aumento degli incidenti Exercise 11: Usare la regressione per individuare i fattori di cambiamento Exercise 12: Cosa puoi concludere?Exercise 13: Conclusione