動画では、あるデータセットでは線形回帰よりもロジスティック回帰を使ったほうが、データにずっとよく合うモデルになることを見ました。2つのグループ間の何かを回帰で比較する（比較する変数が従属変数である）場合、適切なモデルを選ぶと、より正確な結果が得られます。
どのような状況では、線形回帰ではなくロジスティック回帰を使うべきでしょうか？
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
この章では、データサイエンスが人事の現場でどのように活用されるかを概観します。その後、採用データを分析・可視化して、どの候補者ソースが最終的に最良の新規採用につながっているかを見極めるケーススタディに取り組みます。本コースで使用するデータセットは、実際の従業員のプライバシーを保護するために合成データです。
Gallupは、エンゲージドな従業員を、仕事と職場に主体的に関わり、熱意を持ち、コミットしている人と定義しています。従業員エンゲージメントとビジネス成果の結びつきの強さについては議論がありますが、一般には、よりエンゲージメントが高い従業員ほど生産性が高く、より長く組織に留まると考えられています。この章では、ある部門だけエンゲージメントスコアが他より低い理由の手がかりを探ります。
企業が新規採用を行う際には、その従業員の給与を決める必要があります。注意を怠ると、同じ職務に就く既存従業員よりも新規採用者の給与が高くなり、離職や不満の原因になり得ます。この章では、新規採用者が本当に既存従業員より高い給与を受け取っているのかを検証し、初期の観察結果をどのように再確認するかを学びます。
パフォーマンスマネジメントは、誰が平均以上の価値を生み出しているか、あるいは平均を下回っているかを把握し、それに応じて処遇するための仕組みです。評価がスコアであれアンケート結果であれ、年1回であれそれ以上の頻度であれ、プロセスには主観が入り込みます。組織は、評価が従業員のパフォーマンスに基づいており、個々のマネージャーの好みや、意識的・無意識的なバイアスに左右されていないかを確認すべきです。
現在の演習
多くの業界で、職場の安全は重要なテーマです。安全な環境を維持することは、従業員の安心につながり、労災補償や法的リスクに伴うコストの削減にも役立ちます。この章では、職場事故の増加に対する説明要因をデータから探ります。
