Conclusies trekken uit de tests

Wat is, op basis van je t-tests en regressies, je conclusie?

Nieuwe medewerkers worden…

Deze oefening maakt deel uit van de cursus

HR-analytics: werknemersgegevens verkennen in R

Bekijk cursus

Interactieve oefening met praktijkervaring

Zet theorie om in actie met een van onze interactieve oefeningen

Begin oefening

Deze oefening maakt deel uit van de cursus

HR-analytics: werknemersgegevens verkennen in R

SkillTag.level.intermediateSkillTag.label

4.8+

36 reviews

Begin gratis met de cursus

In dit hoofdstuk maak je kennis met hoe data science wordt gebruikt binnen HR. Daarna duik je in een casestudy waarin je wervingsgegevens analyseert en visualiseert om te bepalen welke bron van nieuwe kandidaten uiteindelijk de beste nieuwe medewerkers oplevert. De gegevensset die je in dit en de andere hoofdstukken gebruikt is synthetisch, om de privacy van echte medewerkers te waarborgen.

Exercise 1: Welkom bij de cursus!Exercise 2: Toepassingen van human resources (HR) analytics Exercise 3: De recruitergegevens bekijken Exercise 4: Werving en kwaliteit van aanname Exercise 5: Groepen in data identificeren Exercise 6: Verkoopcijfers per wervingsbron Exercise 7: Verlooppercentages per wervingsbron Exercise 8: De wervingsdata visualiseren Exercise 9: Verschillen in salesprestaties visualiseren Exercise 10: Verschillen in verloop visualiseren Exercise 11: Conclusies trekken

Gallup definieert betrokken medewerkers als degenen die opgaan in hun werk, er enthousiast over zijn en zich inzetten voor hun werk en werkplek. Er is discussie over hoe sterk de relatie is tussen medewerkerbetrokkenheid en bedrijfsresultaten, maar het idee is dat meer betrokken medewerkers productiever zijn en langer bij de organisatie blijven. In dit hoofdstuk bekijk je mogelijke oorzaken waarom de betrokkenheidsscores van één afdeling lager zijn dan de rest.

Exercise 1: Medewerkerbetrokkenheid analyseren Exercise 2: De enquêtedata importeren Exercise 3: Welke afdeling heeft de laagste betrokkenheid?Exercise 4: Andere factoren per afdeling vergelijken Exercise 5: De betrokkenheidsdata visualiseren Exercise 6: Meerdere variabelen tegelijk visualiseren Exercise 7: Meerdere variabelen tegelijk visualiseren met facets Exercise 8: Conclusies trekken uit grafieken Exercise 9: Is dat verschil betekenisvol?Exercise 10: Statistische significantie - niet-betrokken medewerkers Exercise 11: Statistische significantie - vakantiedagen Exercise 12: Conclusies trekken uit de tests

Wanneer werkgevers iemand nieuw aannemen, moeten ze bepalen wat de nieuwe medewerker krijgt betaald. Als de werkgever niet oplet, kunnen nieuwkomers met een hoger salaris binnenkomen dan medewerkers die al hetzelfde werk doen, wat kan leiden tot verloop en ontevredenheid. In dit hoofdstuk controleer je of nieuwe medewerkers inderdaad meer betaald krijgen dan huidige medewerkers, en hoe je je eerste observaties kunt dubbelchecken.

Exercise 1: Nieuwe medewerkers eerlijk belonen Exercise 2: Gegevens over salarissen importeren Exercise 3: Is het verschil significant?Exercise 4: Vertekking door weggelaten variabelen Exercise 5: Voorbeelden van weggelaten-variabelebias Exercise 6: Welke andere verschillen zijn er?Exercise 7: Hoe ziet het loonverschil er nu uit?Exercise 8: Worden uurcontractanten meer betaald?Exercise 9: Lineaire regressie Exercise 10: Salaris nieuwe medewerkers: een eenvoudige regressie Exercise 11: Salaris van nieuwe medewerkers: rekening houden met functieniveaus Exercise 12: Conclusies trekken uit de tests

Huidige oefening

Prestatiemanagement helpt een organisatie bij te houden welke medewerkers extra waarde leveren of juist onder het gemiddelde presteren, en hen daar passend voor te belonen. Of prestaties nu via een beoordeling of via een vragenlijst worden gemeten, en of medewerkers jaarlijks of vaker beoordeeld worden, het proces blijft deels subjectief. Een organisatie zou moeten nagaan of beoordelingen worden gegeven op basis van prestaties, en niet op voorkeuren of zelfs vooringenomenheden (bewust of onbewust) van individuele managers.

Exercise 1: HR-gegevens samenvoegen Exercise 2: De twee gegevenssets importeren Exercise 3: Prestatiegegevens samenvoegen Exercise 4: Beoordelingen van prestaties en eerlijkheid Exercise 5: Focus op toppresteerders Exercise 6: Distributies van high performers vergelijken Exercise 7: Controleren op weggelaten-variabelebias Exercise 8: Logistische regressie Exercise 9: Lineaire en logistische regressie Exercise 10: Prestatiebeoordelingen: een eenvoudige logistische regressie Exercise 11: Prestatiebeoordelingen: rekening houden met functieniveaus Exercise 12: Conclusies en aanbevelingen

In veel sectoren is veiligheid op de werkvloer een cruciale factor. Een veilige werkplek geeft medewerkers vertrouwen en verlaagt de kosten voor werknemerscompensatie en juridische aansprakelijkheden. In dit hoofdstuk zoek je naar verklaringen voor een toename van bedrijfsongevallen.

Exercise 1: Veiligheid van werknemers Exercise 2: Ongevallengegevens importeren en samenvoegen Exercise 3: Waar is het ongevalspercentage het hoogst?Exercise 4: Waar nam het ongevalspercentage het meest toe?Exercise 5: Focussen op de locatie van interesse Exercise 6: Focus op de locatie van het probleem Exercise 7: Meer data toevoegen Exercise 8: Controleren op weggelaten variabelen Exercise 9: Is die verandering beperkt tot de probleemlocatie?Exercise 10: De toename in ongevallen verklaren Exercise 11: Veranderingsoorzaken opsporen met regressie Exercise 12: Wat kun je concluderen?Exercise 13: Conclusie