Dra slutsatser

Nu är det dags att dra slutsatser från din analys. Både avg_attrition och avg_sales finns tillgängliga i arbetsytan. Vilken av rekryteringskällorna i datamängden gav de bästa nyanställningarna, mätt i personalomsättning och försäljning? Vilken källa gav de sämsta?

Den här övningen är en del av kursen

HR-analys: Utforska medarbetardata i R

Interaktiv övning med praktiskt arbete

Gör teori till handling med en av våra interaktiva övningar

Starta övningen

Den här övningen är en del av kursen

HR-analys: Utforska medarbetardata i R

SkillTag.level.intermediateSkillTag.label

4.8+

Starta kursen gratis

I det här kapitlet får du en introduktion till hur datavetenskap används inom personalhantering. Sedan går du in i en fallstudie där du analyserar och visualiserar rekryteringsdata för att avgöra vilken källa för nya kandidater som i slutändan ger de bästa nyanställningarna. Det dataset du använder i det här och övriga kapitel i kursen är syntetiskt, för att skydda verkliga medarbetares integritet.

Exercise 1: Välkommen till kursen!Exercise 2: Tillämpningar av HR-analys (human resources analytics)Exercise 3: Utforska rekryteringsdata Exercise 4: Rekrytering och anställningskvalitet Exercise 5: Identifiera grupper i data Exercise 6: Försäljningssiffror per rekryteringskälla Exercise 7: Avgångstakt per rekryteringskälla Exercise 8: Visualisering av rekryteringsdata Exercise 9: Visualisera skillnaderna i säljprestanda Exercise 10: Visualisera skillnader i personalomsättning Exercise 11: Dra slutsatser

Aktuell övning

Gallup definierar engagerade medarbetare som de som är delaktiga i, entusiastiska över och hängivna sitt arbete och sin arbetsplats. Det råder delade meningar om hur starkt sambandet mellan medarbetarengagemang och affärsresultat egentligen är, men grundtanken är att mer engagerade medarbetare är mer produktiva och stannar längre i organisationen. I det här kapitlet undersöker du möjliga förklaringar till varför en avdelnings engagemangspoäng är lägre än övriga avdelningars.

Exercise 1: Analysera medarbetarengagemang Exercise 2: Importera undersökningsdata Exercise 3: Vilken avdelning har lägst engagemang?Exercise 4: Jämföra andra faktorer per avdelning Exercise 5: Visualisera engagemangsdata Exercise 6: Visualisera flera variabler samtidigt Exercise 7: Visualisera flera variabler samtidigt med facetter Exercise 8: Dra slutsatser från diagram Exercise 9: Är skillnaden meningsfull?Exercise 10: Statistisk signifikans – omotiverade medarbetare Exercise 11: Statistisk signifikans – semesterdagar Exercise 12: Dra slutsatser från testerna

När en arbetsgivare anställer någon måste lönen för den nya medarbetaren fastställas. Om arbetsgivaren inte är uppmärksam kan nyanställda komma in med en högre lön än de som redan arbetar i samma roll, vilket kan leda till personalomsättning och missnöje. I det här kapitlet undersöker du om nyanställda verkligen får högre lön än befintliga medarbetare, och hur du kan kontrollera dina första iakttagelser.

Exercise 1: Rättvis lön för nyanställda Exercise 2: Importera lönedata Exercise 3: Är skillnaden signifikant?Exercise 4: Utelämnad variabelsnedvridning Exercise 5: Exempel på utelämnad variabelförskjutning Exercise 6: Vilka andra skillnader finns?Exercise 7: Hur ser löneskillnaden ut nu?Exercise 8: Får timanställda högre lön?Exercise 9: Linjär regression Exercise 10: Nyanställdas lön: enkel regression Exercise 11: Nyanställdas lön: hänsyn till befattningsnivå Exercise 12: Dra slutsatser från testerna

Prestationshantering hjälper en organisation att hålla koll på vilka medarbetare som bidrar med extra värde eller presterar under genomsnittet, och att ersätta dem därefter. Oavsett om prestationen mäts via ett omdöme eller ett frågeformulär, och oavsett om medarbetarna bedöms varje år eller oftare, är processen till viss del subjektiv. En organisation bör kontrollera att omdömen sätts utifrån faktisk prestation – inte enskilda chefers preferenser eller till och med fördomar, medvetna eller omedvetna.

Exercise 1: Sammanfoga HR-data Exercise 2: Importera de två datamängderna Exercise 3: Sammanfoga prestandadata Exercise 4: Prestandabetyg och rättvisa Exercise 5: Fokus på högpresterande medarbetare Exercise 6: Jämföra fördelningar av högpresterande medarbetare Exercise 7: Kontrollera för utelämnad variabelbias Exercise 8: Logistisk regression Exercise 9: Linjär och logistisk regression Exercise 10: Prestandabetyg: en enkel logistisk regression Exercise 11: Prestationsbetyg: hänsyn till jobbnivåer Exercise 12: Slutsatser och rekommendationer

I många branscher är arbetsmiljösäkerhet en kritisk faktor. En säker arbetsplats ger medarbetarna trygghet och minskar kostnaderna för arbetsskadeersättning och rättsliga risker. I det här kapitlet söker du efter förklaringar till en ökning av arbetsplatsolyckor.

Exercise 1: Anställdas säkerhet Exercise 2: Importera och joina olycksdata Exercise 3: Var är olycksfallsfrekvensen högst?Exercise 4: Var ökade olycksfallsfrekvensen mest?Exercise 5: Fokusera på den relevanta platsen Exercise 6: Fokus på problemplatsen Exercise 7: Lägg till mer data Exercise 8: Kontrollera för utelämnade variabler Exercise 9: Är förändringen isolerad till problemplatsen?Exercise 10: Förklara ökningen av olyckor Exercise 11: Använd regression för att identifiera orsaker till förändringar Exercise 12: Vad kan du dra för slutsats?Exercise 13: Avslutning