16 терминов HR-аналитики, которые нужно помнить
В каждой отрасли есть свой жаргон, как и в прекрасном мире HR-аналитики. Вот почему сегодня мы перечислили для вас некоторые из ключевых терминов.
1. Алгоритм
Мы много говорим об алгоритмах, но что такое алгоритм? Самый простой способ выразить это, вероятно, таков: алгоритм — это список правил, которым нужно следовать, чтобы решить проблему.
2. Очистка данных
Если вы помните наше интервью с Дэвидом Грином в прошлом месяце, возможно, вы помните, как он говорил о важности чистых данных. Для любого анализа нужны чистые данные, но что это значит? Ну, это означает, что все данные, которые в любом случае непригодны для использования, неверны или повреждены, должны быть отфильтрованы и удалены (это называется очисткой данных). Остаются так называемые чистые данные, которые можно использовать в процессе аналитики.
3. Измельчение данных
Вероятно, это не самая захватывающая часть работы эксперта по данным. Переработка данных — это иметь кучу и кучу данных и пытаться разобраться во всем этом. Это в основном ввод данных на компьютер, а затем выполнение статистики и математики, чтобы получить окончательный результат. Измельчение данных облегчает подготовку к автоматизированной обработке больших объемов данных и информации.
4. Интеллектуальный анализ данных
Еще один, о котором мы упоминали много раз. Интеллектуальный анализ данных — это процесс обнаружения закономерностей в больших наборах данных. Для этого используются методы с использованием искусственного интеллекта, машинного обучения и статистики.
5. Хранилище данных
Это не что иное, как синоним большой базы данных для хранения всех собираемых данных. Довольно просто, правда?
6. Безопасность данных
Это то, что становится все более и более важным. Поскольку так много разных компаний, веб-сайтов и организаций собирают данные о каждом из нас для самых разных целей, безопасность данных в настоящее время является главным приоритетом. Это относится к мерам цифровой конфиденциальности, которые предотвращают несанкционированный доступ к данным людей, например, через компьютер или базу данных.
Мы видим это явление и в HR: с появлением People Analytics и компаний, собирающих много данных о своих сотрудниках (вспомните метаданные электронной почты и данные социальных сетей), возникает вопрос о защите данных. Например, в какой степени работодателям разрешено использовать данные о сотрудниках? И кому принадлежат эти данные?
7. Источник данных
Источником данных может быть что угодно, все зависит от того, что именно вы хотите измерить. Например, если вы отслеживаете количество кофе, которое ваши коллеги выпивают каждый день, то это источник данных. Просто как тот!
8. Описательная аналитика
Приблизительно существует три типа аналитики, и описательная аналитика — один из них. Как следует из названия, описательная аналитика предназначена для описания того, что произошло в прошлом. Если вы отслеживаете ежемесячное количество соискателей в вашей компании, вы используете описательную аналитику.
9. Машинное обучение
Машинное обучение — это разновидность искусственного интеллекта (ИИ). Он позволяет компьютерам обучаться без явного программирования для этого. Машинное обучение концентрируется на разработке программного обеспечения, которое может изменяться при воздействии на него новых данных.
Если вы хотите узнать больше об искусственном интеллекте, перейдите сюда.
10. Обучение моделей
Поскольку мы хотим, чтобы в этом посте все было просто, мы дадим вам обзор цикла прогнозирования (не беспокойтесь, подробнее об этом позже), который выглядит следующим образом:
Собирать данные
Предварительно обработайте данные Выберите тип анализа
Обучение прогнозной модели
Выполнение прогнозов и;
Действуйте в соответствии с выводами.
Забудьте о других этапах цикла прогнозирования, здесь мы говорим об обучении моделей. По сути, вы проверяете собранные данные, чтобы увидеть, как они реагируют. Это даст вам проценты, которые, если вы протестируете достаточно данных, позволят вам сделать оценки для будущих данных.
Это может показаться немного расплывчатым, но не беспокойтесь. В бесплатной электронной книге, которую вы можете получить внизу этой страницы, мы расскажем вам все о прогностическом цикле.
11. Прогнозная аналитика
Это то, в чем мы хороши здесь, в Harver. Это еще один тип аналитики. Когда дело доходит до прогнозной аналитики, все зависит от того, «что может произойти». Если мы вернемся к приведенному выше примеру отслеживания ежемесячной производительности вашего бизнеса, то заполнение чисел предстоящих месяцев на основе результатов из прошлого будет базовой формой предиктивной аналитики.
Чтобы ознакомиться с введением в предиктивную аналитику, перейдите здесь.
12. Цикл прогнозирования
Итак, мы говорим, что прогнозная аналитика касается того, «что может произойти», и что ответ на этот вопрос можно найти в исторических данных. В этом случае прогнозный цикл — это механизм, лежащий в основе прогнозной аналитики: все шаги, которые необходимо предпринять для достижения желаемого результата. Как упоминалось ранее, существует примерно 6 стадий, и в совокупности они образуют цикл прогнозирования.
13. Прогнозная модель
Наверное, неудивительно, когда мы говорим, что существует множество различных прогностических моделей. Основываясь на том, с чем вы сталкиваетесь на более ранних этапах цикла прогнозирования, и на результатах, которые вы ищете, вы выбираете модель прогнозирования.
Хорошим примером такой модели является дерево решений. Думайте об этом как о дороге с кучей перекрестков. В зависимости от характеристик определенного фрагмента данных он поворачивает налево или направо на каждом из этих перекрестков.
14. Предварительная обработка данных
Еще одна фаза прогнозирующего цикла. Когда вы собрали все необходимые данные, пришло время самой трудоемкой части: предварительной обработки данных.
Все полученные данные очищаются (теперь мы знаем, что это значит), форматируются, объединяются, сэмплируются и еще что-то. На обычном английском языке: данные обрабатываются таким образом, что они готовы к использованию в прогнозной модели.
15. Предписывающая аналитика
Предписывающая аналитика говорит о том, «что нам делать?». Это относительно новая ниша в мире аналитики, и она широко не используется (пока). Множественные будущие результаты для различных решений прогнозируются на основе различных элементов. Это позволяет пользователям предписывающей аналитики предписывать ряд действий, которые необходимо предпринять, а также их результаты.
16. Кадровая аналитика
Аналитика рабочей силы — это сочетание программного обеспечения и методологии, которая применяет статистические модели к данным, связанным с работниками. Предполагается, что результаты помогут HR-практикам оптимизировать управление персоналом.
Конец
Это все люди! Мы надеемся, что теперь вы лучше понимаете иногда довольно технический жаргон HR-аналитики. Очевидно, что этот список не является исчерпывающим — мы не хотим, чтобы вы читали его на протяжении всего перерыва, — но он определенно должен помочь вам в будущих статьях по HR-аналитике.
В пути
Теперь, прежде чем уйти, не забудьте загрузить бесплатное «Руководство для начинающих по прогнозной аналитике в HR». В нем вы найдете все, что вам нужно знать, чтобы сделать первые шаги в чудесном мире предиктивной аналитики.
Первоначально опубликовано на blog.harver.com.
