Прогноз эффективности продавцов на основе теста CPI / Блоги на HRM.RU
 сделать домашней  добавить в избранное  карта сайта RSS
Имя 
Пароль  забыли?
Присоединяйтесь!

Новые материалы

   Названы самые высокооплачиваемые вакансии в Башкирии
   Не все профессии равны. Вчерашние школьники идут в телевизионщики и PR
   Новочебоксарские безработные граждане обучаются востребованным профессиям
   Где в Уфе заработать 100 тысяч рублей в месяц
   Сколько в среднем получают владимирские врачи?


 

Облако тегов
agile альфастрахование альфастрахования аналитика для hr apple ассессмент-центр автоматизация hr-бизнес процессов автоматизация бенчмаркинг бизнес-процессы бизнес симуляция бизнес тренинги для руководителей бизнес тренинги онлайн бизнес дистанционное обучение персонала дистанционное обучение e-learning e learning электронное обучение электронные курсы hr-аналитика hr-бренд hr-конференции hr-метрики hr-видео hr инновации исследования it josh bersin кадровый резерв карьера клиентоориентированность клиентский сервис для развития продаж клиентский сервис тренинг клиентский сервис компетенции корпоративная культура корпоративное обучение корпоративные бизнес тренинги коучинг kpi лидерство лидеры linkedin менеджмент модель компетенций мотивация персонала мотивация неформальное обучение обучение персонала обучение сотрудников предприятия обучение сотрудников обучение оценка эффективности обучения оценка персонала организационная культура персонал подбор персонала поиск работы продажи психология разработка речевых модулей для работы с претензиями рекрутеры рекрутинг рекрутмент roi рынок труда собеседование социальное обучение социальные сети стандарты клиентского сервиса стандарты обслуживания клиентов стив джобс таланты текучесть персонала тестирование тренинги по клиентскому сервису тренинги по сервису тренинги тренинг угловое преобразование фишера управление качеством обслуживая клиентов управление персоналом управление талантами управление текучестью персонала управление знаниями управление вебинары вовлеченность персонала websoft знания

все теги


События

полный список

Последние обсуждения

  26.09.2019 16:41:06
Новый уровень безопасности дыхания
  30.08.2019 14:26:41
Worldskills International и 3М запускают новый совместный проект «Образование во имя будущего»
  30.08.2019 11:33:40
Молодые профессионалы за устойчивое будущее
  24.08.2019 14:36:18
Научные эксперименты, продуктовые тесты и мировые технологии для молодых профессионалов
  09.08.2019 16:18:31
Только оригинальные СИЗ обеспечивают гарантированную защиту


Опросы
  Актуальные направления работы HR вашей организации 2017
Все опросы

HR-Блоги
Бабушкин Эдуард 27.09.2015 12:18:12 (Изменен 07.10.2015 12:18:00)

Прогноз эффективности продавцов на основе теста CPI

Хочу показать один из вариантов процедуры применения тестов для прогноза успешности работников.

Описание

При приеме на работу кандидаты в продажники проходили тестирование по тесту CPI, в дальнейшем замеряли их эффективность. Оценка эффективности состояла из трехбальной шкалы: 
1 – высокоэффективные, 
2 – средне эффективные, 
3 – низкоэффективные (не раскрываю содержания шкал, поскольку инфо таки коммерческая).
С другой стороны, что дали, то дали. Можно, конечно, подозревать, что если был лаг в замере результатов, то могли сказаться факторы сезонности, территории и т.п.., но к сожалению, всейчас уже нет возможности править ситуацию, поэтому что есть, то есть
Всего было протестировано 87 человек.

Процедура

В данном посте беру только одну шкалу – Lp – лидерство.
В качестве инструмента анализа я предполагаю использовать дисперсионный анализ. Сначала проводим тест Ливиня для оценки равенства дисперсий. Данные тест позволяет сделать вывод о возможности применения дисперсионного анализа.
Тест Ливиня показывает значимость 0.07952, близко к 0, 05, но мы имеет возможность применять дисперсионный анализ. В обратном случае нам бы пришлось использовать аналог дисперсионного анализа – критерий Крускала – Уоллиса.
Далее проводим сам дисперсионный анализ.
Df Sum Sq Mean Sq F value   Pr(>F)   
a          & nbsp; 2    902   451.2    9.51 0.000189 ***
Residuals   84   3985    47.4
 Значимость 0.000189 говорит о различии между показатели по шкале LP лидерства между группами работников.
Теперь проведем так называемый post hoc анализ – попарный анализ.
  diff        lwr       upr     p adj
2-1 -5.422039  -9.318821 -1.525257 0.0037780
3-1 -9.382184 -15.023178 -3.741190 0.0004423
3-2 -3.960145  -9.287330  1.367041 0.1846782
Вы можете, кстати, сделать сравнения групп Т критерием Стьюдента, у вас получатся схожие результаты, не забываете только применять поправку Бонферрони.
Он нам показывает разницу в средних между группами (diff, т.е. например между 1 и 2 группами работников средняя разница в результатах по шкале LP составляет 5, 42 бала, и эта разница значима, а вот между второй и третьей группами (средне и низкоэффективных продавцов) значимой разницы по шкале лидерства нет). Таким образом, мы получаем по сути не три, а две группы: 1 – высокоэффективные и остальные, и используем эту шкалу для отбора высокоэффективных сейлзов (в отличие от ситуации, когда нужно отсеять низкоэффективных – эту задачу данная шкала нам не позволяет решить)

Визуализируем полученные данные

Прогноз эффективности продавцов на основе теста CPI

Границы принятия решения

Для определения границ принятия решения о кандидате я использую статистику Байеса (более подробно см. Кейс "HR-бизнес партнер" (Статистика Байеса в HR-аналитике)). Это не единственный, но, на мой взгляд, наиболее интуитивно понятный
Схема определения границ такая (для эстетов аналитики скажу, что необходимо выполнить бутстреп и делать с учетом полученных результатов, но не буду усложнять в посте):
Визуально определяем нижнюю границу – 39 балов.
Ниже этого значения у нас ответил 21 кандидат, из которых потом 1 попал в высокоэффективные, 20 во 2 и 3 группы.
Таким образом, вероятность того, что кандидат, набравший меньше 39 балов, попадет в средне или низкоэффективные, составляет 20/21 = 95 %
Среднее и медиана у нас для группы высокоэффективных равна 47 балов.
У нас 28 человек показали результаты по шкале лидерства выше или равно 47 балов. Из них высокоэффективных – 14 и остальных тоже 14, т.е. вероятность попадания в высокоэффективные.
Если у вас кандидат набрал больше или равно 50 баллов (3-й квартиль), вероятность попадания в высокоэффективные равна = 8 (кол-во высокоэффективных продавцов, набравших при тестировании бал по лидерству выше 50) / 13 (всего кандидатов, набравших при тестировании бал по лидерству выше 50) = 61, 5 %.
И для каждого бала можно устанавливать вероятность попадания в высокоэффективные или низкоэффективные
Вот такая некая итоговая таблица
 Уровни балов
эффект
остальные
Сумма по строке
выше 47
14
14
28
Больше или равно 39 и менее 47
14
24
38
Менее 39
1
20
21
сумма по колонке
29
58
87
Уровни балов можно менять, вероятности вы можете посчитать сами. Не слишком сложная инфо для понимания? 

Точный ли у нас прогноз или нет?

Менее 39 балов у нас набрал 21 человек из 87 или практически 25 % кандидатов набирают такой бал, т.е. мы каждого четвертого уже точно определяем в определенную группу.
Более или ровно 50 балов у нас набрали 13 человек или 15 %
При этом не забывайте, что у нас помимо одной шкалы есть другие шкалы и, возможно, другие факторы, которые позволяют корректировать прогноз.
Но скажу по секрету: я нарыл всего три шкалы (включая шкалу лидерства), которые дают нам что-то с т.з. прогноза. 
Вопрос к вам, читатели: сложно для понимания?

ПыСы. Логистическая регрессия


Даю одну картинку точности прогноза. Достаточно близко тому, что мы накорябали выше, верно? 
Прогноз эффективности продавцов на основе теста CPI

Прогноз эффективности продавцов на основе теста CPI

Прогноз успешности кандидатов на основе тестов


Метки данной записи: прогноз успешности кандидатов на основе тестов hr-аналитика аналитика для hr прогноз эффективности

Комментарии

Для того, чтобы размещать статьи в Блоге, Вам необходимо авторизоваться или зарегистрироваться или

Share |

 


О проекте      Реклама       Подписка       Контакты       Rambler's Top100 Яндекс цитирования ©2000-2011, HRM