|
在人力资源管理中使用统计数据存在许多误解和误解，常常使我们无法利用统计数据所拥有的价值，例如“高级统计优于基本统计”或“负相关性不好”。我们在这里消除这些神话和误解，向你展示在HR和People Analytics项目中实际使用统计数据可能会非常有效。 希瑟分享了7个技巧，以帮助你在使用统计信息并利用其拥有的力量时建立更大的信心，以进行出色的分析并使用人力资源数据进行有效沟通。 1、不要使用平均值 如此多的人在数据分析中使用统计信息时坚持只利用基本平均值，而实际上却有太多信息可用来帮助你了解人事数据的真实情况。你可以使用其他基本统计数据（例如中位数或众数）来学到很多东西。这些被称为集中趋势的度量，主要是因为它们度量数据的中间状态，并且可以帮助构建更详细的图片，使你能够真正了解人事数据的状况，并在与利益相关者进行交流时讲述引人入胜的故事。 2、关联不等于因果关系 虽然许多人知道相关性不等于因果关系，但很少有人知道负相关性和正相关性之间的区别。负相关和正相关仅指示数据前进的方向。人们常常将负相关性与不良相关性混淆。实际上，当说的是一个变量上升时，另一个变量下降。这是最常见的混淆区域之一，可以阻止人们在其数据分析中使用统计信息。同样重要的是要注意，如果你确实在两项或两项数据之间建立了关联， 3、有时候，你预测分析的目标是错误的 预测模型就像汽车中的后视镜，而不是汽车的挡风玻璃。根据过去的情况，我们可以了解到未来的发展方向，但我们仍未看到前进的道路。当你建立预测模型时，目标并不总是准确地预测未来，有时目标是证明你的预测模型是错误的。例如，你可能会开发一个有助于预测人员流失的预测模型，而不是寻求正确的预测，而是可能决定对人才管理活动进行更改以帮助提高员工保留率，从而证明你的预测是错误的。 4、有时，实际意义甚至比统计意义更重要 统计显著性与效果是否存在关联，而实际意义是指影响的大小。有时，你要评估的内容，如何应用它以及结果如何影响人们比统计测试中的数字重要得多。统计显著性仅表示你有足够的证据来推断存在某种作用。这是一个数学定义，对主题领域一无所知。 5、使用多个数据源 你的分析应始终考虑尽可能多的信息，以真正了解正在发生的事情的全貌。没有任何统计检验可以告诉你影响是否足够大以至于在你的研究领域中不重要。相反，你需要运用你的学科领域知识和专长来确定效果是否足够大以至于在现实世界中有意义。 6、注意偏见 偏见是我们作为人类固有的内在因素，我们在DNA中内置了200多种偏见，它们倾向于遮盖我们如何看待和解释数据。重要的是，我们要意识到潜在的偏见以及在处理人数据时应考虑并尝试控制的某些事情。 7、人员数据是私有数据 人员数据是私有数据！重要的是要记住，在使用人员数据时，请意识到并考虑使用数据的方式以及所要分析的内容。希瑟说： “当你使用它时，只需检查一下自己即可。如果你认为所分析的内容很奇怪，请不要感到毛骨悚然，其他人也可能会这样做。提示是将其视为其私有数据，像对待你自己的数据一样对待它，不要感到毛骨悚然。” 当使用统计数据分析你的HR数据并推动可行的结果时，记住这7个技巧很重要。不要仅仅使用基本平均值，利用中位数和模式来绘制更详细的图片。负相关并不是一个不好的相关，它只是说随着一个变量上升，另一个变量下降。当你构建预测模型时，有时目标并非总是准确地预测未来，而最终目的是证明你的预测模型是错误的，并且不要忘记，实际意义有时比统计意义更重要。有时候，你要评估的内容，如何应用它以及结果如何影响人们，比统计测试中的数字要重要得多。 —End— |
|
|
