Lautsprecher | Abschrift |
| Christy Spanien | Guten Nachmittag. |
| Hallo wie geht es dir heute. |
| Mir geht es gut, wie geht es dir? |
| Christy Spanien | Gut danke. |
| Wo befindest du dich, Thor. |
| ja Christy Spanien. |
| Und Albuquerque, New Mexico. |
| Christy Spanien | das ist was ich gedacht habe. |
| Recht bekommen. |
| Christy Spanien | dreistellig da draußen. |
| Nicht jetzt. |
| Okay, wir haben eine. |
| Hurrikan kommt von der. |
| Ballschweine werden die Temperaturen nach unten treiben. |
| Christy Spanien | Okay, wie heißt der. |
| Ich weiß nicht, normalerweise passiert nicht viel und ich habe irgendwie nicht viel darauf geachtet. |
| Gut. |
| Christy Spanien | Ich habe mich irgendwie unvorbereitet erwischt, aber wissen Sie, das hat den Golf getroffen, sie waren gestern ziemlich hart, also tanken alle hier Benzin, weil die Pipeline jetzt geschlossen ist. |
| Also wo bist du. |
| Christy Spanien | Ich bin in Cary North Carolina Hauptquartier ja so. |
| ähm mal sehen was du gemacht hast, hast du letztes jahr irgendwelche aufnahmen für uns gemacht bzw. |
| Habe ich letztes Jahr selbst gemacht. |
| Möglicherweise einer der Gründe, warum wir das tun. |
| Diesmal. |
| Oh. |
| Christy Spanien | Das ist lustig. |
| Ähm, lassen Sie mich sehen, ich habe eine kleine Checkliste, mit der ich das öffnen kann, wie zu viele Dinge tatsächlich zu schließen, wenn. |
| Ich habe versucht, alles zu löschen, also habe ich keine Popups bekommen, haben Sie alle Ihre Apps geschlossen und. |
| Ich habe noch nicht, und ich hatte auch eine Frage. |
| Sicher ähm. |
| Da stand, dass ich vor meiner Aufnahme Sachen hochladen soll, aber das kann ich nicht, weil ich keinen Link habe. |
| Christy Spanien | Ich bin Upload ist und was für Dinge. |
| Und Präsentationsmaterialien. |
| Christy Spanien | Okay, ich werde herausfinden, was dieser Link für Sie ist. |
| Und so ging ich zurück und durchsuchte meine alten E-Mails. Ich konnte sie nicht finden. Ich denke gut. |
| Ich bin. |
| Keine große Sache, aber. |
| Christy Spanien | Wir sollten aber definitiv in der Lage sein, einfach weiterzumachen und aufzunehmen. |
| Okay ja. |
| Christy Spanien | Lassen Sie mich eine kleine Checkliste finden, aber ein Teil dieser Checkliste schließt Ihre Apps ab. |
| Ich werde das tun. |
| Sie brauchen keine Microsoft-Teams. |
| Christy Spanien | Sie haben keine Logos auf Ihrem Hemd, also ist das gut. |
| Keine Logos. |
| Brauche ich jetzt wahrscheinlich auch nicht. |
| Christy Spanien | Ich konnte nicht herausfinden, wie man Teams nicht stört. |
| Die Mannschaften gut. |
| Eines der Dinge über modern. |
| Technologie ist, dass die Leute dir keine Anweisungen mehr geben, sondern dass sie dir dieses Ding geben und du sollst es herausfinden. |
| Christy Spanien | Nun, ich habe den Hilfeabschnitt D amp D eingegeben und es wurde so getan, als ob ich nach Nachrichten oder so etwas suchte, und mein Okay, oder es war in Ordnung, ich habe es so geschlossen. |
| Okay, also. |
| Ich habe aber ein paar Bewerbungen offen. |
| Schauen Sie sich dieses kleine parasitäre Team-Ding an. |
| Christy Spanien | uns geht es gut. |
| Nun, sie haben es in dieses kleine versteckte Menü gelegt, damit es immer noch da ist, zusammen mit Skype, weil sie in der Lage sein wollen, Sie zu kontaktieren, egal was passiert. |
| Christy Spanien | Und weißt du, ich denke, vielleicht sollten wir dich einen der Hintergründe nehmen lassen. |
| Da steht keine Urheberrechtsverletzung, aber du kennst ja viele Bücher da hinten vielleicht. |
| Na ja, ich habe Bücher hier hinten, ich dachte, das wäre keine große Sache, weil man sie nicht wirklich lesen kann, aber in Ordnung. |
| Christy Spanien | Ich weiß nicht, ich würde es hassen. |
| Ich muss Sie zurückrufen und sagen, dass ich es loslassen werde. |
| Ja, ich will das nicht zweimal machen. |
| Nein. |
| Ich meine, ich bin sicher, das wird ein großer Spaß, aber ich will es nicht noch einmal tun. |
| Ich werde einfach Teams los. |
| Sie sind alle Teams weg. |
| Okay, also diese Hintergründe, ich habe etwas davon. |
| Ich muss zurück zu Outlook. |
| Christy Spanien | Oder du könntest es vielleicht tun. |
| Sehen Sie, ich habe sie nie benutzt. |
| Eine wirklich nie benutzte sie. |
| Ja, weil sie die Analyse verwischen. |
| ja. |
| Weißt du, wann immer du Sachen machst, um dich zu bewegen, sehe ich Leute, die sie und solche Unschärfen benutzen, und sie sehen den ganzen Müll, der in ihrem Zimmer ist. |
| Sieh so aus. |
| Tanja. |
| Tanja so neues Symptom. |
| Hier gehen wir also. |
| Das sind soziale Kacheln, Sie wissen schon, was soziale Kacheln sind. |
| Virtuelle Hintergründe also blaues Streudiagramm. |
| ich werde das einfach tun. |
| Komm schon. |
| Das wäre jetzt die Frage, wie mache ich das? |
| Benutze sie. |
| Mal schauen. |
| Christy Spanien | Ich dachte, es wäre unter den kleinen drei Punkten, aber es ist nicht so. |
| Okay, mir ist nicht klar, wo die Enten sind. |
| Wo findet man Punkte. |
| Christy Spanien | Nun, Sie wissen unten, wo Sie den Bildschirm teilen und chatten können. |
| Und all das gibt es gerne ein bisschen mehr. |
| Da sehe ich aber keine Änderungsmöglichkeit im Hintergrund. |
| auch nicht. |
| Christy Spanien | Wir gehen zwischen so vielen verschiedenen hin und her. |
| Werkzeuge hier ist es schwer. |
| Machen wir eine schnelle Suche. |
| Virtueller Hintergrund unter glatter Kamera. |
| Oh. |
| So. |
| Und dann müssen Sie wissen, wo der virtuelle Hintergrund ist, weil sie es nicht gesagt haben. |
| Welches sollten Sie verwenden oder so etwas, nein, nein, nein. |
| Christy Spanien | Oh, das sieht nett aus. |
| Oh gut, weil ich mir nicht sicher war, ob ich noch viel mehr machen könnte, OK, also haben wir jetzt den Hintergrund und wenn ich mich viel bewege, funktioniert das ziemlich gut, nur ein bisschen Mist, okay. |
| Christy Spanien | und |
| Hattest du automatisch deine Taskleiste. |
| mal sehen wie ich das mache. |
| Christy Spanien | Gehen Sie zu Ihrer Taskleiste und klicken Sie mit der rechten Maustaste. |
| Ja, an einem Ort, an dem nichts steht. |
| Nein. |
| Das Problem ist, dass meine Taskleiste vollständig abonniert ist. |
| Christy Spanien | meins versteckt sich auch nicht, ich weiß nicht warum. |
| Ist es ja. |
| Taskleisteneinstellungen, los geht's. |
| es ist Montag automatisch die Test-Testleiste im Desktop-Modus ausblenden. |
| An. |
| OK, jetzt scheint es automatisch ausgeblendet zu sein, außer dass es nicht ausgeblendet ist. |
| Christy Spanien | Nun, wenn Sie nach oben scrollen, ist es weg. |
| Also taucht nur if auf. |
| Ich habe etwas Aktivität geht gut weg. |
| Christy Spanien | Und dann ist dein Sound großartig. |
| und |
| Christy Spanien | Ich möchte, dass Sie das Teilen üben, damit wir Ihre Auflösung überprüfen können, und all das. |
| Okay, lass uns nachsehen. |
| Sicherlich eine bestimmte Sache, die ein Problem sein wird. |
| Zum Teilen des Bildschirms werde ich zeigen, wie du aussiehst. |
| Christy Spanien | Nun, Sie können fortfahren und Ihre Inhalte teilen. |
| Ja, aber ich möchte zwischen Folien und der JMP-Anwendung hin und her blättern, damit ich sie zeigen kann. |
| Mein Bildschirm. |
| Also bin ich irgendwie gelandet. |
| Mit dem Bildschirm und ich habe Sie hier in einem kleinen Fenster. |
| Christy Spanien | Oben können Sie es anzeigen und nebeneinander ändern, oder das habe ich. |
| Meine Kamera auszuschalten, weil mich sowieso niemand sehen will. |
| heute dreht sich alles um dich. |
| Kleines Video-Thumbnail-Video mit aktivem Sprecher anzeigen. |
| Okay, das zeigt dir. |
| Es zeigt uns beide, dies zeigt ein Gitter. |
| Und das macht das Ganze wirklich klein. |
| Und ich kann mich nicht mehr sehen. |
| Aber ich kann dieses Ding bewegen. |
| Christy Spanien | Nun, ich kann dich traurig sehen, dein PowerPoint. |
| Nun, hier ist eine Frage, bei der ich mein PowerPoint in den normalen Schreibmodus versetzt habe. |
| Aber wenn ich in die Präsentationsansicht gehe. |
| Es wird größer, aber dann muss ich immer wieder zwischen dieser und der anderen Ansicht hin und her springen. |
| Wenn du das Video machst. |
| Werden Sie sich die relevanten Teile ansehen oder einfach auf dem Bildschirm zeigen, was durchkommt. |
| Christy Spanien | Ja, wir werden einfach zeigen, was auch immer. |
| Also, die meisten Leute machen den Präsentationsmodus und wenn Sie dann raus müssen und Ihren JMP-Bildschirm hochziehen müssen, können Sie das tun. |
| und gehen Sie zurück, macht das Sinn, und wenn wir Sie am Ende sehen, kennen Sie einige Ihrer. |
| ja das sieht toll aus. |
| Okay, ich denke, das werden wir tun, und ich werde einfach entkommen und zu JMP gehen, wo es nötig ist. |
| Christy Spanien | Wollen Sie das ganz schnell ausprobieren, damit wir sicherstellen können, dass es die richtige Größe hat? |
| ja. |
| Christy Spanien | sieht großartig aus. |
| Okay. |
| Es ist also sichtbar. |
| Christy Spanien | OK, also muss ich jetzt. |
| Bestätigen Sie bitte Ihren Firmen- und Abstracttitel. |
| Name ist Thor Osborn. Das Unternehmen ist Sandia National Laboratories. |
| Der Titel des Abstracts sollte „Employment Application Arrival Model for Talent Acquisition Simulation and Management“ lauten. |
| Christy Spanien | Perfekt. Und dann verstehen Sie, dass dies zur Verwendung in Discovery Summit aufgezeichnet wird. |
| JMP-Konferenz und wird öffentlich in der JMP User Community verfügbar sein. Erteilen Sie die Erlaubnis für diese Verwendung und Aufzeichnung? |
| Vielen Dank. |
| Christy Spanien | Und ich denke, wir sind bereit, Thor, also werde ich mich stumm schalten und |
| Du kannst gehen, wann immer du bereit bist. Ziel ist es, direkt durchzukommen. Ich werde nichts sagen oder dich aufhalten, es sei denn, etwas Katastrophales passiert. Wie wär es damit? |
| Okay, das Ziel ist es, direkt durchzukommen, und wie lange soll ich haben? |
| Christy Spanien | 30 Minuten. |
| Okay, ich denke, Sie haben jetzt einen kleinen Spielraum, weil sie am Ende des Playbacks gerne Zeit für Fragen und Antworten lassen, also wenn es ein bisschen darüber hinausgeht, ist das in Ordnung. |
| Okay, bevor wir gehen, gibt es dieses kleine Fenster, in dem steht, dass gesprochen wird und wer spricht. |
| Weil sie das kleine Video-Ding verkleinern. |
| Okay, zeigt mein Bildschirm die Präsentationsansicht, oder zeigt er das, mit dieser kleinen Einfügung unten rechts. |
| Christy Spanien | Ich sehe nur die Präsentationsansicht. |
| Okay, sie lassen das also irgendwie schweben. |
| Christy Spanien | Das muss nervig sein. |
| Es ist okay, solange es nicht in die Richtung kommt, in der ich meine, ich lege nichts dort hin. |
| Christy Spanien | das ist okay. |
| ja. |
| Gut. |
| Christy Spanien | Okay, ich schalte stumm und dann bist du bereit. |
| Okay. |
| Also, mein Name ist Thor Osborn. Ich arbeite bei den Sandia National Laboratories als Principal Systems Research Analyst. |
| Mein heutiger Vortrag ist das Bewerbungsmodell für die Simulation und das Management von Talentakquise. |
| Und ich hoffe es gefällt euch. |
| Ich habe hier drei grundlegende Ziele. Einer besteht darin, den Business Case dafür zu erstellen, warum Sie die Ankunftszeiten für Stellenbewerbungen modellieren sollten. Eine andere besteht darin, einen unkomplizierten Prozess zur Erstellung eines prägnanten, breit anwendbaren Modells unter Verwendung dieser Art von Daten zu zeigen. |
| Und dann werde ich diesen Prozess anhand von Daten einer großen Forschungsorganisation demonstrieren und kurz zeigen, was man damit machen kann. |
| Technisch werde ich das Verständnis der Daten durchgehen, da ich denke, dass diese Art von Daten für die meisten Leute etwas ungewöhnlich ist. |
| Die Quellenmodelle sind im Wesentlichen eine Quellenmodellierung |
| Analyse, also werde ich über die Poisson- und Gamma-Poisson-Modelle sprechen. |
| Ich werde einige Analysen und Transformationen durchführen, um die Arbeit damit zu vereinfachen, und dann kurz darauf eingehen, wie Sie beim Erstellen von Modellen vorgehen könnten. |
| Was die Motivation angeht, gibt es also drei grundlegende Motivationsbereiche. Eine besteht darin, den Prozess der Talentakquise und die Geschäftsfunktion zu verbessern. |
| Eine andere besteht darin, das Verständnis der Führungskräfte zu verbessern, die das Unternehmen leiten, und die dritte besteht darin, die Erwartungen an die Einstellungsmanager zu formulieren. |
| Ich beginne mit der Talentakquise. Die Einstellungsrate und die Verzögerung hängen von den Durchläufen durch die Überprüfungsphasen in der Talentakquise-Pipeline ab. Aber das Entscheidende ist, dass Sie genügend Bewerbungen haben müssen, bevor Sie mit dem Prozess fortfahren können. |
| Und die Raten und Muster variieren ziemlich stark je nach Bereich, der Spezifität der veröffentlichten Postings, der Konkurrenz, wie viel Sie beworben haben und so weiter. |
| Ein gemeinsamer mathematischer Rahmen für das Eintreffen von Anträgen könnte ein besseres Verständnis des Handelsraums zur Verbesserung der Erfassungsraten von Anträgen ermöglichen. |
| sowie andere Dinge. Einige Schlüsselbeziehungen Erfassungsrate und Varianz der Bewerbung im Vergleich zum Beschäftigungskontext, Arbeitsplatz, Karrierestufe, Tätigkeitsbereich. |
| Auswirkungen auf die Erfassungsrate von anpassbaren Variablen, der Spezifität der Stellenausschreibung, der Sprache der Ausschreibung – und damit meine ich nicht Englisch oder Spanisch, sondern eher die Art und Weise, wie die Dinge dargestellt werden. |
| Und gezielte Rekrutierungsbemühungen. Und dann die Auswirkungen externer Faktoren wie wirtschaftliche Bedingungen, Wettbewerb auf dem Gebiet der Praxis, |
| Wie groß ist die Berufsgruppe, die Sie in Ihrem Rekrutierungsbereich wirklich erreichen? |
| Und ich denke, es ist wichtig zu erkennen, dass die Talentakquise mit den typischen Einschränkungen konfrontiert ist, die Sie oft bei der Ausführung von Projekten oder Programmen sehen – Zeit, Qualität und Kosten. |
| Das Sammeln von Bewerbungen braucht Zeit. Sie möchten eine hohe Qualität an Bewerbern erhalten. Das kostet Geld, und je schneller du versuchst, desto mehr wird es kosten. |
| Hier gibt es also Kompromisse. |
| Führungskräfte werden oft durch die Personalplanung in den Prozess eingebunden, was ein Sammelbegriff ist, aber im Grunde genommen ein Jahresplan ist. |
| Aber ohne relevante Modelle und Feedback zu den Kosten der Dinge könnte die Berücksichtigung der typischen Einschränkungen und Zuweisung von Personalbudgets oder -prozessen subjektiv sein oder fehlen. |
| Und damit meine ich auf Führungsebene, dass HR oft nur als notwendiger Kostenfaktor angesehen wird, aber nicht unbedingt als Hebel, um das Unternehmen voranzubringen. Teilweise aufgrund fehlender Informationen, so dass die Bereitstellung von Informationen eine Möglichkeit sein könnte, diese Situation zu verbessern. |
| Auch die Erwartungen des Personalchefs. |
| Im Grunde haben wir es mit kleinen Zahlenstatistiken, kleinen Zahlen von Bewerbungen zu tun. |
| Menschen unterliegen wirklich Musterverzerrungen, und die meisten Personalchefs stellen nicht jede Woche neue Mitarbeiter ein, also sind sie es nicht gewohnt, dies aus der Perspektive vieler verschiedener Fälle über einen langen Zeitraum zu betrachten. |
| Und das kann dazu führen, dass sie sich in der letzten Situation verankern, mit der sie konfrontiert waren, das kann zu Musterverzerrungen führen, wenn sie sich die Anzahl der Bewerber ansehen, die von einer Woche zur nächsten nach unten gehen, und sich vorstellen, dass dies bedeuten muss, dass sie alle Interessenten erreicht haben. |
| Und das Problem mit diesen intuitiven Reaktionen auf Vorurteile, die zu Überreaktionen führen können, weil man, wie immer bei Statistiken mit kleinen Zahlen, Fehlinformationen erhält, wenn man sie nicht in diesem Zusammenhang betrachtet. |
| Also kurz zu den Daten. Ankunftsdaten sind an bestimmte Stellenanforderungen gebunden. Sie haben also eine Stellenausschreibung, es gibt eine Stellenausschreibung für diese Stellenausschreibung und die Bewerbungen gehen als Folge der Stellenausschreibung ein. |
| Sie sind auf verschiedene Weise gekennzeichnet. Karrierephase; |
| Sichtbarkeit, wie weit es sichtbar gemacht wird; |
| Tätigkeitsbereich, was Sie tun; |
| und spezifische Anforderungen, die innerhalb dieser Bereiche sehr breit oder sehr eng sein können. |
| Und die Bewerbungen können während des Zeitfensters eingereicht werden, in dem eine Stellenausschreibung zugänglich ist, also gibt es normalerweise einen definierten Zeitrahmen. |
| Sie werden nach Datum verfolgt. |
| In diesem Fall muss ich bei der späteren Analyse mit realen Daten das Datum der letzten eingereichten Bewerbung als Abschlussdatum für die Entsendung verwenden, aber das ist nicht unbedingt wahr. Aber wie so oft bei echten Daten haben wir nicht alle Daten, die wir gerne hätten. |
| Und das sage ich abschließend |
| Sie zählen die Anzahl der Anwendungen pro Tag. Wenn Sie an einem Tag null Bewerbungen sehen, ist das eine Zählung von null. |
| Denken Sie also an einen nationalen Pool potenzieller Bewerber für eine Stellenausschreibung, |
| Arbeitgeber setzt Informationen in die Welt hinaus. |
| Ein Teil der Personen aus dem nationalen Bewerberpool stellt Bewerbungen. |
| Es wird allgemein angenommen, dass dies wenige im Verhältnis zu der Gesamtzahl sein werden, die es könnten. |
| Und so haben Sie diesen riesigen Bewerberpool. Es ist eine Quelle und alle Anwendungen oder geringfügigen Störungen an dieser Quelle. |
| Und, um es ganz explizit zu sagen, das könnte für Leute, die es gewohnt sind, sich mit Poisson-Mathematik zu beschäftigen, aber sehr langweilig werden |
| Wenn Sie am ersten Tag sehen, dass eine Anwendung eintrifft, ist dies eine Instanz einer Zählung von eins. Am zweiten Tag gibt es keine Bewerbungsankunft. Das ist eine Instanz einer Zählung von Null. Ganz rechts sehen Sie also drei Instanzen von Null, drei Instanzen von Eins, eine Zwei und eine Drei. |
| Und das kann angepasst werden, obwohl es nicht sehr viele Daten sind, es kann mit dem Poisson-Modell angepasst werden, und Sie sehen die blaue Linie dort unten rechts. |
| Also eine durchschnittliche Rate von einer eingehenden Anwendung pro Tag, aber die tatsächliche Anzahl pro Tag wird je nach Verteilung variieren. Und das ist es. |
| Die Poisson-Verteilung kann also verwendet werden, um die Wahrscheinlichkeit einer Zählung zu beschreiben, die in einer Zeiteinheit durch eine zufällig emittierende Quelle diskreter Elemente erzeugt wird, die eine konstante mittlere Emissionsrate Lambda pro Zeiteinheit aufweisen. |
| Und Sie erhalten diese Gleichung. Und im Fall einer Zählung von vier, die auf der vorherigen Folie eine sehr kleine Wahrscheinlichkeit zeigte, |
| Sie haben im Wesentlichen eins zum vierten. |
| mal e hoch minus Lambda, also im Grunde 37% |
| geteilt durch vier Fakultäten oder 24, also etwas in der Nähe von anderthalb Prozent, was mit einer kleinen, aber von Null verschiedenen Wahrscheinlichkeit übereinstimmt. |
| Also als erste Hypothese |
| Wir gehen davon aus, dass Mitglieder des bundesweit verteilten Pools potenzieller Bewerber für diese breit ausgeschriebene Stelle unkoordiniert agieren |
| in Bezug auf Beschäftigungsmöglichkeiten, sodass ein Poisson-Modell sinnvoll sein könnte. |
| Und so ist es eine vernünftige Anfangshypothese. |
| Nun, was ist, wenn sie interagieren. |
| Dann kann man sich das in Form des Gamma-Poisson-Quellenmodells vorstellen, das im Wesentlichen eine Poisson-Komponente ist, die eine Gamma-Verteilung als Mischverteilung verwendet. |
| Oder Sie können es sich als verschwommenes Poisson vorstellen, weil die Rate, die Durchschnittsrate, keine konstante Durchschnittsrate ist, sondern sich von einem Moment zum nächsten ändert. |
| Und dies kann unter einer alternativen Hypothese geschehen, dass sich Bewerber koordiniert verhalten, |
| was passieren könnte, wenn es Netzwerke von Menschen gäbe, die miteinander über Beschäftigungsmöglichkeiten und so weiter sprechen. |
| Jetzt ist hier |
| eine Folie zur Erzeugung des Gamma-Poisson. Dies sind grundlegende Dinge, aber ich finde, dass es hilfreich sein kann, sich diese Distributionen anzusehen. |
| Also werde ich ausbrechen und eine kleine DEMO in JMP machen. |
| Was Sie hier sehen, zufälliges Gamma vier-eins, bedeutet einfach zufälliges Gamma mit einem Parameter von vier und einem Skalierungsparameter von eins, also ist der Durchschnitt vier. |
| Sie sehen sich die Verteilung an. Hier gibt es 100.000 Zeilen; Sie erhalten eine Kurve, wie Sie sie auf der Folie gesehen haben. |
| Der Durchschnitt liegt bei etwa vier, was passiert, wenn Sie etwas oft tun. |
| es ist fast genau das, was es sein soll. |
| Nehmen Sie nun diese Distribution und verwenden Sie sie |
| als Feed für ein zufälliges Poisson. |
| Und das bekommst du. |
| Was nicht wie das Poisson von früher aussieht, weil es verschmiert wurde. |
| Wenn Sie sich eine Poisson-Anpassung ansehen, werden Sie feststellen, dass dies die beste Anpassung ist |
| für durchschnittlich vier, was wirklich alles ist, |
| hat eine engere Streuung als das Gamma-Poisson und nur um das zu verifizieren, ja, es ist ein Gamma-Poisson, |
| Schau dir die rote Linie dort an. |
| Und es passt wirklich, wirklich gut. |
| Fast perfekt. |
| Und so ist dies im Wesentlichen ein Fall, in dem man das durchgemacht hat |
| Kommunikationsprozess, wenn man so will, ist die Poisson nicht mehr das beste Modell. |
| Der Fall, den ich gerade gezeigt habe, ist hier oben rechts in diesem Quad-Panel dargestellt. |
| Sigma ist gleich zwei, der Überdispersionsparameter von zwei. |
| Wenn Sie einen Überdispersionsparameter von eins haben, Sigma gleich eins, oben links, dann ist das im Wesentlichen wieder dasselbe wie die Poisson-Verteilung. |
| Aber wenn der Überdispersionsparameter zunimmt, geht er von einem Buckel gefolgt von einem Schwanz zu etwas über, das eher wie ein abklingendes Exponential aussieht. Sie sehen das unten rechts im Blau, |
| Die Farben sind hier gegenüber den vorherigen vertauscht, also falls es da zu Verwechslungen kommt, tut mir leid. |
| Jetzt hier ist mit echten Daten. |
| Also der Fall eines breit zugänglichen Maschinenbau-Anfangsberufs. |
| 140 Anwendungen zum Erstellen von 131 Zählungen, von denen viele Null sind, also verteilt sich dies über die Zeit – einhunderteinunddreißig Tage. |
| Das Gamma-Poisson passt am besten, und das sehen Sie oben links. |
| Ich verwende das Akaike-Kriterium, das AIC |
| metrisch. |
| Unten links sehen Sie |
| eine erfahrene Position. Jetzt verfügen erfahrene Fachleute nicht über die Netzwerke von, sagen wir, Universitätspraktikanten und so weiter. |
| Oder notwendigerweise das ständige Eintauchen in andere Menschen, die Sie in einer Universitätsumgebung sehen würden. Dies ist kein Beweis für irgendetwas, sondern nur eine Möglichkeit zu rationalisieren, dass Sie vielleicht deshalb ein eher klassisches Poisson-Verhalten mit erfahrenen professionellen Antworten sehen. |
| Und nur um hier zu zeigen, es scheint auch mit der Zahl der Bewerbungen zu korrelieren. Andere Faktoren, die von Bedeutung wären, scheinen die zu sein |
| Karrierestufe. |
| Wie ich gerade erwähnt habe, bedeutet FLSA-Status (Non-Exempt), sagen wir, Technologen im Gegensatz zu freigestellten Mitarbeitern. |
| Diese Faktoren scheinen wichtig zu sein, aber es gibt definitiv eine Verzerrung, wenn die Anzahl der Anwendungen zunimmt und es wahrscheinlicher wird, dass sie Gamma-Poisson-verteilt sind. |
| Nun, wie diese Daten für die Analyse aufbereitet werden. Bewerbungstermine nach Stellengesuch |
| Tabellarische Einstellung Nullen für |
| wenn es keine Zählung gibt. |
| Und dann das Anpassen von Poisson und Gamma-Poisson für jede Anforderung, um herauszufinden, welches Ihnen den besseren AIC-Wert gibt. |
| Parallel dazu wurde eine Anforderungszusammenfassungstabelle mit einer Zeile oder einer Zeile pro Anforderung erstellt, und diese werden dann zusammengeführt, um Parameter für Poisson und Gamma-Poisson sowie den AIC-Parameter anzugeben, der Ihnen sagt, welcher wahrscheinlicher ist eine bessere Passform. |
| Und Sie erhalten eine Zusammenfassung für Poisson und eine Zusammenfassung für Gamma-Poisson nach dem Subsetting, weil diese schwierig zusammen zu handhaben sind. |
| Sie können das Gamma-Poisson mit einem Sigma von eins verwenden, aber dann haben Sie am Ende eine Inflation von Null, und es wird kompliziert, damit umzugehen, also behandle ich sie stattdessen einfach separat. |
| Unabhängig davon, welche Teilmenge verwendet wird, zeigt der Prozess, dass das lineare Modell für den Parameter im Vergleich zu den Treibern passt. |
| Der Parameter wird durch das Modell normalisiert. |
| Und dann schaue ich, ob eine gemeinsame Verteilung über alle Fahrerbedingungen hinweg plausibel ist, was in diesem Fall im Wesentlichen der Anforderungskontext von Standort, früher oder später Karriere und so weiter ist. |
| Wenn es möglich ist, dass sie in dieselbe Verteilung fallen, ist es möglich, einen gemeinsamen Verteilungsparametersatz zu erstellen und diesen für den gesamten Datensatz zu verwenden. |
| Andernfalls schlägt der Ansatz fehl und ich habe zu diesem Zeitpunkt keinen Mechanismus, um damit umzugehen, also ist das zufällig nicht passiert, aber es ist etwas, worüber man für die Zukunft nachdenken sollte. |
| Hier ist also eine Poisson-Parameterverteilung nach Kontext, wo der Kontext mit der Seite zu tun hat, ob es sich um eine frühe oder späte Karriere handelt oder etabliert, man könnte sagen, |
| und ob es, naja, welches praxisgebiet ist. Jeder von ihnen hat ein „B“, was breit bedeutet, weil die Analyse von rein internen Stellenanforderungen eine schwierige, andere Sache mit viel eingeschränkteren Möglichkeiten ist, und deshalb bleibe ich in dieser Präsentation einfach bei dem breiten Fall. |
| Was Sie sehen können, ist, dass sich die mittlere Varianz ziemlich offensichtlich je nach Anforderungskontext unterscheidet, und nein, sie fallen nicht in dieselbe Verteilung. Das können Sie leicht demonstrieren. |
| Betrachtet man eine kleinere Teilmenge, nur den anfänglichen Teil, die frühe Menge von Standort A, wird deutlicher, dass die Mittelwerte und die Standardabweichungen überall auf der Karte zu finden sind. |
| Jetzt werde ich hier auch eine kleine Demo machen. |
| Also ich habe diese Daten. |
| Nun, das ist ein wirklich einfaches Modell. Ich nehme die Ausgabe des Poisson-Parameters und verwende den Anforderungskontext, der so vielschichtig ist |
| subjektive Variable. |
| Und führen Sie das aus, und Sie sehen, dass es ein RQuadrat von etwa Komma vier gibt. Das bedeutet, dass |
| es ist nicht unbedeutend. Die Passform des Modells ist eigentlich ziemlich gut. |
| Und die Anpassung für diesen Parameter ist sehr gut. Es deckt nicht die gesamte Varianz ab, aber das ist in Ordnung, weil wir es nicht erwarten; es ist nur zu sagen, dass dies ein ziemlich gutes Modell für das ist, was es tut. |
| Es könnte auch rein tabelliert werden, aber ich mag diesen Ansatz, weil er einfach zu handhaben ist und mir ein Gefühl dafür gibt, wie viel Variabilität bei dieser Anpassung berücksichtigt wird. |
| Es kann hier gehen, und schauen Sie sich das an |
| tatsächlich durch vorhergesagt, und Sie sehen, ja, es ist kein großartiges Modell, aber es erfüllt einen Zweck. |
| Und eine andere Sache, die Sie tun können, ist die Vorhersageformel zu speichern. |
| Und so sehen Sie hier. |
| Da ich dies bereits getan habe, wird dies automatisch abonniert. |
| Sie sehen, dass das, worauf dies hinausläuft, im Wesentlichen gerecht ist |
| eine Konstante |
| plus ein Offset nach Anforderungskontext. |
| Es gibt keine Raketenoperation. |
| Aber wenn ich jetzt eine Normalisierung machen will, |
| eine Spalte hinzufügen. |
| Nennen Sie das |
| Norm Poisson Wieder, weil ich es schon einmal gemacht habe, um dies zu machen |
| Tisch an erster Stelle. |
| Finden Sie Poisson. Da ist mein Poisson-Parameter. Teilen Sie das durch die |
| Modell passt. |
| Das sollte eigentlich funktionieren. |
| Nicht sicher, was hier los ist. |
| Okay, Demos niemals live machen, das ist die Regel, aber das hat in der Vergangenheit immer funktioniert, und ich bin mir wirklich nicht sicher, was los ist. |
| Da ist mein Poisson-Parameter. |
| Da ist meine Vorhersageformel. |
| Oh. Sie sollten niemals versuchen, etwas durch zu dividieren |
| selbst. Deshalb hat es nicht funktioniert. |
| Es ist jetzt hartnäckig. |
| Okay. |
| Manchmal sind subtile Dinge wichtig. Hier ist also das normalisierte Poisson. |
| Und was daran interessant ist, ist das |
| Sie können das anpassen. |
| Und anhand der verfügbaren Flaschen sieht man, dass der Johnson SL am besten passt und einen ziemlich guten Job macht. |
| Und Sie können auch |
| tun Y durch X anpassen. |
| Nehmen Sie diese Ausgabe |
| und passen nach Anforderungskontext. |
| Und hol dir dieses Oneway-Plot. |
| Das sieht viel regelmäßiger aus als das vorherige, das ich gezeigt habe. Viel plausibler, dass diese die gleiche Verteilung haben. Sie werden einen größeren Bereich sehen, wenn Sie auf denen sind, die mehr Daten haben, aber das ist nicht der Fall. |
| das ist wirklich nicht überraschend. |
| Und wenn Sie sich den Test auf ungleiche Varianzen ansehen, sehen Sie, dass es keinen Hinweis darauf gibt, dass die Varianzen ungleich sind. |
| Das ist kein Beweis dafür, dass dies nicht der Fall ist, aber es ist eine Art zu sagen, dass es vernünftig ist, ein Modell zu verwenden, bei dem Sie angenommen haben, dass sie dieselbe Verteilung haben. |
| So. |
| Zurück dazu. |
| Oh, ich habe auch einen Kolmogorov-Smirnov-Test für jeden Kontext im Vergleich zu allen anderen durchgeführt, und von so 78 Fällen zeigte nur einer einen p-Wert von weniger als 0,05. |
| P-Werte beweisen nichts, aber sie geben einen Hinweis darauf, dass es vernünftig ist, diese nur so zu behandeln, dass sie aus derselben Verteilung stammen. |
| Und hier ist nur die vergrößerte Version für diese eine kleinere Teilmenge, aber Sie können sehen, dass dies plausibel ist; es ist kein Beweis, aber es ist plausibel. |
| Und mit dem Fit-Test |
| wieder scheint es vernünftig, dass |
| Johnson SL ist ein vernünftiges Modell, das hier verwendet werden kann, um die Poisson-Parameterverteilung, die normalisierte Poisson-Parameterverteilung, für diesen Datensatz zu beschreiben. |
| Dasselbe kann für Gamma-Poisson und diese Teilmenge von Daten und diesen Lambda-Parameter, der der äquivalente Parameter ist, durchgeführt werden. |
| Und das klappt mal wieder. |
| Für den Sigma-Parameter verwende ich eigentlich ein Sigma minus eins, weil Sigma auf einer Grundlinie von eins liegt. |
| Und das Modell hier ist, wenn Sie so wollen, von noch geringerer Qualität, aber es ist notwendig, es zu verwenden |
| separater Modellierungsschritt, da Lambda mit Sigma korreliert und Sie diesen Effekt daher darin modellieren möchten. |
| Auch hier bekommen Sie eine anständige Passform. |
| In diesem Fall ist es die Johnson Su. |
| Und hier ist, was los ist. Wir generieren synthetische zufällige Verteilungsparameter. |
| Generieren Sie aus einer Datenuntermenge ein kontextbasiertes lineares Modell. |
| Normalisieren Sie eine Parameterverteilung und passen Sie sie an ein gemeinsames parametrisches kontinuierliches Modell an. |
| Um dann den synthetischen Parameter zu generieren, erhalten Sie eine Zufallszahl aus der normalisierten Parameterverteilung und multiplizieren diese mit dem entsprechenden Ergebnis des linearen Modells, das heißt, um sie zu "denormalisieren". |
| Bei der Bewertung synthetischer Zufallsmodellparameter habe ich erneut den KS-Test verwendet, und Sie können sehen, dass es keine Möglichkeit gibt, sie wirklich voneinander zu unterscheiden, also ist es zumindest eine Möglichkeit zu sagen, dass es glaubwürdig aussieht |
| im Vergleich zu den realen Fällen. |
| Und ich habe auch ein zusammengesetztes Modell gemacht. |
| Das wurde in eine Funktion umgewandelt, damit es eine aufrufbare Funktion sein kann, die dann, und das ist in JSL, eine aufrufbare Funktion in der JMP-Skriptsprache wäre |
| zum Generieren von Parametern für zufällige Stellenanforderungen mit dem Kontext als Eingabe, alle verschiedenen Kontextmerkmale. |
| Ich werde jetzt nicht auf all diese Details eingehen, aber der Punkt ist, dass Sie eine Visualisierung mit synthetischen zufälligen Parameterpaaren erstellen können, die Ihnen nicht nur ein Gefühl dafür gibt, wo sich die Dinge in dieser Heatmap normalerweise befinden, sondern auch |
| eine Art Vorstellung von den Ausreißern, was ein plausibler Ausreißer ist und wie weit er wirklich geht. |
| Und Sie können auch sehen, ob Sie eine Korrelation zwischen Lambda und Sigma herstellen |
| und zwischen synthetischem Lambda und synthetischem Sigma sind fast gleich. |
| Es modelliert diese Beziehung ziemlich genau. |
| Und wenn Sie sich das dann mit den echten Daten ansehen, |
| Das sind kleine schwarze Punkte im Hauptdiagramm. |
| Achtundneunzig Prozent der synthetischen Dichte befinden sich in dem rötlichen Bereich, der durch die Kreuzschraffur angezeigt wird, die der mittlere Einschub mit einem grünen Quadrat darum herum ist. |
| Alle Datenpunkte, von denen es 43 gibt, |
| dort hinfallen. |
| Und so. |
| Dies ist wiederum die synthetische Modellierung dessen, was wirklich ziemlich gut passiert. Es ist glaubwürdig, aber es zeigt Ihnen, was in den anderen wenigen Prozent der Fälle passieren könnte. |
| Soweit habe ich also die Modellierung genommen, aber was Sie sehen können, ist, dass Sie den Kontext verwenden können; Sie können andere Variablen verwenden, z. B. wie viel |
| Spezifität wird in die Sprache für die Stellenausschreibung gelegt, die weniger Leute qualifiziert, wird vielleicht manche Leute abschrecken. |
| Sie können sich ansehen, wie die Sprache hergestellt wird. Heutzutage verwenden die Menschen Tools in der Personalabteilung, um eine akzeptablere Sprache zu entwickeln. Sie können sehen, wie viel Unterschied das in Bezug auf das macht, was Sie im Laufe der Zeit und bei mehreren Stellenanforderungen erhalten. |
| Sie könnten diese als Faktoren für das Modell behandeln und dadurch Ihre Anwendung optimieren |
| diese Funktionen beim Erstellen von Stellenausschreibungen, je nachdem, was Sie benötigen. |
| Aber jetzt schalte ich um, okay, wie sieht das nochmal aus. Nochmals Grundprinzip, also für einen Fall von Poisson mit sieben pro Woche, 30% der Zeit, wird die Zählung fünf oder weniger sein. |
| Sie sollten also davon ausgehen, dass Sie damit rechnen sollten, dass die Anzahl der Anwendungen erforderlich ist |
| Die Zeit, die erforderlich ist, um eine einigermaßen wettbewerbsfähige Auswahl zum Mieten zu erhalten, wird variieren, denn selbst bei einem Durchschnitt von sieben wird die Anzahl, die Sie erhalten, ziemlich variieren. |
| Die Varianz des Poisson ist die gleiche wie die des Parameters, sodass Sie eine breite Variation erhalten. |
| Wenn Sie also daran gewöhnt sind, in langfristigen Durchschnittswerten zu denken |
| oder durch einen anderen Fall verankert, könnten Sie durch eine bestimmte Instanz aus der Bahn geworfen werden. |
| Und das Problem ist diese Verzerrung der Mustererkennung. |
| Die Clustering-Illusion ist diese Tendenz zu glauben, dass die unvermeidlichen Streifen oder Cluster, die in kleinen Samples ankommen, bedeuten, dass ein nicht zufälliger Effekt stattfindet, es gibt eine Art Absicht dahinter. |
| Und es ist eindeutig irrelevant für Poisson-verteilte Daten, wie RD Clarke 1946 mit seiner Analyse der deutschen V-Bombe herausfand. |
| Standorte, die auf den Raum London fallen. |
| Die Leute würden sehen, dass die Gruppierungen auftraten, und sie würden denken, dass das etwas bedeutete, aber er konnte zeigen, dass es ziemlich zufrieden war, indem er den Prozess als Poisson betrachtete |
| verteilt, was bedeutet, dass Sie manchmal sowieso Cluster bekommen werden, und sicherlich ungefähr so oft, wie Sie gesehen haben. |
| Das bedeutete also wirklich, dass sie nicht auf irgendetwas Bestimmtes abzielten, sondern dass sie im Allgemeinen auf London abzielten und im Allgemeinen irgendwo in London ankamen. |
| In diesem Fall hier, wenn wir uns Jobs ansehen, liegt die Wahrscheinlichkeit, eine Sequenz über einen Zeitraum von drei Wochen zu erhalten, bei der Sie eine abnehmende oder steigende Anzahl erhalten, bei etwa 12 %. |
| In diesem Beispiel beträgt die Wahrscheinlichkeit, dass eine zweiwöchige Zählung sinkt, d. h. eine ist größer als die andere, 45 %. |
| Dies sind wirklich kurze Muster; Sie sollten nicht als bedeutungsvoll angesehen werden, aber sie können von Leuten so betrachtet werden, die sich der Natur der Statistiken nicht bewusst sind. Das ist wirklich der Punkt hier. Und das kann zu Überreaktionen führen. |
| Nun liegt die Variabilität je nach Praxisfeld bei etwa einer Größenordnung. |
| Einige Bereiche sind schwieriger zu beschaffen als andere, sodass die Erwartungen der Menschen verzerrt sein können, wenn sie diese Unterschiede nicht verstehen. |
| Und wenn Sie sich die Stellenausschreibungen im Allgemeinen ansehen, nicht nur nach Fachgebieten, sehen Sie einen Unterschied von etwa einem Faktor von 25 in den 95 % |
| reichen von 2,5 Prozent bis zu 97,5 Prozent. Es ist immer noch eine große Variabilität |
| in den Tarifen. |
| Und wenn Sie dann verstanden haben, wie dies durch die Formulierung der Sprache des Beitrags beeinflusst wurde, wie eng, wie allgemein, |
| was die Sprache anzieht, werben all diese Faktoren, |
| dann könntest du entscheiden wie viel |
| Sie möchten diese Raten erhöhen und den Prozess schneller erledigen. |
| Hier ist also ein Fall für eine bestimmte Stellenausschreibung mit dem Simulationsmodell, über das ich zuvor gesprochen habe. |
| Etablierter Fachmann am Standort A und Fachgebiet 9, auch dies ist alles urheberrechtlich geschütztes Zeug, also wird nicht offengelegt, was das ist; das ist nur eine bestimmte Art von Profi. |
| Sie erhalten diesen sehr breiten Unterschied aus |
| über das 95%-Vertrauen, irgendwo zwischen null und neun mit einem Median von zwei. |
| Das kann Leute aus der Fassung bringen, diese kleinen Statistiken können Leute aus der Fassung bringen, weil sie erwarten, dass die Dinge regelmäßiger ablaufen. |
| Es gibt Einschränkungen des Modells und des Ansatzes. |
| Es kommt immer auf die Daten, die Qualität der Daten an. Selten eingestellte Felder mit seltenen Fähigkeiten werden aller Wahrscheinlichkeit nach im Wesentlichen im Datensatz fehlen, wenn die Daten über einen kurzen Zeitraum gesammelt werden. |
| Aber auf der anderen Seite viele der externen Variablen, über die Sie keine Kontrolle haben |
| vielleicht |
| sich während des Zeitraums der Datenerhebung ändern, wenn Sie diesen Analysen einen langen Zeitraum zugrunde legen. |
| Und der Modellierungsansatz berücksichtigt keine Selbstkannibalisierung. Wenn Sie zwei Stellenausschreibungen in einem Feld offen haben und Bewerber sich auf beide bewerben oder eine auswählen. Vielleicht wählen sie in Fällen diejenige aus, die sie für die beste Chance halten. |
| Dieses Modell tut nichts dagegen, sondern würde das Ergebnis der realen Welt darstellen, indem es einfach erfasst, was passiert. |
| Stellt jedoch nicht den Umfang der verpassten Gelegenheit dar, denn wenn Sie wahrscheinlich möchten, dass sie sich auf alle bewerben, für die sie qualifiziert sein könnten, nur um zu sehen, wo sie passen könnten. |
| Also Schlussfolgerungen. Einige Bewerbungsantworten auf eine Stellenausschreibung werden in der Regel als Poisson oder Gamma-Poisson verteilt. |
| Und dies wurde anhand eines großen Datensatzes überprüft, der aus insgesamt etwa 2.500 Anforderungen besteht. |
| Die Verteilungsparameter für die Anwendungsantwort variieren erheblich. |
| Wenn normalisiert |
| sie können an gängige Profile angepasst werden. |
| Und diese prägnanten Modelle, die sich aus den gemeinsamen Profilen ergeben, erleichtern die Generierung synthetischer Zufallsanforderungsmodelle. |
| Dies würde es einer Person ermöglichen, eine Art Scoping oder Analyse durchzuführen |
| Wahrscheinlichkeiten |
| über verschiedene Umstände. |
| Ich denke, es ist wichtig zu erwähnen, dass Bewerbungsankunftsmodelle eine wichtige Lücke für das Verständnis des gesamten Mitarbeiterlebenszyklus schließen können, da sie Einstellungsmanagern und Personalfachleuten eine Perspektive in Bezug auf diese Musterverzerrungen bieten. |
| Sie können in diskreten ereignis- oder agentenbasierten Modellen verwendet werden, um Bewerber zu generieren, wenn Sie dies auf realistische Weise tun möchten. |
| Und |
| vielleicht am wichtigsten, aus wirtschaftlicher Sicht, |
| Es ist eine Möglichkeit, die Kosten pro Bewerber im Vergleich zu den Merkmalen der Stelle und verschiedenen anderen einstellbaren und außerhalb der eigenen Kontrolle liegenden externen Faktoren zu bestimmen. |
| Das würde dann ein besseres Verständnis dafür vermitteln, was in Bezug darauf zu erwarten ist, wie schnell Dinge gefüllt werden könnten, wie schnell offene Stellen gefüllt werden könnten und wie viel es kosten würde, dies zu tun |
| abhängig von Beziehungen mit Werbung und so weiter. |
| Damit ist das, was ich heute präsentieren wollte, abgeschlossen |
| Ich sage nur, wenn Sie Fragen haben, sollten Sie Kontaktinformationen von diesem haben |
| Video oder wo es platziert ist, und Sie können sich gerne an uns wenden. |
| Christy Spanien | Okay, das war großartig. |
| Ja, bis auf den Teil, wo mein Ding nicht funktionierte, weil ich die DEMO vermasselt hatte. |
| Aber das war ein gutes, sicheres, es war ein gutes SAVE. Endlich wurde mir klar, was ich tat. |
| Ja, JMP wird keine dummen Dinge tun, egal wie sehr Sie es wollen. |
