Altoparlante | Trascrizione |
| Cristo Spagna | Buon pomeriggio. |
| Ciao come stai oggi. |
| Sto bene, come stai? |
| Cristo Spagna | Bene grazie. |
| Dove ti trovi Thor? |
| sì, Christy Spagna. |
| E Albuquerque, Nuovo Messico. |
| Cristo Spagna | è quello che stavo pensando. |
| avuto il diritto. |
| Cristo Spagna | tre cifre là fuori. |
| Non adesso. |
| Ok, abbiamo un. |
| Uragano in arrivo dal. |
| i maialini abbatteranno le temperature. |
| Cristo Spagna | Ok, come si chiama quello? |
| Non lo so, normalmente non succede molto e non ho prestato molta attenzione. |
| BENE. |
| Cristo Spagna | Lo sono, mi sono preso alla sprovvista, ma sai che ha colpito il golf, ieri è stato piuttosto difficile, quindi tutti qui stanno facendo il pieno di gas, perché il gasdotto ora è chiuso. |
| Quindi dove sei. |
| Cristo Spagna | Sono nel quartier generale di Cary, nella Carolina del Nord, sì, così. |
| quindi vediamo cosa hai fatto, hai fatto qualche registrazione per noi l'anno scorso o... |
| Ne ho fatto uno mio l'anno scorso. |
| Forse uno dei motivi per cui lo stiamo facendo. |
| Questa volta. |
| OH. |
| Cristo Spagna | È divertente. |
| ehm, vediamo, ho una piccola lista di controllo, lasciami aprirla come se in realtà chiudessi troppe cose quando. |
| Stavo cercando di cancellare tutto, quindi non ho ricevuto alcun popup, hai chiuso tutte le tue app e. |
| Non l'ho ancora fatto e avrei anche una domanda. |
| Certo, ehm. |
| Diceva che avrei dovuto caricare le cose prima della registrazione, ma non posso perché non ho un collegamento. |
| Cristo Spagna | Sto caricando è e cosa cosa cose. |
| E materiali di presentazione. |
| Cristo Spagna | Ok, scoprirò qual è il collegamento per te. |
| E così sono tornato indietro e ho guardato le mie vecchie e-mail, non sono riuscito a trovarlo, sto pensando bene. |
| Io sono. |
| Non è un grosso problema ma. |
| Cristo Spagna | Dovremmo sicuramente essere in grado di andare avanti e registrare, però. |
| Ok sì. |
| Cristo Spagna | Fammi trovare una piccola lista di controllo, ma parte di quella lista di controllo si sta chiudendo nelle tue app. |
| andrò a farlo. |
| Non hai bisogno dei team Microsoft. |
| Cristo Spagna | Non hai niente, nessun logo sulla maglietta, quindi va bene. |
| Nessun logo. |
| Probabilmente non ne ho bisogno neanche adesso. |
| Cristo Spagna | Non sono riuscito a capire come non disturbare le squadre. |
| Bene le squadre. |
| Una delle cose del moderno. |
| La tecnologia è che le persone non ti danno più istruzioni, ti danno più questa cosa e tu dovresti capirlo. |
| Cristo Spagna | Bene, ho digitato la sezione di aiuto D e D e si è comportato come se stessi cercando qualche messaggio o qualcosa del genere, e il mio Ok, o andava bene, l'ho chiuso così. |
| Ok, allora. |
| Ho alcune applicazioni aperte ma. |
| Guarda quella piccola cosa delle squadre parassite. |
| Cristo Spagna | stiamo bene così. |
| Beh, l'hanno messo in questo piccolo menu nascosto in modo che sia ancora lì, insieme a Skype perché vogliono poterti contattare a qualunque costo. |
| Cristo Spagna | E sai, penso che forse avremmo dovuto prendere uno degli sfondi. |
| Dice che non c'è violazione del copyright, ma conosci molti libri lì, quindi forse. |
| Oh beh, ho dei libri qui dietro, pensavo non fosse un grosso problema perché non puoi davvero leggerli, ma va bene. |
| Cristo Spagna | Non lo so, mi dispiacerebbe. |
| devo richiamarti e dirti che lascio perdere. |
| sì, non voglio farlo due volte. |
| NO. |
| Voglio dire, sono sicuro che sarà molto divertente, ma non voglio farlo di nuovo. |
| mi sbarazzerò semplicemente delle squadre. |
| sono tutte le squadre scomparse. |
| Ok, quindi questi sfondi, ho una cosa a riguardo. |
| Devo tornare a Outlook. |
| Cristo Spagna | Oppure potresti semplicemente farlo. |
| Vedi, non li ho mai usati. |
| Davvero non li ho mai usati. |
| sì, perché l'analisi si confonde. |
| Sì. |
| Sai, ogni volta che fai cose per muoverti vedo le persone che le usano e le cose si confondono e vedono tutta la spazzatura che c'è nella loro stanza. |
| Vedi così da. |
| tanja. |
| tanya, un sintomo così nuovo. |
| Eccoci così. |
| Quelle sono tessere sociali, sai quali tessere sociali. |
| Sfondi virtuali quindi grafico a dispersione blu. |
| lo farò e basta. |
| Dai. |
| Ecco che ora la domanda sarebbe: come faccio? |
| Usali. |
| vediamo. |
| Cristo Spagna | Pensavo che sarebbe stato sotto i tre puntini ma non è così. |
| Ok, non mi è chiaro dove siano le anatre. |
| Dove trovi i punti? |
| Cristo Spagna | Bene, sai in fondo dove puoi condividere lo schermo e chattare. |
| E tutto questo è qualcosa in più. |
| Questo ma non vedo alcuna opzione per il cambiamento in background, lì. |
| non farlo neanche tu. |
| Cristo Spagna | Andiamo avanti e indietro tra così tanti diversi. |
| strumenti qui è difficile. |
| facciamo una rapida ricerca. |
| Sfondo virtuale sotto la fotocamera. |
| OH. |
| COSÌ. |
| E poi devi sapere dov'è lo sfondo virtuale perché non l'hanno detto. |
| Quale dovresti usare o qualcosa del genere, no, no, no. |
| Cristo Spagna | Oh, sembra carino. |
| Oh bene, perché non ero sicuro che sarei stato in grado di fare molto altro, quindi ora abbiamo il background e se mi muovo molto funziona abbastanza bene in realtà solo un po' di errore, okay. |
| Cristo Spagna | E |
| Avevi automaticamente la barra delle applicazioni. |
| vediamo come posso farlo. |
| Cristo Spagna | Vai sulla barra delle applicazioni e fai clic con il pulsante destro del mouse. |
| Sì, in un posto dove non c'è niente. |
| NO. |
| il problema è che la mia barra delle applicazioni è completamente iscritta. |
| Cristo Spagna | neanche il mio si nasconde, non so perché. |
| È sì? |
| impostazioni della barra delle applicazioni eccoci qui. |
| è lunedì nascondi automaticamente la barra del test in modalità desktop. |
| SU. |
| OK, quindi ora sembra essere nascosto automaticamente tranne che non è nascosto. |
| Cristo Spagna | Bene, se scorri verso l'alto scompare. |
| Quindi l'unico si presenta se. |
| Ho qualcosa che va bene. |
| Cristo Spagna | E poi il tuo suono è fantastico. |
| E |
| Cristo Spagna | ti farò provare a condividere, così potremo verificare la tua risoluzione e tutto il resto. |
| Bene vediamo. |
| Di sicuro una cosa specifica sarà un problema. |
| Per condividere lo schermo mostrerò il tuo aspetto. |
| Cristo Spagna | Bene, puoi andare avanti e condividere i tuoi contenuti. |
| sì, ma voglio passare avanti e indietro tra le diapositive e l'applicazione JMP, quindi voglio poterlo mostrare. |
| Il mio schermo. |
| Quindi in qualche modo sono finito. |
| Con lo schermo e ti ho messo in una piccola finestra qui. |
| Cristo Spagna | In alto, puoi visualizzarlo e modificarlo affiancato o questo è quello che ho. |
| Di spegnere la macchina fotografica perché comunque nessuno vuole vedermi. |
| è tutto su di te oggi. |
| Mostra il video in miniatura del piccolo oratore attivo. |
| Ok, questo te lo dimostra. |
| Mostra entrambi, questo mostra una griglia. |
| E questo rende il tutto davvero piccolo. |
| E non riesco più a vedermi. |
| Ma posso spostare questa cosa. |
| Cristo Spagna | Bene, posso vederti triste per il tuo PowerPoint. |
| Bene, ecco una domanda che ho ricevuto dal mio PowerPoint nella normale modalità di scrittura. |
| Ma se vado in visualizzazione presentazione. |
| Diventa più grande, ma poi devo continuare a fare avanti e indietro tra quella e l'altra visione. |
| Quando fai il video. |
| Esaminerai le parti rilevanti o mostrerai semplicemente sullo schermo tutto ciò che sta accadendo. |
| Cristo Spagna | sì, mostreremo qualunque cosa. |
| Quindi, la maggior parte delle persone utilizza la modalità presentazione e poi, se hai bisogno di uscirne e aprire lo schermo JMP, puoi farlo. |
| e tornare indietro ha senso, e se finiamo per vederti, conosci alcuni dei tuoi. |
| sì, sembra fantastico. |
| Ok, quindi immagino che questo sia ciò che faremo e scapperò e andrò a JMP dove necessario. |
| Cristo Spagna | Vuoi provarlo davvero velocemente, così possiamo assicurarci che sia della taglia giusta. |
| Sì. |
| Cristo Spagna | sembra fantastico. |
| Va bene. |
| Quindi è visibile. |
| Cristo Spagna | OK, quindi ora devo farlo. |
| conferma il nome dell'azienda e il titolo dell'abstract, per favore. |
| Il nome è Thor Osborn. L'azienda è Sandia National Laboratories. |
| Il titolo dell'abstract dovrebbe essere Modello di arrivo delle domande di lavoro per la simulazione e la gestione dell'acquisizione dei talenti. |
| Cristo Spagna | Perfetto. E poi capisci che questo verrà registrato per essere utilizzato nel Discovery Summit. |
| conferenza JMP e sarà disponibile pubblicamente nella comunità degli utenti JMP. Dai il permesso per tale utilizzo e registrazione? |
| Grazie. |
| Cristo Spagna | E penso che siamo pronti, Thor, quindi disattiverò l'audio e... |
| Puoi andare quando sei pronto. L'obiettivo è andare dritto al traguardo. Non dirò nulla né ti fermerò a meno che non succeda qualcosa di catastrofico. Che ne dici di quello? |
| Ok, l'obiettivo è andare dritto e quanto tempo dovrei avere? |
| Cristo Spagna | 30 minuti. |
| Ok, ora penso che tu abbia un po' di margine perché a loro piace lasciare del tempo alla fine della riproduzione per domande e risposte, quindi se va un po' oltre va bene. |
| Ok, ora, prima di andare c'è questa piccola finestra che dice "parlando" e "chi sta parlando". |
| Perché rimpiccioliscono la piccola cosa del video. |
| Ok, il mio schermo mostra la vista della presentazione, o mostra quella, con questo piccolo inserto in basso a destra. |
| Cristo Spagna | Tutto quello che vedo è la visualizzazione della presentazione. |
| Ok, quindi in qualche modo lo stanno facendo galleggiare. |
| Cristo Spagna | Dev'essere fastidioso. |
| Va bene, basta che non sia d'intralcio, voglio dire, non metto niente lì sotto. |
| Cristo Spagna | va bene. |
| Sì. |
| Va bene. |
| Cristo Spagna | Ok, metterò l'audio in silenzio e poi sarai pronto. |
| Va bene. |
| Allora, il mio nome è Thor Osborn. Lavoro ai Sandia National Laboratories come principale analista di ricerca sui sistemi. |
| Il mio intervento di oggi riguarda il modello di arrivo delle domande di lavoro per la simulazione e la gestione dell'acquisizione dei talenti. |
| E spero che ti piaccia. |
| Ho tre obiettivi fondamentali qui. Uno è quello di dimostrare il motivo per cui vorresti modellare i tempi di arrivo delle domande di lavoro. Un altro è mostrare un processo semplice per creare un modello conciso e ampiamente applicabile utilizzando questo tipo di dati. |
| E poi dimostrerò questo processo sui dati di una grande organizzazione di ricerca e mostrerò brevemente cosa si può fare con quello. |
| Tecnicamente esaminerò la comprensione dei dati perché penso che questo tipo di dati sia un po' insolito per la maggior parte delle persone. |
| I modelli di origine, essenzialmente, si tratta di una modellazione di origine |
| analisi, quindi parlerò dei modelli Poisson e Gamma-Poisson. |
| Farò alcune analisi e alcune trasformazioni per rendere più semplice il lavoro e poi toccherò brevemente come potresti procedere nella creazione di modelli. |
| Quindi, per quanto riguarda le motivazioni, ci sono tre aree fondamentali di motivazione. Il primo è migliorare il processo di acquisizione dei talenti e la funzione aziendale. |
| Un altro è migliorare la comprensione dei dirigenti alla guida dell’azienda, e il terzo è aiutare a definire le aspettative per i responsabili delle assunzioni. |
| Inizierò con l'acquisizione di talenti. Il tasso di assunzione e il ritardo dipendono dai flussi attraverso le fasi di verifica nella pipeline di acquisizione dei talenti. Ma la cosa fondamentale è che devi avere un numero sufficiente di domande di lavoro prima di poter andare da qualche parte con il processo. |
| E le tariffe e i modelli variano parecchio a seconda del campo, della specificità dei messaggi pubblicati, della concorrenza, di quanto hai pubblicizzato e così via. |
| Un quadro matematico comune per l’arrivo delle applicazioni potrebbe consentire una migliore comprensione dello spazio commerciale per migliorare i tassi di acquisizione delle applicazioni, |
| così come altre cose. Alcune applicazioni chiave per le relazioni catturano il tasso e la varianza rispetto al contesto lavorativo, al luogo di lavoro, al livello di carriera, al campo di pratica. |
| Cattura l'impatto sul tasso delle variabili regolabili, della specificità dell'offerta di lavoro, della lingua di pubblicazione e con questo non intendo inglese o spagnolo, ma piuttosto il modo in cui le cose vengono inquadrate. |
| E sforzi mirati di reclutamento. E poi il tasso di acquisizione degli impatti di fattori esterni, come le condizioni economiche, la concorrenza nel campo della pratica, |
| quanto è grande la popolazione professionale che stai realmente raggiungendo nella tua area di reclutamento. |
| E penso che sia importante riconoscere che l'acquisizione di talenti deve affrontare i tipici vincoli che spesso si riscontrano nell'esecuzione di progetti o programmi: tempo, qualità e costi. |
| Ci vuole tempo per raccogliere le domande. Vuoi ottenere candidati di alta qualità. Ciò costa denaro, e più velocemente provi ad andare, più costerà. |
| Quindi ci sono dei compromessi qui. |
| I dirigenti spesso vengono coinvolti nel processo attraverso la pianificazione della forza lavoro, che è un termine generico ma, fondamentalmente, si dice un piano annuale. |
| Ma in assenza di modelli rilevanti e di feedback sul costo delle cose, la considerazione del vincolo tipico e dell’allocazione del budget o dei processi del personale potrebbe essere soggettiva o assente. |
| E con questo intendo a livello dirigenziale, le risorse umane sono spesso viste semplicemente come un costo necessario, ma non necessariamente una leva per far avanzare l'azienda. In parte a causa della mancanza di informazioni, fornire informazioni potrebbe essere un modo per migliorare la situazione. |
| Inoltre, le aspettative del responsabile delle assunzioni. |
| Fondamentalmente abbiamo a che fare con statistiche su piccoli numeri, piccoli numeri di applicazioni. |
| Gli esseri umani sono davvero soggetti a pregiudizi e la maggior parte dei responsabili delle assunzioni non assume persone ogni settimana, quindi non sono abituati a considerare la situazione dalla prospettiva di molti casi diversi su un lungo periodo di tempo. |
| E questo può portare all'ancoraggio all'ultima situazione che hanno affrontato, che può portare a bias di modello in cui guardano il numero di candidati che scendono da una settimana a quella successiva e calcolano che ciò deve significare che hanno avuto accesso a tutti coloro che sono interessati. |
| E il problema con queste risposte intuitive ai pregiudizi può portare a reazioni eccessive perché, come sempre con le statistiche su piccoli numeri, ottieni disinformazione se non la prendi in quel contesto. |
| Quindi un po' di dati. I dati di arrivo sono legati a specifiche richieste di lavoro. Quindi, hai una richiesta di lavoro, c'è un annuncio per quella richiesta e le domande arrivano in conseguenza dell'annuncio. |
| Sono caratterizzati in diversi modi dalla posizione del sito; fase di carriera; |
| visibilità, quanto ampiamente è reso visibile; |
| campo di pratica, cosa stai facendo; |
| e requisiti specifici che possono essere molto ampi o molto ristretti all'interno di tali campi. |
| E le candidature possono essere inviate durante l'intervallo di tempo in cui un annuncio di lavoro è accessibile, quindi di solito c'è un intervallo di tempo definito. |
| Sono monitorati per data. |
| Ora, in questo caso, utilizzando dati reali per l'analisi successiva, devo utilizzare la data dell'ultima domanda presentata come data di chiusura del distacco, ma non è necessariamente vero. Ma, come spesso accade con i dati reali, non disponiamo di tutti i dati che vorremmo avere. |
| E lo dirò finalmente |
| stai contando il numero di richieste al giorno. Quando vedi zero domande per un giorno il conteggio è zero. |
| Quindi, pensando a un bacino nazionale di potenziali candidati per un annuncio di lavoro, |
| il datore di lavoro diffonde informazioni nel mondo. |
| Alcune delle persone presenti nel pool nazionale di potenziali candidati presentano domanda. |
| generalmente si presume che saranno pochi rispetto al totale di coloro che potrebbero. |
| E quindi hai questo vasto bacino di candidati. È una fonte e qualsiasi applicazione o perturbazione minore su quella fonte. |
| E, giusto per essere molto espliciti, questo potrebbe essere molto noioso per le persone abituate ad avere a che fare con la matematica di Poisson, ma |
| se vedi l'arrivo di un'applicazione il primo giorno, si tratta di un'istanza di un conteggio pari a uno. Il secondo giorno non arriva alcuna domanda. Questo è un esempio di conteggio pari a zero. E così all'estrema destra vedi tre istanze di zero, tre istanze di uno, due e tre. |
| E questo può essere adeguato, anche se non sono molti dati, può essere adeguato al modello di Poisson, e vedete la linea blu lì in basso a destra. |
| Quindi un tasso medio di una domanda in arrivo al giorno, ma il conteggio effettivo al giorno varierà nella distribuzione. E questo è tutto. |
| Pertanto, la distribuzione di Poisson può essere utilizzata per descrivere la probabilità di un conteggio prodotto in un'unità di tempo emettendo casualmente una sorgente di elementi discreti che hanno un tasso medio costante di emissione Lambda per unità di tempo. |
| E ottieni questa equazione. E quindi, nel caso di un conteggio di quattro, che mostrava una probabilità molto piccola nella diapositiva precedente, |
| essenzialmente hai uno alla quarta. |
| per e alla meno Lambda, quindi sostanzialmente il 37% |
| diviso per quattro fattoriali, o 24, e quindi qualcosa nell'intorno dell'uno e mezzo per cento, che funziona con una probabilità piccola ma diversa da zero. |
| Quindi, come prima ipotesi |
| presumiamo che i membri del gruppo di potenziali candidati distribuiti a livello nazionale per questo lavoro ampiamente pubblicizzato agiscano in modo non coordinato |
| riguardo alle opportunità di lavoro, e quindi un modello di Poisson potrebbe avere senso. |
| E quindi è un'ipotesi iniziale ragionevole. |
| E se interagissero? |
| Quindi, ciò può essere concepito in termini di modello sorgente Gamma-Poisson, che è essenzialmente un componente Poisson che utilizza una distribuzione Gamma come distribuzione di miscelazione. |
| Oppure puoi considerarlo come un Poisson sfocato perché il tasso, il tasso medio, non è un tasso medio costante, ma cambia da un momento all’altro. |
| E questo può accadere nell’ipotesi alternativa che i richiedenti si comportino in modo coordinato, |
| cosa che potrebbe accadere se esistessero reti di persone che parlano tra loro di opportunità di lavoro e così via. |
| Ora eccolo qui |
| una slide su come generare il Gamma-Poisson. Queste sono cose di base, ma trovo che guardare queste distribuzioni possa essere utile. |
| Quindi ho intenzione di fare una piccola DEMO in JMP. |
| Ora quello che vedi qui, Gamma casuale quattro-uno, significa semplicemente Gamma casuale con un parametro di quattro e un parametro di scala di uno, quindi la media è quattro. |
| Guardi la distribuzione. Ci sono 100.000 righe qui; ottieni una curva come quella che hai visto sulla diapositiva. |
| La media è circa quattro, il che accade quando fai qualcosa molte volte. |
| è quasi esattamente quello che dovrebbe essere. |
| Ora prendi quella distribuzione e usala |
| come feed per un Poisson casuale. |
| E ottieni questo. |
| Che non assomiglia al Poisson di prima perché è stato imbrattato. |
| Se osservi un adattamento di Poisson, scoprirai che è l'adattamento migliore |
| per quattro in media, che è tutto ciò che può realmente fare, |
| ha una dispersione più ristretta del Gamma-Poisson e giusto per verificare che sì, è un Gamma-Poisson, |
| guarda la linea rossa lì. |
| E si adatta davvero, davvero bene. |
| Quasi perfettamente. |
| E quindi, in sostanza, questo è il caso in cui l'ho attraversato |
| processo di comunicazione, se vuoi, il Poisson non è più il modello migliore. |
| Il caso che ho appena mostrato è mostrato qui in alto a destra di questo pannello quadruplo. |
| Sigma è uguale a due, il parametro di sovradispersione di due. |
| Se hai un parametro di sovradispersione pari a uno, Sigma è uguale a uno, in alto a sinistra, allora è essenzialmente uguale alla distribuzione di Poisson. |
| Ma man mano che il parametro di sovradispersione aumenta, passa da una gobba seguita da una coda, a qualcosa che assomiglia più ad un esponenziale in decadimento. Lo vedrai in basso a destra in blu, |
| i colori qui sono cambiati in modo opposto rispetto a prima, quindi se c'è confusione a riguardo, scusate. |
| Ora ecco i dati reali. |
| Questo è il caso del distacco di ingegneria meccanica a inizio carriera, ampiamente accessibile. |
| 140 applicazioni per creare 131 conteggi, molti dei quali sono pari a zero, quindi distribuiti nel tempo: centotrentuno giorni. |
| Il Gamma-Poisson si adatta meglio e lo vedi in alto a sinistra. |
| Sto usando il criterio di Akaike, l'AIC |
| metrico. |
| In basso a sinistra, vedrai |
| una posizione esperta. Ora i professionisti esperti non hanno le reti, ad esempio, di tirocinanti universitari e così via. |
| O necessariamente l'immersione costante con altre persone che vedresti in un contesto universitario. Questa non è una prova di nulla ma solo un modo per razionalizzare che forse è per questo che si vede un comportamento di Poisson più classico con risposte tipicamente esperte e professionali. |
| E giusto per mostrarlo qui, sembra essere correlato anche al numero di applicazioni. Altri fattori che contano sembrano essere i |
| fase di carriera. |
| Come ho appena menzionato, lo stato FLSA (non esente) significa, ad esempio, tecnici anziché personale esente. |
| Questi fattori sembrano avere importanza, ma c'è sicuramente un pregiudizio man mano che il numero delle applicazioni aumenta, e diventa più probabile che siano distribuite Gamma-Poisson. |
| Ora, come vengono preparati questi dati per l'analisi. Date delle domande per richiesta di lavoro. |
| Impostazione zeri tabulati per |
| quando non c'è conteggio. |
| E poi adattando Poisson e Gamma-Poisson per ogni req per scoprire quale ti dà il valore AIC migliore. |
| Parallelamente, è stata creata una tabella di riepilogo delle richieste con una riga, o una riga, per richiesta, che poi sono state fuse insieme per fornire i parametri per Poisson e Gamma-Poisson, nonché il parametro AIC che indica quale è più probabile una migliore vestibilità. |
| E dopo il sottoinsieme si ottiene un riepilogo per Poisson e un riepilogo per Gamma-Poisson, perché questi sono difficili da gestire insieme. |
| Puoi usare il Gamma-Poisson con un sigma pari a uno, ma poi ti ritrovi con un'inflazione pari a zero, e diventa complicato gestirlo, quindi li sto trattando separatamente. |
| Qualunque sia il sottoinsieme utilizzato, il processo mostrerà il modello lineare adatto per il parametro rispetto ai driver. |
| Il parametro è normalizzato dal modello. |
| E poi cerco di vedere se è plausibile una distribuzione comune tra tutte le condizioni del conducente, che in questo caso è essenzialmente il contesto di richiesta dell'ubicazione del sito, dell'inizio o della fine della carriera e così via. |
| Se è possibile che rientrino nella stessa distribuzione, è possibile creare un set di parametri di distribuzione comune e utilizzarlo per l'intero set di dati. |
| Altrimenti l'approccio fallisce e non ho, a questo punto, alcun meccanismo per affrontarlo, quindi per pura coincidenza ciò non è accaduto, ma è qualcosa a cui pensare per il futuro. |
| Quindi ecco alcuni parametri di Poisson distribuiti in base al contesto in cui il contesto ha a che fare con il sito, che si tratti di una carriera all'inizio o alla fine o di una carriera consolidata, si potrebbe dire, |
| e se si tratta, beh, di quale campo di pratica. Ognuno di questi ha una "B" che significa ampio perché analizzare le richieste di lavoro solo interne è una cosa difficile, diversa con opportunità molto più limitate, e quindi mi attengo semplicemente al caso ampio in questa presentazione. |
| Ciò che puoi vedere è che la varianza media differisce in modo abbastanza ovvio in base ai contesti di richiesta e no, non rientrano nella stessa distribuzione. Puoi dimostrarlo facilmente. |
| Osservando un sottoinsieme più piccolo, solo la parte iniziale, il primo insieme del Sito A, diventa più ovvio che le medie e le deviazioni standard sono ovunque sulla mappa. |
| Ora farò anche una piccola demo. |
| Quindi ho questi dati. |
| Ora, questo è un modello davvero semplice. Prenderò l'output del parametro Poisson e utilizzerò il contesto di richiesta, che è questo multilivello |
| variabile soggettiva. |
| E eseguilo e vedi che c'è un RSquare di circa il punto quattro. Ciò significa che |
| non è insignificante. La vestibilità del modello è in realtà piuttosto buona. |
| E l'adattamento a questo parametro è molto buono. Non copre tutta la varianza, ma va bene perché non ce lo aspettiamo; sta solo dicendo che questo è un modello abbastanza buono per quello che fa. |
| Potrebbe anche essere fatto puramente come tabulazione, ma mi piace questo approccio perché semplifica il lavoro e mi dà un'idea di quanta variabilità viene affrontata in questo adattamento. |
| Può andare qui e guardare il file |
| effettivo rispetto a quello previsto, e vedi, sì, non è un ottimo modello, ma ha uno scopo. |
| E un'altra cosa che puoi fare è salvare la formula di previsione. |
| E così vedi qui. |
| Poiché l'ho già fatto, questo viene iscritto automaticamente. |
| Vedete che ciò è essenzialmente giusto |
| una costante |
| più un offset in base al contesto della richiesta. |
| Non è coinvolta alcuna operazione missilistica. |
| Ma ora, se voglio fare una normalizzazione, |
| aggiungi una colonna. |
| Chiamalo |
| Norm Poisson Ancora una volta perché l'ho già fatto una volta allo scopo di realizzarlo |
| tavolo in primo luogo. |
| Trova Poisson. C'è il mio parametro di Poisson. Dividilo per |
| vestibilità del modello. |
| In realtà avrebbe dovuto funzionare. |
| Non sono sicuro di cosa stia succedendo qui. |
| Ok, non fare mai demo dal vivo è la regola, ma in passato ha sempre funzionato e non sono sicuro di cosa stia succedendo. |
| C'è il mio parametro di Poisson. |
| C'è la mia formula di previsione. |
| OH. Non dovresti mai provare a dividere qualcosa per |
| si. Ecco perché non ha funzionato. |
| Adesso è testardo. |
| Va bene. |
| A volte le cose sottili contano. Quindi ecco il Poisson normalizzato. |
| E la cosa interessante è questo |
| puoi adattare questo. |
| E dalle bottiglie disponibili vedi che la Johnson SL si adatta meglio e fa un ottimo lavoro. |
| E puoi anche |
| adatta Y per X. |
| Prendi questa uscita |
| e adattati al contesto della richiesta. |
| E prendi questa trama di Oneway. |
| Sembra molto più regolare del precedente che ho mostrato. Molto più plausibile che questi abbiano la stessa distribuzione. Vedrai un intervallo più ampio quando sei su quelli che hanno più dati ma non lo è, |
| non è sorprendente, davvero. |
| E se guardi il test delle varianze disuguali, puoi vedere che non c'è alcuna indicazione che si tratti di varianze disuguali. |
| Questa non è una prova che non sia così, ma è un modo per dire che è ragionevole utilizzare un modello in cui si presuppone che abbiano la stessa distribuzione. |
| COSÌ. |
| Torniamo a questo. |
| Oh, ho anche fatto un test di Kolmogorov-Smirnov di ciascun contesto rispetto a tutti gli altri, e su 78 casi, solo uno di questi ha mostrato un valore p inferiore a 0,05. |
| I valori P non provano nulla, ma ciò che danno un'indicazione è che è ragionevole trattarli semplicemente come se provenissero dalla stessa distribuzione. |
| Ed ecco solo la versione ingrandita del sottoinsieme più piccolo appena prima, ma puoi vedere che è plausibile; non è una prova, ma è plausibile. |
| E con la bontà del fit test |
| ancora una volta, sembra ragionevole |
| il Johnson SL è un modello ragionevole da utilizzare qui per descrivere la distribuzione dei parametri di Poisson, la distribuzione dei parametri di Poisson normalizzata, per questo set di dati. |
| La stessa cosa può essere fatta per Gamma-Poisson e quel sottoinsieme di dati e quel parametro Lambda, che è il parametro equivalente. |
| E ancora una volta funziona. |
| Per eseguire il parametro Sigma in realtà utilizzo un Sigma meno uno perché Sigma è su una linea di base di uno. |
| E il modello qui è di qualità ancora inferiore, se vuoi, ma è necessario utilizzarlo |
| passaggio di modellazione separato perché Lambda è correlato a Sigma e quindi vuoi essere in grado di modellare quell'effetto al suo interno. |
| Ancora una volta, ottieni una vestibilità decente. |
| In questo caso si tratta del Johnson Su. |
| E quindi ecco cosa sta succedendo. Generiamo parametri sintetici di distribuzione casuale. |
| Da un sottoinsieme di dati, generare un modello lineare basato sul contesto. |
| Normalizza una distribuzione di parametri e adattala a un modello parametrico continuo comune. |
| E poi per generare il parametro sintetico ottenere un numero casuale dalla distribuzione dei parametri normalizzati e moltiplicarlo per il risultato del modello lineare appropriato, vale a dire, per "denormalizzarlo". |
| Ora, valutando i parametri del modello casuale sintetico, ho usato di nuovo il test KS e puoi vedere che non c'è modo di distinguerli davvero, quindi almeno è un modo per dire che sembra credibile |
| rispetto ai casi reali. |
| E ho anche realizzato un modello composito. |
| L'ho trasformato in una funzione in modo che possa essere una funzione richiamabile che sarebbe quindi, e questo è in JSL, funzione richiamabile nel linguaggio di scripting JMP |
| per generare parametri per richieste di lavoro casuali con il contesto come input, tutte le diverse funzionalità del contesto. |
| Ora, non entreremo in tutti questi dettagli, ma il punto è che puoi creare una visualizzazione utilizzando coppie di parametri casuali sintetici che ti danno un'idea non solo di dove si trovano tipicamente le cose in questa mappa termica ma anche |
| una specie di idea dei valori anomali, cosa è un valore anomalo plausibile e quanto lontano arriva realmente. |
| E puoi anche vedere se fai una correlazione, la correlazione tra Lambda e Sigma |
| e tra Lambda sintetico e Sigma sintetico sono quasi gli stessi. |
| Sta modellando quella relazione abbastanza da vicino. |
| E poi, se lo guardi con i dati reali inseriti, |
| che sono piccoli punti neri nel grafico principale. |
| Il novantotto per cento della densità sintetica si trova nella regione rossastra indicata dal tratteggio incrociato, che è il riquadro centrale circondato da un quadrato verde. |
| Tutti i punti dati, di cui 43, |
| cadere lì. |
| E così. |
| Anche questo è che il sintetico sta modellando ciò che realmente accade abbastanza bene. È credibile ma mostra cosa potrebbe accadere in quell'altra piccola percentuale di casi. |
| Questo è tutto ciò che ho capito dalla modellazione, ma quello che puoi vedere è che puoi usare il contesto; puoi usare altre variabili come quanto |
| viene inserita una specificità nel linguaggio per l'offerta di lavoro che renderà qualificate meno persone, forse spaventerà alcune persone. |
| Puoi osservare il modo in cui è realizzata la lingua. Al giorno d'oggi, le persone utilizzano gli strumenti delle risorse umane per creare un linguaggio che sia più accettabile. Puoi vedere quanta differenza fa in termini di ciò che ottieni nel tempo e di molteplici richieste di lavoro. |
| Potresti trattarli come fattori per il modello e quindi ottimizzare il modo in cui applicarli |
| queste funzionalità nella creazione di richieste a seconda di ciò di cui hai bisogno. |
| Ma ora passerò a, okay, che aspetto ha di nuovo? Ancora una volta il principio di base, quindi nel caso di un Poisson con sette a settimana, il 30% delle volte, il conteggio sarà di cinque o meno. |
| Quindi dovresti aspettarti che uno di questi sia che dovresti aspettarti che il numero di applicazioni richieda |
| il tempo necessario per ottenere una selezione ragionevolmente competitiva per l'assunzione varierà, perché anche con una media di sette il numero che otterrai varierà parecchio. |
| La varianza del Poisson è la stessa del parametro e quindi si ottiene un'ampia variazione. |
| E così, se sei abituato a pensare in termini di medie a lungo termine |
| o ancorato a un altro caso, potresti essere respinto da qualsiasi istanza specifica. |
| E il problema è questo pregiudizio nel riconoscimento dei modelli. |
| L'illusione del clustering è questa tendenza a considerare che le inevitabili strisce o cluster che arrivano in piccoli campioni significano che c'è un effetto non casuale in corso, c'è una sorta di intento in esso. |
| Ed è chiaramente irrilevante per i dati distribuiti da Poisson, come scoprì RD Clarke nel 1946 con la sua analisi della bomba V tedesca. |
| siti ricadenti nell'area di Londra. |
| Le persone avrebbero visto i raggruppamenti avvenuti e avrebbero pensato che ciò significasse qualcosa, ma è stato in grado di dimostrare che era abbastanza soddisfatto guardando il processo come Poisson |
| distribuito, il che significa che a volte otterrai comunque dei cluster e sicuramente con la stessa frequenza con cui li hai visti. |
| Quindi ciò significava che in realtà ciò che stava accadendo non era che miravano a qualcosa in particolare, ma che miravano in generale a Londra e in genere colpivano da qualche parte a Londra. |
| In questo caso, guardando i lavori, la probabilità di ottenere una sequenza nell'arco di tre settimane, in cui si ottiene un conteggio decrescente o crescente è di circa il 12%. |
| In questo esempio, la probabilità di ottenere un conteggio di due settimane in diminuzione, vale a dire che una è più grande dell'altra, è del 45%. |
| Questi sono modelli davvero brevi; non si dovrebbe pensare che abbiano un significato, ma possono essere pensati in quel modo da persone che non sono consapevoli della natura delle statistiche. Questo è davvero il punto qui. E questo può portare a reazioni eccessive. |
| Ora la variabilità per campo di pratica è di circa un ordine di grandezza. |
| Alcuni campi sono più difficili da reperire rispetto ad altri, quindi le aspettative delle persone possono essere distorte se non comprendono queste differenze. |
| E se guardi alle richieste in generale, non solo per campo di pratica, puoi vedere una differenza di circa 25 nel 95% |
| vanno dal 2,5% al 97,5%. È ancora un'enorme variabilità |
| nelle tariffe. |
| E poi se capisci come questo viene influenzato dal modo in cui è stato realizzato il linguaggio del post, quanto ristretto, quanto generale, |
| ciò che la lingua attrae, pubblicizzando tutti questi fattori, |
| poi potresti decidere tu quanto |
| vuoi impegnarti a rendere quelle tariffe più alte e portare a termine il processo più velocemente. |
| Quindi ecco un caso per un annuncio di lavoro specifico che utilizza quel modello di simulazione di cui ho parlato prima. |
| Professionista affermato presso il Sito A e campo di pratica disciplinare 9, anche in questo caso si tratta di tutta roba proprietaria, quindi non verrà rivelato di cosa si tratta; è solo un tipo particolare di professionista. |
| Ottieni questa differenza molto ampia da |
| attraverso la confidenza del 95%, da qualche parte tra zero e nove con una mediana di due. |
| Questo può confondere le persone, queste statistiche sui piccoli numeri possono confondere le persone, perché si aspettano che le cose siano più regolari. |
| Ci sono limiti del modello e dell'approccio. |
| I dati, la qualità dei dati, contano sempre. Con ogni probabilità, i campi assunti raramente con competenze rare mancheranno essenzialmente dal set di dati se i dati verranno raccolti in un breve lasso di tempo. |
| Ma d'altra parte, ci sono molte variabili esterne sulle quali non hai controllo |
| Forse |
| cambiare durante il periodo di raccolta dei dati se si utilizza un periodo di tempo lungo come base per queste analisi. |
| E l’approccio modellistico non considera l’autocannibalizzazione. Se hai due richieste aperte in un campo e i candidati fanno domanda per entrambe o ne scelgono una. Forse nei casi scelgono quella che ritengono sia la migliore possibilità. |
| Questo modello non fa nulla al riguardo, ma rappresenterebbe il risultato del mondo reale semplicemente catturando ciò che accade. |
| Tuttavia, non rappresenta la portata delle opportunità perse, perché se probabilmente desideri che si candidino a tutti loro potrebbero essere qualificati solo per vedere dove potrebbero adattarsi. |
| Quindi conclusioni. Alcune risposte alle domande di lavoro a un annuncio di lavoro tendono a essere distribuite come Poisson o Gamma-Poisson. |
| E questo è stato verificato su un ampio set di dati composto da circa 2.500 richieste totali. |
| I parametri di distribuzione della risposta applicativa variano sostanzialmente. |
| Se normalizzato |
| possono adattarsi a profili comuni. |
| E quei modelli concisi che risultano dai profili comuni facilitano la generazione di modelli sintetici di richiesta casuale. |
| Ciò consentirebbe a una persona di eseguire una sorta di scoping o analisi |
| probabilità |
| su circostanze diverse. |
| Penso che sia importante ricordare che i modelli di arrivo delle candidature possono colmare un'importante lacuna per comprendere l'intero ciclo di vita dei dipendenti perché forniranno prospettive ai responsabili delle assunzioni e ai professionisti del personale riguardo a tali pregiudizi di modello. |
| Possono essere utilizzati in modelli basati su eventi discreti o basati su agenti come un modo per generare candidati se si desidera farlo in un modo realistico. |
| E |
| forse la cosa più importante, dal punto di vista economico, |
| è un modo per inquadrare il costo per candidato rispetto alle caratteristiche del lavoro e a vari altri fattori esterni variabili e fuori controllo. |
| Ciò, quindi, fornirebbe una migliore comprensione di cosa aspettarsi in termini di quanto velocemente le cose potrebbero essere riempite, quanto velocemente le aperture potrebbero essere riempite e quanto costerebbe farlo. |
| a seconda dei rapporti con la pubblicità e così via. |
| Questo conclude ciò che intendevo presentare oggi e |
| Dirò solo che se hai domande dovresti avere le informazioni di contatto da questo |
| video o dove è posizionato e non esitare a contattarci. |
| Cristo Spagna | Ok, è stato grandioso. |
| sì, tranne la parte in cui il mio progetto non ha funzionato perché ho incasinato la DEMO. |
| Ma è stato un bene, sicuro, è stato un bel RISPARMIO. Alla fine ho capito cosa stavo facendo. |
| sì, JMP non farà cose stupide, non importa quanto lo desideri. |
