Lautsprecher | Transkript |
| Christy Spanien | Guten Tag. |
| Hallo wie geht es dir heute. |
| Mir geht es gut, wie geht es dir? |
| Christy Spanien | Gut danke. |
| Wo bist du, Thor? |
| Ja, Christy Spanien. |
| Und Albuquerque, New Mexico. |
| Christy Spanien | das ist was ich gedacht habe. |
| habe das Recht bekommen. |
| Christy Spanien | dreistellige Zahlen da draußen. |
| Nicht jetzt. |
| Okay, wir haben eine. |
| Hurrikan kommt aus dem. |
| Ballschweine werden die Temperaturen senken. |
| Christy Spanien | Okay, wie heißt das hier? |
| Ich weiß nicht, dass normalerweise nicht viel passiert und ich habe irgendwie nicht viel Aufmerksamkeit geschenkt. |
| Also. |
| Christy Spanien | Ich bin irgendwie überrascht worden, aber wissen Sie, das hat den Golf getroffen, sie waren gestern ziemlich hart, also tanken alle hier Benzin, weil die Pipeline jetzt stillgelegt ist. |
| Also wo bist du. |
| Christy Spanien | Ja, ich bin im Hauptquartier von Cary North Carolina. |
| Ähm, mal sehen, ob du fertig bist, hast du letztes Jahr irgendwelche Aufnahmen für uns gemacht? |
| Ich habe es letztes Jahr selbst gemacht. |
| Möglicherweise einer der Gründe, warum wir das tun. |
| Diesmal. |
| Oh. |
| Christy Spanien | Das ist lustig. |
| Ähm, mal sehen, ich habe eine kleine Checkliste, mit der ich das öffnen kann, als würde ich tatsächlich zu viele Dinge schließen, wann. |
| Ich habe versucht, alles zu löschen, deshalb habe ich keine Popups erhalten. Haben Sie alle Ihre Apps geschlossen? |
| Ich habe es noch nicht getan und hatte auch eine Frage. |
| Klar, ähm. |
| Es hieß, ich solle vor meiner Aufnahme Dinge hochladen, aber ich kann es nicht, weil ich keinen Link habe. |
| Christy Spanien | Ich lade hoch und was was für Dinge. |
| Und Präsentationsmaterialien. |
| Christy Spanien | Okay, ich werde herausfinden, was dieser Link für Sie ist. |
| Und so ging ich zurück und schaute meine alten E-Mails durch. Ich konnte sie nicht finden. Ich denke gut. |
| Ich bin. |
| Aber keine große Sache. |
| Christy Spanien | Wir sollten jedoch auf jeden Fall 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 sich Ihren Apps an. |
| Ich werde das tun. |
| Sie benötigen keine Microsoft-Teams. |
| Christy Spanien | Du hast keine Logos auf deinem T-Shirt, das ist also gut so. |
| Keine Logos. |
| Wahrscheinlich brauche ich im Moment auch kein Nein. |
| Christy Spanien | Ich konnte nicht herausfinden, wie man Teams nicht stört. |
| Die Teams gut. |
| Eines der Dinge an der Moderne. |
| Die Technologie besteht darin, dass die Leute einem keine Anweisungen mehr geben, sondern dass sie einem etwas geben, und man soll es herausfinden. |
| Christy Spanien | Nun, ich habe den Hilfebereich D und D eingegeben und es hat sich so verhalten, als würde ich nach Nachrichten oder ähnlichem suchen, und mein Okay, oder es war in Ordnung, ich habe es also geschlossen. |
| Okay, also. |
| Ich habe aber noch ein paar Bewerbungen offen. |
| Schauen Sie sich diese kleine Sache mit den parasitären Teams an. |
| Christy Spanien | Uns geht es gut. |
| Nun, sie haben es in dieses kleine versteckte Menü eingefügt, 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 wissen Sie, ich denke, vielleicht sollten Sie einen der Hintergrundinformationen übernehmen. |
| Da steht, dass es keine Urheberrechtsverletzung gibt, aber Sie kennen vielleicht eine Menge Bücher dort. |
| Na ja, ich habe hier Bücher, ich dachte, das wäre keine große Sache, weil man sie nicht wirklich lesen kann, aber gut. |
| Christy Spanien | Ich weiß nicht, ob ich es hassen würde. |
| Ich muss dich zurückrufen und sagen, dass ich es sein lassen werde. |
| Ja, ich möchte es nicht zweimal machen. |
| NEIN. |
| Ich bin mir sicher, dass das ein großer Spaß wird, aber ich möchte es nicht noch einmal machen. |
| Ich werde einfach Teams los. |
| Sie sind alle, die Teams sind weg. |
| Okay, also diese Hintergründe, da habe ich etwas Ahnung. |
| Ich muss zurück zum Outlook gehen. |
| Christy Spanien | Oder Sie könnten es einfach tun. |
| Sehen Sie, ich habe sie nie benutzt. |
| Ich habe sie wirklich nie benutzt. |
| ja, weil sie versuchen zu verschwimmen. |
| Ja. |
| Weißt du, wann immer du Sachen machst, um dich zu bewegen, sehe ich, wie Leute sie benutzen und die Sachen verschwimmen und sie sehen den ganzen Müll, der in ihrem Zimmer ist. |
| Sehen Sie so aus. |
| Tanja. |
| Tanya, so ein neues Symptom. |
| Los geht's. |
| Das sind soziale Kacheln, Sie wissen schon, was soziale Kacheln sind. |
| Virtuelle Hintergründe, also blaues Streudiagramm. |
| Ich werde das einfach tun. |
| Aufleuchten. |
| Die Frage wäre also jetzt: Wie mache ich das? |
| Benutze sie. |
| mal sehen. |
| 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 das alles ist wie ein bisschen mehr. |
| Das ist aber so, dass ich im Hintergrund keine Möglichkeit sehe, etwas zu ändern. |
| auch nicht. |
| Christy Spanien | Wir pendeln zwischen so vielen verschiedenen hin und her. |
| Werkzeuge hier ist es schwierig. |
| Lasst uns eine schnelle Suche durchführen. |
| Virtueller Hintergrund unter glatter Kamera. |
| Oh. |
| Also. |
| Und dann muss man 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, denn ich war mir nicht sicher, ob ich noch viel anderes machen könnte, also haben wir jetzt den Hintergrund und wenn ich mich viel bewege, funktioniert das ganz gut, eigentlich nur ein bisschen Mist, okay. |
| Christy Spanien | Und |
| Hatten Sie Ihre Taskleiste automatisch? |
| 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 zu sehen ist. |
| NEIN. |
| Das Problem ist, dass meine Taskleiste vollständig abonniert ist. |
| Christy Spanien | Meiner versteckt sich auch nicht, ich weiß nicht warum. |
| Ist es ja? |
| Taskleisteneinstellungen los geht's. |
| Es ist Montag, die Testleiste wird im Desktop-Modus automatisch ausgeblendet. |
| An. |
| OK, jetzt scheint es automatisch ausgeblendet zu sein, außer dass es nicht ausgeblendet ist. |
| Christy Spanien | Nun, wenn Sie nach oben scrollen, verschwindet es. |
| Es wird also nur angezeigt, wenn. |
| 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 Lösung und all das überprüfen können. |
| Okay, lass uns nachsehen. |
| Sicherlich wird eine bestimmte Sache ein Problem darstellen. |
| Um den Bildschirm zu teilen, zeige ich, wie du aussiehst. |
| Christy Spanien | Nun, Sie können loslegen 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. |
| Irgendwie bin ich also gelandet. |
| Mit dem Bildschirm und ich habe dich hier in einem kleinen Fenster. |
| Christy Spanien | Oben können Sie es anzeigen und in „Nebeneinander“ ändern, oder das ist es, was ich habe. |
| Meine Kamera auszuschalten, weil mich sowieso niemand sehen will. |
| Heute dreht sich alles um dich. |
| Miniaturansicht des Videos eines kleinen aktiven Sprechers anzeigen. |
| Okay, das zeigt es dir. |
| Es zeigt uns beiden, das zeigt ein Raster. |
| Und das macht das Ganze wirklich klein. |
| Und ich kann mich selbst nicht mehr sehen. |
| Aber ich kann dieses Ding bewegen. |
| Christy Spanien | Nun, ich kann sehen, dass Sie Ihr PowerPoint traurig finden. |
| Nun, hier ist eine Frage, die meine PowerPoint-Präsentation im normalen Schreibmodus erhält. |
| 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. |
| Konzentrieren Sie sich auf die relevanten Teile oder zeigen Sie einfach auf dem Bildschirm, was durchkommt. |
| Christy Spanien | Ja, wir werden einfach alles zeigen. |
| Die meisten Leute nutzen also den Präsentationsmodus, und wenn Sie diesen dann verlassen und Ihren JMP-Bildschirm aufrufen müssen, können Sie das tun. |
| Und gehen Sie zurück, macht das Sinn, und wenn wir uns am Ende sehen, kennen Sie einige Ihrer. |
| Ja, das sieht toll aus. |
| Okay, ich schätze, das ist es, was wir tun werden, und ich werde einfach fliehen und zu JMP gehen, wo es nötig ist. |
| Christy Spanien | Möchten 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 | Okay, jetzt muss ich es tun. |
| Bitte bestätigen Sie Ihren Firmennamen und den Abstract-Titel. |
| Name ist Thor Osborn. Das Unternehmen ist Sandia National Laboratories. |
| Der Titel der Zusammenfassung sollte „Employment Application Arrival Model for Talent Acquisition Simulation and Management“ lauten. |
| Christy Spanien | Perfekt. Und dann verstehen Sie, dass dies zur Verwendung im Discovery Summit aufgezeichnet wird. |
| JMP-Konferenz und wird in der JMP-Benutzergemeinschaft öffentlich verfügbar sein. Erteilen Sie die Erlaubnis für diese Nutzung und Aufzeichnung? |
| Danke schön. |
| Christy Spanien | Und ich denke, wir sind bereit, Thor, also werde ich mich stumm schalten und |
| Du kannst gehen, wann immer du bereit bist. Das Ziel ist es, direkt durchzukommen. Ich werde nichts sagen oder dich aufhalten, es sei denn, es passiert etwas Katastrophales. Wie ist es damit? |
| Okay, das Ziel ist es, direkt durchzukommen, und wie viel Zeit soll ich dafür haben? |
| Christy Spanien | 30 Minuten. |
| Okay, jetzt denke ich, dass Sie ein wenig Spielraum haben, weil sie am Ende der Wiedergabe gerne Zeit für Fragen und Antworten lassen. Wenn es also etwas zu weit geht, ist das in Ordnung. |
| Okay, bevor wir gehen, gibt es dieses kleine Fenster, in dem steht, wer spricht und wer spricht. |
| Weil sie das kleine Video-Ding verkleinern. |
| Okay, zeigt mein Bildschirm die Präsentationsansicht, oder zeigt er diese, mit dieser kleinen Einfügung unten rechts? |
| Christy Spanien | Ich sehe nur die Präsentationsansicht. |
| Okay, sie verbreiten das also irgendwie. |
| Christy Spanien | Das muss nervig sein. |
| Es ist in Ordnung, solange es nicht stört. Ich meine, ich lege da nichts hin. |
| Christy Spanien | das ist okay. |
| Ja. |
| In Ordnung. |
| Christy Spanien | Okay, ich schalte die Stummschaltung ein und dann bist du bereit. |
| Okay. |
| Mein Name ist also Thor Osborn. Ich arbeite bei Sandia National Laboratories als Hauptanalytiker für Systemforschung. |
| Mein heutiger Vortrag ist das Modell für den Eingang von Arbeitsbewerbungen zur Simulation und Verwaltung der Talentakquise. |
| Und ich hoffe, es gefällt euch. |
| Ich habe hier drei grundlegende Ziele. Eine davon besteht darin, geschäftlich zu begründen, warum Sie die Ankunftszeiten von Bewerbungen modellieren möchten. Eine andere besteht darin, einen unkomplizierten Prozess zur Erstellung eines prägnanten, allgemein anwendbaren Modells unter Verwendung dieser Art von Daten aufzuzeigen. |
| Und dann werde ich diesen Prozess anhand von Daten einer großen Forschungsorganisation demonstrieren und kurz zeigen, was man damit machen kann. |
| Aus technischer Sicht werde ich näher auf das Verständnis der Daten eingehen, da ich denke, dass diese Art von Daten für die meisten Leute etwas ungewöhnlich ist. |
| Bei den Quellmodellen handelt es sich im Wesentlichen um eine Quellmodellierung |
| Analyse, also werde ich über die Poisson- und Gamma-Poisson-Modelle sprechen. |
| Ich werde einige Analysen und Transformationen durchführen, um die Arbeit damit zu erleichtern, und dann kurz darauf eingehen, wie Sie bei der Erstellung von Modellen vorgehen könnten. |
| Was die Motivation betrifft, gibt es drei grundlegende Motivationsbereiche. Eine besteht darin, den Talentakquiseprozess und die Geschäftsfunktion zu verbessern. |
| Eine weitere besteht darin, das Verständnis der Führungskräfte zu verbessern, die das Unternehmen leiten, und die dritte besteht darin, die Erwartungen an die Personalmanager zu formulieren. |
| Ich beginne mit der Talentakquise. Die Einstellungsquote und -verzögerung hängt von den Abläufen durch die Überprüfungsphasen in der Talentakquise-Pipeline ab. Entscheidend ist jedoch, dass Sie über eine ausreichende Anzahl von Bewerbungen verfügen müssen, bevor Sie mit dem Verfahren fortfahren können. |
| Und die Preise und Muster variieren erheblich, abhängig vom Fachgebiet, der Spezifität der veröffentlichten Beiträge, der Konkurrenz, der Menge Ihrer Werbung usw. |
| Ein gemeinsamer mathematischer Rahmen für den Anwendungseingang könnte ein besseres Verständnis des Handelsraums ermöglichen, um die Anwendungserfassungsraten zu verbessern. |
| sowie andere Dinge. Einige wichtige Beziehungen zur Bewerbungserfassungsrate und -varianz im Vergleich zum Beschäftigungskontext, am Arbeitsplatz, auf der Karrierestufe und im Tätigkeitsbereich. |
| Auswirkungen auf die Erfassungsrate durch einstellbare Variablen, die Spezifität der Stellenausschreibung, die Sprache der Veröffentlichung – und damit meine ich nicht Englisch oder Spanisch, sondern vielmehr die Art und Weise, wie die Dinge formuliert werden. |
| Und gezielte Rekrutierungsbemühungen. Und dann wird die Erfassungsrate durch externe Faktoren wie wirtschaftliche Bedingungen, Wettbewerb in der Praxis usw. beeinflusst. |
| Wie groß ist die Berufsgruppe, die Sie in Ihrem Rekrutierungsgebiet tatsächlich erreichen? |
| Und ich denke, es ist wichtig zu erkennen, dass die Talentakquise mit den typischen Einschränkungen konfrontiert ist, die man oft bei der Projekt- oder Programmausführung sieht – Zeit, Qualität und Kosten. |
| Das Sammeln der Bewerbungen nimmt Zeit in Anspruch. Sie möchten eine hohe Qualität an Bewerbern erhalten. Das kostet Geld, und je schneller Sie versuchen, desto mehr wird es kosten. |
| Hier gibt es also Kompromisse. |
| Führungskräfte werden häufig über die Personalplanung in den Prozess einbezogen. Dabei handelt es sich um einen Sammelbegriff, im Grunde handelt es sich jedoch um einen Jahresplan. |
| Aber ohne relevante Modelle und Rückmeldungen 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, dass HR auf Führungsebene oft lediglich als notwendiger Kostenfaktor betrachtet wird, aber nicht unbedingt als Hebel, um das Unternehmen voranzubringen. Teilweise aufgrund fehlender Informationen, daher könnte die Bereitstellung von Informationen eine Möglichkeit sein, diese Situation zu verbessern. |
| Auch die Erwartungen des Personalmanagers. |
| Im Grunde handelt es sich um Statistiken mit kleinen Zahlen und einer kleinen Anzahl von Anwendungen. |
| Menschen unterliegen wirklich einer Musterverzerrung, und die meisten Personalmanager stellen nicht jede Woche neue Mitarbeiter ein, sodass sie es nicht gewohnt sind, dies aus der Perspektive vieler verschiedener Fälle über einen langen Zeitraum zu betrachten. |
| Und das kann zur Verankerung in der letzten Situation führen, mit der sie konfrontiert waren, das kann zu Musterverzerrungen führen, wenn sie sich die Zahl der Bewerber ansehen, die von einer Woche zur nächsten sinken, und daraus schließen, dass sie alle Interessenten erreicht haben. |
| Und das Problem mit diesen intuitiven Reaktionen auf Vorurteile ist, dass sie zu Überreaktionen führen können, denn wie immer bei Statistiken mit kleinen Zahlen erhält man Fehlinformationen, wenn man sie nicht in diesem Kontext betrachtet. |
| Also ein bisschen zu den Daten. Ankunftsdaten sind an bestimmte Stellenanforderungen gebunden. Sie haben also eine Stellenausschreibung, es gibt eine Ausschreibung für diese Ausschreibung und die Bewerbungen, die infolge der Ausschreibung eingehen. |
| Sie zeichnen sich durch verschiedene Standortstandorte aus; 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 innerhalb des Zeitfensters eingereicht werden, in dem eine Stellenausschreibung zugänglich ist, sodass es in der Regel einen definierten Zeitrahmen gibt. |
| Sie werden nach Datum verfolgt. |
| In diesem Fall muss ich, wenn ich später reale Daten für die Analyse verwende, das Datum der letzten eingereichten Bewerbung als Datum für die Schließung der Veröffentlichung verwenden, aber das stimmt nicht unbedingt. Aber wie so oft bei realen Daten verfügen wir nicht über alle Daten, die wir gerne hätten. |
| Und das sage ich zum Schluss |
| Sie zählen die Anzahl der Bewerbungen pro Tag. Wenn Sie für einen Tag keine Bewerbungen sehen, ist das ein Wert von Null. |
| Denken Sie also an einen nationalen Pool potenzieller Bewerber für eine Stellenausschreibung, |
| Der Arbeitgeber verbreitet Informationen in der Welt. |
| Einige der Personen aus dem nationalen Pool potenzieller Bewerber stellen Bewerbungen. |
| Es wird allgemein davon ausgegangen, dass dies im Verhältnis zur Gesamtzahl der Personen, die es könnten, nur wenige sein werden. |
| Und so haben Sie diesen riesigen Bewerberpool. Es handelt sich um eine Quelle und alle Anwendungen oder geringfügigen Störungen dieser Quelle. |
| Und um es ganz deutlich zu sagen: Das könnte für Leute, die es gewohnt sind, mit Poisson-Mathematik umzugehen, sehr langweilig sein, aber |
| Wenn Sie sehen, dass am ersten Tag eine Bewerbung eingeht, ist das ein Fall von eins. Am zweiten Tag kommt keine Bewerbung. Das ist ein Fall einer Zählung von Null. Und so sehen Sie ganz rechts drei Instanzen von Null, drei Instanzen von Eins, eine Zwei und eine Drei. |
| Und das lässt sich anpassen, obwohl es nicht sehr viele Daten sind, aber es kann mit dem Poisson-Modell angepasst werden, und Sie sehen dort unten rechts die blaue Linie. |
| Es ergibt sich also eine durchschnittliche Rate von einem Antrag, der pro Tag eintrifft, aber die tatsächliche Anzahl pro Tag wird in der Verteilung variieren. Und das ist es. |
| Daher kann die Poisson-Verteilung 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 haben. |
| Und Sie erhalten diese Gleichung. Und im Fall einer Zählung von vier, die auf der vorherigen Folie eine sehr geringe Wahrscheinlichkeit zeigte, |
| Sie haben im Wesentlichen eins zum vierten. |
| mal e zum Minus-Lambda, also im Grunde 37 % |
| dividiert durch vier Fakultäten oder 24, also etwas in der Nähe von eineinhalb Prozent, was mit einer kleinen, aber von Null verschiedenen Wahrscheinlichkeit ausgeht. |
| Also, als erste Hypothese |
| Wir gehen davon aus, dass Mitglieder des bundesweit verteilten Pools potenzieller Bewerber für diese breit ausgeschriebene Stelle unkoordiniert agieren |
| hinsichtlich der Beschäftigungsmöglichkeiten, daher könnte ein Poisson-Modell sinnvoll sein. |
| Es handelt sich also um eine vernünftige Ausgangshypothese. |
| Was ist nun, wenn sie interagieren? |
| Dann kann man sich das im Sinne des Gamma-Poisson-Quellenmodells vorstellen, bei dem es sich im Wesentlichen um Poisson-Komponenten handelt, die eine Gamma-Verteilung als Mischungsverteilung verwenden. |
| Oder Sie können es sich als verschwommenes Poisson vorstellen, weil die Rate, die Durchschnittsrate, keine konstante Durchschnittsrate ist, sondern sich von einem Moment zum anderen ändert. |
| Und dies kann unter der Alternativhypothese geschehen, dass sich die Bewerber koordiniert verhalten, |
| was passieren könnte, wenn es Netzwerke von Menschen gäbe, die miteinander über Jobmöglichkeiten usw. reden. |
| Jetzt ist hier |
| eine Folie zur Erzeugung des Gamma-Poisson. Das sind grundlegende Dinge, aber ich finde, dass ein Blick auf diese Distributionen hilfreich sein kann. |
| Also werde ich loslegen 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, der Durchschnitt ist also vier. |
| Sie schauen 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 man etwas oft macht. |
| es ist fast genau das, was es sein soll. |
| Nehmen Sie nun diese Distribution und verwenden Sie sie |
| als Futter für einen zufälligen Poisson. |
| Und du verstehst das. |
| Was nicht wie das Poisson von früher aussieht, weil es verschmiert ist. |
| Wenn Sie sich eine Poisson-Anpassung ansehen, werden Sie feststellen, dass diese die beste ist |
| für vier im Durchschnitt, das ist alles, was es wirklich kann, |
| hat eine engere Streuung als das Gamma-Poisson und nur um zu verifizieren, dass es sich ja um ein Gamma-Poisson handelt, |
| Schauen Sie sich die rote Linie dort an. |
| Und es passt wirklich, wirklich gut. |
| Fast perfekt. |
| Und das ist im Grunde genommen ein Fall, in dem ich das durchgemacht habe |
| Wenn man so will, ist der Poisson-Kommunikationsprozess 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 das Gleiche wie die Poisson-Verteilung noch einmal. |
| Aber wenn der Überdispersionsparameter zunimmt, geht er von einem Buckel, gefolgt von einem Schwanz, zu etwas über, das eher wie eine abklingende Exponentialfunktion aussieht. Das sehen Sie unten rechts im Blau, |
| Die Farben sind hier anders als zuvor vertauscht. Wenn es also zu Verwirrungen kommt, tut mir leid. |
| Hier sind echte Daten. |
| Dies gilt auch für eine allgemein zugängliche, frühe Stelle im Bereich Maschinenbau. |
| 140 Anträge, um 131 Zählungen zu erstellen, von denen viele null sind, sodass sich dies über die Zeit verteilt – einhunderteinunddreißig Tage. |
| Das Gamma-Poisson passt am besten, und Sie sehen es oben links. |
| Ich verwende Akaikes Kriterium, den AIC |
| metrisch. |
| Unten links sehen Sie |
| eine erfahrene Position. Jetzt verfügen erfahrene Fachkräfte nicht über die Netzwerke von beispielsweise Studenten, die ein Praktikum absolvieren, und so weiter. |
| Oder unbedingt das ständige Eintauchen in andere Menschen, das man an einer Universität treffen würde. Dies ist kein Beweis für irgendetwas, sondern nur eine Art zu rationalisieren, dass Sie vielleicht deshalb ein eher klassisches Poisson-Verhalten bei erfahrenen professionellen Reaktionen beobachten. |
| Und um es hier zu zeigen: Es scheint auch mit der Anzahl der Bewerbungen zu korrelieren. Andere Faktoren, die wichtig wären, scheinen die zu sein |
| Karrierestufe. |
| Wie ich gerade erwähnt habe, bedeutet der FLSA-Status (nicht befreit), dass es sich beispielsweise um Technologen und nicht um freigestelltes Personal handelt. |
| Diese Faktoren scheinen wichtig zu sein, aber es gibt definitiv eine Tendenz, wenn die Anzahl der Anwendungen zunimmt und die Wahrscheinlichkeit einer Gamma-Poisson-Verteilung zunimmt. |
| Nun, wie diese Daten für die Analyse vorbereitet werden. Bewerbungstermine nach Stellenanforderung |
| Tabellierte Einstellungsnullpunkte für |
| wenn es keine Zählung gibt. |
| Und dann passen Sie die Poisson- und Gamma-Poisson-Werte für jede Anforderung an, um herauszufinden, welches den besseren AIC-Wert ergibt. |
| Parallel dazu wurde eine Anforderungszusammenfassungstabelle mit einer Zeile oder Zeile pro Anforderung erstellt und diese dann zusammengeführt, um Parameter für Poisson und Gamma-Poisson sowie den AIC-Parameter zu erhalten, der Ihnen sagt, welcher wahrscheinlicher ist eine bessere Passform. |
| Und nach der Unterteilung erhalten Sie eine Zusammenfassung für Poisson und eine Zusammenfassung für Gamma-Poisson, da es schwierig ist, diese zusammen zu verarbeiten. |
| Sie können den Gamma-Poisson-Wert mit einem Sigma von eins verwenden, aber dann erhalten Sie 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 vom Modell normalisiert. |
| Und dann schaue ich, ob eine gemeinsame Verteilung über alle Fahrerbedingungen hinweg plausibel ist, was in diesem Fall im Wesentlichen der Anforderungskontext des Standorts, der frühen oder späten Karriere usw. ist. |
| Wenn es möglich ist, dass sie in die gleiche 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 zum jetzigen Zeitpunkt keinen Mechanismus, um damit umzugehen. Das ist also glücklicherweise nicht passiert, aber es ist etwas, worüber ich für die Zukunft nachdenken sollte. |
| Hier sind also einige Poisson-Parameterverteilungen nach Kontext, wobei der Kontext mit der Site zu tun hat, ob es sich um eine frühe oder späte Karriere handelt, oder ob es sich um eine etablierte Site handelt, könnte man sagen: |
| und ob es, nun ja, welches Tätigkeitsfeld ist. Jedes davon hat ein „B“, was „breit“ bedeutet, da die Analyse rein interner Stellenanforderungen eine schwierige, andere Sache mit viel eingeschränkteren Möglichkeiten ist, und deshalb bleibe ich in dieser Präsentation einfach beim breiten Fall. |
| Was Sie sehen können, ist, dass sich die mittlere Varianz je nach Anforderungskontext ziemlich deutlich unterscheidet, und nein, sie fallen nicht in die gleiche Verteilung. Das können Sie ganz einfach nachweisen. |
| Betrachtet man eine kleinere Teilmenge, nur den ersten Teil, die frühe Menge von Standort A, wird deutlicher, dass die Mittelwerte und Standardabweichungen überall auf der Karte verteilt sind. |
| Jetzt werde ich hier auch eine kleine Demo machen. |
| Ich habe also diese Daten. |
| Nun, das ist ein wirklich einfaches Modell. Ich werde die Poisson-Parameterausgabe verwenden und den Anforderungskontext verwenden, der mehrstufig ist |
| subjektive Variable. |
| Wenn Sie das ausführen, sehen Sie, dass es ein RQuadrat von etwa Punkt vier gibt. Das bedeutet, dass |
| es ist nicht unbedeutend. Die Passform des Modells ist eigentlich ziemlich gut. |
| Und die Anpassung dieses Parameters ist sehr gut. Es deckt nicht die gesamte Varianz ab, aber das ist in Ordnung, weil wir das nicht erwarten. Es heißt nur, dass dies ein ziemlich gutes Modell für seine Leistung ist. |
| Es könnte auch eine reine tabellarische Darstellung sein, aber ich mag diesen Ansatz, weil er die Arbeit erleichtert und mir ein Gefühl dafür gibt, mit wie viel Variabilität bei dieser Anpassung umgegangen wird. |
| Es kann hierher gehen und sich das ansehen |
| tatsächlich durch vorhergesagt, und Sie sehen, es ist zwar kein großartiges Modell, aber es erfüllt einen Zweck. |
| Und Sie können die Vorhersageformel auch speichern. |
| Und das sehen Sie hier. |
| Da ich dies bereits getan habe, wird dies automatisch abonniert. |
| Sie sehen, dass das, worauf das hinausläuft, im Wesentlichen gerecht ist |
| eine Konstante |
| plus einen Offset nach Anforderungskontext. |
| Es ist keine Raketenoperation erforderlich. |
| Aber wenn ich jetzt eine Normalisierung durchführen möchte, |
| Fügen Sie eine Spalte hinzu. |
| Rufen Sie das an |
| Norm Poisson Nochmals, weil ich es bereits einmal gemacht habe, um dies hier zu machen |
| Tisch an erster Stelle. |
| Finde Poisson. Da ist mein Poisson-Parameter. Teilen Sie das durch |
| Modell fit. |
| Das sollte eigentlich funktionieren. |
| Ich bin mir nicht sicher, was hier los ist. |
| Okay, das ist die Regel, niemals Live-Demos zu machen, 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 der normalisierte Poisson. |
| Und das Interessante daran ist Folgendes |
| Sie können das anpassen. |
| Und an den verfügbaren Flaschen sieht man, dass der Johnson SL am besten passt und einen ziemlich guten Job macht. |
| Und das können Sie auch |
| Passen Sie Y an X an. |
| Nehmen Sie diese Ausgabe |
| und passend zum Anforderungskontext. |
| Und holen Sie sich diesen Oneway-Plot. |
| Das sieht viel regelmäßiger aus als das vorherige, das ich gezeigt habe. Viel plausibler ist, dass diese die gleiche Verteilung haben. Sie werden einen größeren Bereich sehen, wenn Sie diejenigen haben, die mehr Daten haben, aber das ist nicht der Fall. |
| Das ist eigentlich nicht überraschend. |
| Und wenn Sie sich den Test auf ungleiche Varianzen ansehen, können Sie sehen, dass es keinen Hinweis darauf gibt, dass es sich um ungleiche Varianzen handelt. |
| Das ist kein Beweis dafür, dass dies nicht der Fall ist, aber es bedeutet, dass es sinnvoll ist, ein Modell zu verwenden, bei dem man davon ausgeht, dass sie die gleiche Verteilung haben. |
| Also. |
| Zurück dazu. |
| Oh, ich habe auch einen Kolmogorov-Smirnov-Test für jeden Kontext im Vergleich zu allen anderen durchgeführt, und von 78 Fällen zeigte nur einer einen p-Wert von weniger als 0,05. |
| P-Werte beweisen zwar nichts, geben aber einen Hinweis darauf, dass es sinnvoll ist, davon auszugehen, dass diese einfach aus derselben Verteilung stammen. |
| Und hier ist nur die vergrößerte Version dieser einen kleineren Teilmenge kurz zuvor, aber Sie können sehen, dass dies plausibel ist; Es ist kein Beweis, aber es ist plausibel. |
| Und mit dem Gütetest |
| Auch hier erscheint es vernünftig |
| Das Johnson SL ist hier ein sinnvolles Modell zur Beschreibung der Poisson-Parameterverteilung, der normalisierten Poisson-Parameterverteilung, für diesen Datensatz. |
| Das Gleiche kann für Gamma-Poisson und diese Datenteilmenge sowie den Lambda-Parameter, der der äquivalente Parameter ist, durchgeführt werden. |
| Und wieder einmal klappt es. |
| Für den Sigma-Parameter verwende ich tatsächlich ein Sigma minus eins, da Sigma auf einer Basislinie von eins liegt. |
| Und das Modell hier ist, wenn man so will, von noch geringerer Qualität, aber es ist notwendig, es zu verwenden |
| Dies ist ein separater Modellierungsschritt, da Lambda mit Sigma korreliert und Sie diesen Effekt daher darin modellieren möchten. |
| Auch hier erhalten Sie eine gute Passform. |
| In diesem Fall ist es die Johnson Su. |
| Und hier ist, was los ist. Wir generieren synthetische Zufallsverteilungsparameter. |
| Generieren Sie aus einer Datenteilmenge ein lineares Modell basierend auf dem Kontext. |
| Normalisieren Sie eine Parameterverteilung und passen Sie sie an ein gemeinsames parametrisches kontinuierliches Modell an. |
| Und um dann den synthetischen Parameter zu generieren, erhalten Sie eine Zufallszahl aus der normalisierten Parameterverteilung und multiplizieren diese mit dem entsprechenden linearen Modellergebnis, das heißt, um sie zu „denormalisieren“. |
| Bei der Auswertung synthetischer Zufallsmodellparameter habe ich erneut den KS-Test verwendet, und Sie 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 Verbundmodell erstellt. |
| Habe das 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 Stellenausschreibungen mit dem Kontext als Eingabe, allen verschiedenen Kontextfunktionen. |
| Ich möchte jetzt nicht auf allzu viele Details eingehen, aber der Punkt ist, dass Sie mithilfe synthetischer Zufallsparameterpaare eine Visualisierung erstellen können, die Ihnen nicht nur ein Gefühl dafür gibt, wo sich die Dinge normalerweise in dieser Heatmap befinden, sondern auch, wo sich Dinge normalerweise befinden |
| Eine Art Vorstellung von den Ausreißern, was ein plausibler Ausreißer ist und wie weit er wirklich geht. |
| Und wenn Sie eine Korrelation herstellen, können Sie auch sehen, dass die Korrelation zwischen Lambda und Sigma besteht |
| und zwischen synthetischem Lambda und synthetischem Sigma sind sie nahezu gleich. |
| Es geht darum, diese Beziehung einigermaßen genau zu modellieren. |
| Und wenn man das dann mit den echten Daten betrachtet, |
| Das sind kleine schwarze Punkte im Hauptdiagramm. |
| 98 Prozent der synthetischen Dichte befinden sich im rötlichen Bereich, der durch die Kreuzschraffur angezeigt wird. Dabei handelt es sich um den mittleren Einschub mit einem grünen Quadrat darum herum. |
| Alle Datenpunkte, davon 43, |
| dort fallen. |
| Und so. |
| Dies wiederum ist darauf zurückzuführen, dass die Synthetik einigermaßen gut modelliert, was wirklich passiert. Es ist glaubwürdig, aber es zeigt Ihnen, was in den anderen wenigen Prozent der Fälle passieren könnte. |
| So weit habe ich die Modellierung gebracht, aber Sie sehen, dass Sie den Kontext verwenden können; Sie können andere Variablen verwenden, z. B. wie viel |
| In die Formulierung der Stellenausschreibung wird Spezifität eingebracht, die dazu führt, dass weniger Leute qualifiziert werden, und vielleicht einige Leute abschreckt. |
| Sie können sich die Art und Weise ansehen, wie die Sprache erstellt wird. Heutzutage nutzen Menschen in der Personalabteilung Tools, um eine akzeptablere Sprache zu formulieren. Sie können sehen, welchen großen Unterschied das in Bezug auf das macht, was Sie im Laufe der Zeit und bei mehreren Stellenausschreibungen erhalten. |
| Sie könnten diese als Faktoren für das Modell behandeln und dann auf diese Weise Ihre Anwendung optimieren |
| Nutzen Sie diese Funktionen bei der Erstellung von Anforderungen, je nachdem, was Sie benötigen. |
| Aber jetzt überlege ich mal: Okay, wie sieht das nochmal aus? Auch hier gilt das Grundprinzip: Bei einem Poisson-Fall mit sieben pro Woche beträgt die Zählung in 30 % der Fälle fünf oder weniger. |
| Sie sollten also damit rechnen, dass Sie davon ausgehen sollten, dass die Anzahl der Anwendungen dies erfordert |
| Die Zeit, die benötigt wird, um eine einigermaßen konkurrenzfähige Auswahl zu finden, wird variieren, denn selbst bei einem Durchschnitt von sieben wird die Zahl, die Sie erhalten, ziemlich unterschiedlich sein. |
| Die Varianz des Poisson ist dieselbe wie die des Parameters, sodass man eine breite Variation erhält. |
| Und wenn Sie es gewohnt sind, in langfristigen Durchschnittswerten zu denken |
| oder durch einen anderen Fall verankert, könnten Sie von einer bestimmten Instanz abgeworfen werden. |
| Und das Problem ist diese Mustererkennungsverzerrung. |
| Bei der Clustering-Illusion handelt es sich um die Tendenz, davon auszugehen, dass die unvermeidlichen Streifen oder Cluster, die in kleinen Stichproben auftreten, bedeuten, dass ein nicht-zufälliger Effekt vorliegt, sondern dass dahinter irgendeine Absicht steckt. |
| Und es ist eindeutig irrelevant für Poisson-verteilte Daten, wie RD Clarke 1946 mit seiner Analyse der deutschen V-Bombe herausfand. |
| Standorte im Großraum London. |
| Die Leute würden sehen, dass die Gruppierungen stattfanden, und sie würden denken, dass das etwas bedeutete, aber er konnte zeigen, dass es ziemlich gut zutraf, indem er den Prozess als Poisson betrachtete |
| verteilt, was bedeutet, dass es ohnehin ab und zu zu Clustern kommen wird, und sicherlich ungefähr so oft, wie Sie es gesehen haben. |
| Das bedeutete also, dass sie nicht auf etwas Bestimmtes zielten, sondern dass sie ganz allgemein auf London zielten und im Allgemeinen irgendwo in London trafen. |
| In diesem Fall liegt die Wahrscheinlichkeit, über einen Zeitraum von drei Wochen hinweg eine Sequenz zu erhalten, bei der die Zahl abnimmt oder zunimmt, bei Betrachtung der Jobs bei etwa 12 %. |
| In diesem Beispiel beträgt die Wahrscheinlichkeit, dass eine Zahl für zwei Wochen sinkt, also eine Zahl größer ist als die andere, 45 %. |
| Das sind wirklich kurze Muster; Sie sollten nicht als eine Bedeutung angesehen werden, aber sie können von Leuten, die sich der Natur der Statistiken nicht bewusst sind, so gesehen werden. Das ist hier wirklich der Punkt. Und das kann zu Überreaktionen führen. |
| Mittlerweile beträgt die Variabilität je nach Praxisbereich etwa eine Größenordnung. |
| In einigen Bereichen ist es schwieriger, Quellen zu finden als in anderen. Daher können die Erwartungen der Menschen verzerrt sein, wenn sie diese Unterschiede nicht verstehen. |
| Und wenn Sie sich die Stellenausschreibungen im Allgemeinen und nicht nur nach Fachgebieten ansehen, können Sie bei den 95 % einen Unterschied von etwa dem Faktor 25 feststellen. |
| reichen von 2,5 Prozent bis 97,5 Prozent. Es gibt immer noch große Schwankungen |
| in den Tarifen. |
| Und wenn Sie dann verstehen würden, wie sich dies darauf auswirkt, wie die Sprache des Beitrags gestaltet ist, wie eng, wie allgemein, |
| was die Sprache anzieht, Werbung für all diese Faktoren, |
| Dann könnten Sie entscheiden, wie viel |
| Sie möchten dafür sorgen, dass diese Raten höher ausfallen und der Prozess schneller erledigt wird. |
| Hier ist also ein Fall für eine konkrete Stellenausschreibung unter Verwendung des Simulationsmodells, über das ich zuvor gesprochen habe. |
| Etablierter Fachmann am Standort A und Fachbereich Praxis 9, auch hier handelt es sich alles um proprietäres Zeug, daher wird nicht offengelegt, was das ist; Das ist einfach eine besondere Art von Profi. |
| Sie erhalten diesen sehr großen Unterschied |
| über das 95 %-Konfidenzniveau irgendwo zwischen null und neun mit einem Median von zwei. |
| Das kann Leute aus der Fassung bringen, diese kleinen Zahlen 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 und die Qualität der Daten an. Selten eingestellte Bereiche mit seltenen Fähigkeiten werden aller Wahrscheinlichkeit nach im Datensatz fehlen, wenn die Daten über einen kurzen Zeitraum gesammelt werden. |
| Andererseits gibt es viele externe Variablen, über die Sie keine Kontrolle haben |
| Vielleicht |
| sich im Laufe der Datenerhebung ändern, wenn man diesen Analysen einen langen Zeitraum zugrunde legt. |
| Und der Modellierungsansatz berücksichtigt keine Selbstkannibalisierung. Wenn in einem Bereich zwei Stellenausschreibungen offen sind und sich Bewerber auf beide bewerben oder eine auswählen. Vielleicht wählen sie in bestimmten Fällen diejenige aus, die ihrer Meinung nach die beste Chance bietet. |
| Dieses Modell tut nichts dagegen, sondern würde das Ergebnis der realen Welt darstellen, indem es einfach erfasst, was passiert. |
| Dies stellt jedoch nicht den Umfang der verpassten Chancen dar, denn wenn Sie möchten, dass sie sich wahrscheinlich bei allen bewerben, für die sie qualifiziert sind, können Sie einfach sehen, wo sie passen könnten. |
| Also Schlussfolgerungen. Einige Bewerbungsantworten auf eine Stellenausschreibung werden in der Regel als Poisson- oder Gamma-Poisson-Wert verteilt. |
| Und dies wurde anhand eines großen Datensatzes überprüft, der aus insgesamt etwa 2.500 Stellenausschreibungen bestand. |
| 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 Bewerbungseingangsmodelle eine wichtige Lücke für das Verständnis des gesamten Mitarbeiterlebenszyklus schließen können, da sie Personalmanagern 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 |
| Was vielleicht am wichtigsten ist, aus wirtschaftlicher Sicht: |
| Dabei handelt es sich um eine Möglichkeit, die Kosten pro Bewerber mit den Merkmalen der Stelle und verschiedenen anderen einstellbaren und außerhalb der eigenen Kontrolle stehenden externen Faktoren in Beziehung zu setzen. |
| Das würde dann ein besseres Verständnis dafür vermitteln, was zu erwarten ist, und zwar im Hinblick darauf, wie schnell Dinge besetzt werden könnten, wie schnell offene Stellen besetzt werden könnten und wie viel es kosten würde, dies zu tun |
| abhängig von den Beziehungen zur Werbung usw. |
| Damit ist abgeschlossen, was ich heute vorstellen wollte |
| Ich sage nur, wenn Sie Fragen haben, sollten Sie die Kontaktinformationen hier haben |
| Video oder wo es platziert ist, und zögern Sie nicht, uns zu kontaktieren. |
| Christy Spanien | Okay, das war großartig. |
| Ja, bis auf den Teil, wo mein Ding nicht funktioniert hat, weil ich die DEMO vermasselt habe. |
| Aber das war eine gute, sichere, gute Rettung. Endlich wurde mir klar, was ich tat. |
| Ja, JMP wird keine dummen Dinge tun, egal wie sehr Sie es wollen. |
