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 befindest du dich, Thor? |
| ja, Christy Spanien. |
| Und Albuquerque, New Mexiko. |
| Christy Spanien | das habe ich mir auch gedacht. |
| habe das Recht. |
| Christy Spanien | dreistellig da draußen. |
| Im Moment nicht. |
| Okay, wir haben eins. |
| Ein Hurrikan kommt von dort. |
| Balldiebe werden die Temperaturen senken. |
| Christy Spanien | Okay, wie heißt das hier? |
| Ich weiß nicht, normalerweise passiert das nicht oft und ich habe nicht besonders darauf geachtet. |
| Also. |
| Christy Spanien | Ich bin irgendwie unvorbereitet, aber wissen Sie, das hat den Golfplatz gestern ziemlich hart getroffen, also tanken hier alle voll, weil die Pipeline jetzt abgeschaltet ist. |
| Also, wo bist du? |
| Christy Spanien | Ich bin im Hauptquartier in Cary, North Carolina, ja, also. |
| ähm, also mal sehen, haben Sie letztes Jahr irgendwelche Aufnahmen für uns gemacht oder. |
| Ich habe letztes Jahr mein eigenes gemacht. |
| Möglicherweise einer der Gründe, warum wir das tun. |
| Diesmal. |
| Oh. |
| Christy Spanien | Das ist lustig. |
| ähm, lassen Sie mich nachdenken, ich habe eine kleine Checkliste, lassen Sie mich die öffnen, beispielsweise, wenn man tatsächlich zu viele Dinge erledigt. |
| Ich habe versucht, alles zu löschen, daher wurden keine Popups angezeigt. Haben Sie alle Ihre Apps geschlossen usw.? |
| Habe ich noch nicht und hätte auch noch eine Frage. |
| Sicherlich. |
| Dort heißt es, dass ich vor meiner Aufnahme Dinge hochladen soll, aber das kann ich nicht, weil ich keinen Link habe. |
| Christy Spanien | Ich lade es hoch und was für Dinge. |
| Und Präsentationsmaterialien. |
| Christy Spanien | Okay, ich werde herausfinden, was dieser Link für Sie ist. |
| Also ging ich zurück und sah meine alten E-Mails durch. Ich konnte es nicht finden, denke ich. |
| Ich bin. |
| Keine große Sache, aber. |
| Christy Spanien | Wir sollten aber auf jeden Fall in der Lage sein, einfach weiterzumachen und aufzuzeichnen. |
| Okay, ja. |
| Christy Spanien | Lassen Sie mich eine kleine Checkliste finden, aber ein Teil dieser Checkliste besteht darin, Ihre Apps zu schließen. |
| ich werde das machen. |
| Sie benötigen keine Microsoft-Teams. |
| Christy Spanien | Sie haben keine Logos auf Ihrem Hemd, also ist das gut. |
| Keine Logos. |
| Wahrscheinlich ist im Moment auch kein Nein nötig. |
| Christy Spanien | Ich konnte nicht herausfinden, wie ich Teams nicht stören kann. |
| Den Teams geht es gut. |
| Eines der Dinge über die Moderne. |
| Technologie bedeutet, dass die Leute Ihnen keine Anweisungen mehr geben, sondern dass Sie etwas bekommen, das Sie selbst herausfinden sollen. |
| Christy Spanien | Also, ich habe den Hilfebereich D und D eingegeben und es wurde so getan, als ob ich nach Nachrichten oder etwas in der Art suchte, und mein „Okay“, oder es war in Ordnung, ich habe es also geschlossen. |
| Okay, also. |
| Ich habe ein paar Bewerbungen offen, aber. |
| Schauen Sie sich diese Sache mit den kleinen parasitären Teams an. |
| Christy Spanien | uns geht es gut, also. |
| Nun, sie haben es in dieses kleine versteckte Menü eingefügt, sodass 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, wir hätten vielleicht einen der Hintergründe nehmen sollen. |
| Da steht, dass keine Urheberrechtsverletzung vorliegt, aber Sie haben da, wie Sie wissen, eine Menge Bücher, also vielleicht. |
| Naja, ich habe hier hinten Bücher, ich dachte, das wäre nicht so schlimm, weil man sie ja nicht wirklich lesen kann, aber na gut. |
| Christy Spanien | Ich weiß nicht, ich würde es hassen. |
| muss Sie zurückrufen und sagen, dass ich es auf sich beruhen lasse. |
| ja, ich möchte es nicht zweimal machen. |
| NEIN. |
| Ich bin sicher, dass das ein großer Spaß wird, aber ich möchte es nicht noch einmal tun. |
| ich werde einfach die Teams los. |
| Sie sind alle Teams weg. |
| Okay, also zu diesen Hintergründen habe ich eine Meinung. |
| Ich muss zu Outlook zurückkehren. |
| Christy Spanien | Oder Sie könnten einfach sagen: „Vielleicht machen wir es.“ |
| Sehen Sie, ich habe sie nie benutzt. |
| Ich habe sie wirklich nie benutzt. |
| ja, weil sie analysieren, um zu verschwimmen. |
| Ja. |
| Wissen Sie, immer wenn ich Sachen für einen Umzug mache, sehe ich, wie die Leute sie benutzen und die Dinge verschwimmen und sie den ganzen Kram in ihrem Zimmer sehen. |
| Siehst du so aus. |
| fragen |
| Tanya, also ein neues Symptom. |
| Also los geht’s. |
| Das sind soziale Kacheln, wissen Sie, was für soziale Kacheln es sind. |
| Virtuelle Hintergründe, also blaues Streudiagramm. |
| ich werde das einfach tun. |
| Aufleuchten. |
| Das ist es also, jetzt wäre die Frage, wie ich das mache. |
| Benutze sie. |
| mal sehen. |
| Christy Spanien | Ich dachte, es wäre unter den drei kleinen Punkten, aber das ist nicht so. |
| Okay, mir ist nicht klar, wo die Enten sind. |
| Wo findet man Punkte? |
| Christy Spanien | Sie wissen ja unten, wo Sie Bildschirm teilen und chatten können. |
| Und von all dem gibt es noch ein bisschen mehr. |
| Aber ich sehe da im Hintergrund keine Möglichkeit zur Änderung. |
| auch nicht. |
| Christy Spanien | Wir wechseln zwischen so vielen verschiedenen Dingen hin und her. |
| Werkzeuge hier, es ist schwierig. |
| lasst uns eine schnelle Suche durchführen. |
| Virtueller Hintergrund unter einer raffinierten 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 in der Art, nein, nein, nein. |
| Christy Spanien | Oh, das sieht gut aus. |
| Oh, gut, denn ich war nicht sicher, ob ich sonst viel tun könnte. OK, also, jetzt haben wir den Hintergrund, und wenn ich mich viel bewege, funktioniert das eigentlich ziemlich gut, nur ein kleiner Fehler, okay. |
| Christy Spanien | Und |
| Wurde Ihre Taskleiste automatisch geöffnet? |
| mal sehen, wie ich das mache. |
| Christy Spanien | Gehen Sie nach unten zu Ihrer Taskleiste und klicken Sie mit der rechten Maustaste. |
| Ja, an einem Ort, an dem es nichts gibt. |
| 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 Desktopmodus automatisch ausgeblendet. |
| An. |
| OK, jetzt scheint es automatisch ausgeblendet zu sein, obwohl es nicht ausgeblendet ist. |
| Christy Spanien | Wenn Sie nach oben scrollen, verschwindet es. |
| Es wird also nur angezeigt, wenn. |
| Ich habe etwas Aktivität, die gut vergeht. |
| Christy Spanien | Und dann ist dein Sound großartig. |
| Und |
| Christy Spanien | ich werde das Teilen mit Ihnen üben, damit wir Ihre Auflösung und all das überprüfen können. |
| Na, mal sehen. |
| Es gibt mit Sicherheit eine bestimmte Sache, die ein Problem darstellen wird. |
| Um den Bildschirm freizugeben, zeige ich Ihnen, wie Sie aussehen. |
| Christy Spanien | Nun können Sie fortfahren und Ihre Inhalte teilen. |
| ja, aber ich möchte zwischen den Folien und der JMP-Anwendung hin- und herwechseln, also möchte ich in der Lage sein, sie anzuzeigen. |
| Mein Bildschirm. |
| Irgendwie bin ich also gelandet. |
| Mit dem Bildschirm und ich habe Sie hier in einem kleinen Fenster. |
| Christy Spanien | Oben können Sie „Anzeigen“ auswählen und es auf „Nebeneinander“ ändern, oder das ist, was ich gemacht habe. |
| Meine Kamera auszuschalten, weil mich eh keiner sehen will. |
| heute dreht sich alles um Sie. |
| Kleines Miniaturvideo des aktiven Sprechers anzeigen. |
| Okay, das zeigt es Ihnen. |
| Es zeigt uns beide, dies zeigt ein Gitter. |
| Und dadurch wird das Ganze richtig klein. |
| Und ich kann mich selbst nicht mehr sehen. |
| Aber ich kann das Ding bewegen. |
| Christy Spanien | Nun, ich sehe, dass Sie Ihre PowerPoint-Präsentation traurig machen. |
| Also, hier ist eine Frage, die ich zu PowerPoint im normalen Schreibmodus bekomme. |
| Aber wenn ich in die Präsentationsansicht gehe. |
| Es wird größer, aber dann muss ich ständig zwischen dieser und der anderen Ansicht hin- und herwechseln. |
| Wenn Sie das Video machen. |
| Konzentrieren Sie sich auf die relevanten Teile oder zeigen Sie auf dem Bildschirm nur das, was hereinkommt? |
| Christy Spanien | ja, wir werden einfach was auch immer zeigen. |
| Die meisten Leute verwenden den Präsentationsmodus. Wenn Sie diesen dann verlassen und Ihren JMP-Bildschirm aufrufen möchten, können Sie das tun. |
| und gehen Sie zurück, ergibt 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 verschwinden und, wo nötig, zu JMP gehen. |
| Christy Spanien | Willst du das schnell ausprobieren, damit wir sichergehen können, dass es die richtige Größe hat und so weiter? |
| Ja. |
| Christy Spanien | sieht toll aus. |
| Okay. |
| Es ist also sichtbar. |
| Christy Spanien | OK, also jetzt muss ich. |
| Bestätigen Sie bitte Ihren Namen, Ihr Unternehmen und den Titel der Zusammenfassung. |
| Name ist Thor Osborn. Firma ist Sandia National Laboratories. |
| Der Titel der Zusammenfassung sollte „Modell für den Eingang von Bewerbungen zur Simulation und Verwaltung der Talentakquise“ lauten. |
| Christy Spanien | Perfekt. Und dann verstehen Sie, dass dies für den Discovery Summit aufgezeichnet wird. |
| JMP-Konferenz und wird in der JMP-Benutzer-Community öffentlich verfügbar sein. Erteilen Sie die Erlaubnis für diese Verwendung und Aufzeichnung? |
| Danke schön. |
| Christy Spanien | Und ich denke, wir sind bereit, Thor, also werde ich mich stumm schalten und |
| Sie können los, wann immer Sie bereit sind. Das Ziel ist, direkt durchzukommen. Ich werde nichts sagen oder Sie aufhalten, es sei denn, es passiert etwas Katastrophales. Wie wäre es damit? |
| Okay, das Ziel ist, direkt durchzukommen. Und wie viel Zeit soll ich dafür haben? |
| Christy Spanien | 30 Minuten. |
| Okay, ich denke, Sie haben jetzt ein wenig Spielraum, da am Ende der Wiedergabe gerne Zeit für Fragen und Antworten gelassen wird. Wenn es also ein wenig darüber hinausgeht, ist das okay. |
| Okay, bevor wir gehen, gibt es dieses kleine Fenster, in dem steht „Sprechen“ und „Wer spricht?“. |
| Weil sie das kleine Videoding verkleinern. |
| Okay, zeigt mein Bildschirm die Präsentationsansicht oder zeigt er das mit diesem kleinen Einschub unten rechts? |
| Christy Spanien | Ich sehe nur die Präsentationsansicht. |
| Okay, also bringen sie das irgendwie in Umlauf. |
| Christy Spanien | Das muss nervig sein. |
| Es ist okay, solange es nicht stört. Ich meine, ich lege da nichts hin. |
| Christy Spanien | das ist okay. |
| Ja. |
| In Ordnung. |
| Christy Spanien | Okay, ich schalte den Ton aus, dann sind Sie bereit. |
| Okay. |
| Also, mein Name ist Thor Osborn. Ich arbeite bei Sandia National Laboratories als leitender Systemforschungsanalytiker. |
| Mein heutiger Vortrag handelt vom Modell zur Antragseinreichung für die Simulation und Verwaltung der Talentakquise. |
| Und ich hoffe, es gefällt Ihnen. |
| Ich habe hier drei grundlegende Ziele. Das eine ist, die geschäftlichen Gründe dafür darzulegen, warum man die Eingangszeiten von Bewerbungen modellieren sollte. Das andere ist, einen unkomplizierten Prozess zum Erstellen eines prägnanten, breit anwendbaren Modells unter Verwendung dieser Art von Daten aufzuzeigen. |
| Anschließend werde ich diesen Vorgang anhand der Daten einer großen Forschungsorganisation demonstrieren und kurz zeigen, was man damit machen kann. |
| Ich werde jetzt auf das technische Verständnis der Daten eingehen, weil ich glaube, dass diese Art von Daten für die meisten Leute etwas ungewöhnlich ist. |
| Die Quellmodelle, im Wesentlichen ist dies 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. Einer davon ist die Verbesserung des Talentakquiseprozesses und der Geschäftsfunktion. |
| Ein weiteres Ziel besteht darin, das Verständnis der Führungskräfte, die das Unternehmen leiten, zu verbessern, und das dritte Ziel besteht darin, dabei zu helfen, die Erwartungen der Personalverantwortlichen zu formulieren. |
| Ich fange mit der Talentakquise an. Die Einstellungsquote und -verzögerung hängen von den Durchläufen durch die Überprüfungsphasen in der Talentakquise-Pipeline ab. Entscheidend ist jedoch, dass Sie genügend Bewerbungen haben müssen, bevor Sie mit dem Prozess weitermachen können. |
| Und die Preise und Muster variieren erheblich, je nach Fachgebiet, Spezifität der veröffentlichten Stellenausschreibungen, Konkurrenz, Umfang Ihrer Werbung usw. |
| Ein gemeinsamer mathematischer Rahmen für die Antragseinreichung könnte ein besseres Verständnis des Handelsraums ermöglichen, um die Antragserfassungsraten zu verbessern. |
| sowie andere Dinge. Einige wichtige Zusammenhänge: Bewerbungserfassungsrate und Varianz im Vergleich zum Beschäftigungskontext, Arbeitsplatz, Karrierestufe, Tätigkeitsbereich. |
| Auswirkungen anpassbarer Variablen auf die Erfassungsrate: Spezifität der Stellenausschreibung, Sprache der Ausschreibung – und damit meine ich nicht Englisch oder Spanisch, sondern vielmehr die Art und Weise, wie die Dinge formuliert werden. |
| Und gezielte Rekrutierungsbemühungen. Und dann die Auswirkungen der Erfassungsrate auf externe Faktoren wie wirtschaftliche Bedingungen, Wettbewerb im Praxisbereich, |
| 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 man oft bei der Durchführung von Projekten oder Programmen sieht – Zeit, Qualität und Kosten. |
| Das Sammeln von Bewerbungen nimmt Zeit in Anspruch. Sie möchten eine hohe Qualität an Bewerbern erreichen. Das kostet Geld, und je schneller Sie vorgehen, desto mehr wird es kosten. |
| Es gibt hier also Kompromisse. |
| Führungskräfte werden häufig über die Personalplanung in den Prozess eingebunden. Dabei handelt es sich zwar um einen Sammelbegriff, im Grunde handelt es sich aber um einen Jahresplan. |
| Doch ohne entsprechende Modelle und Rückmeldungen zu den Kosten der Dinge könnte die Berücksichtigung der typischen Einschränkungen und Zuweisungen von Personalbudget oder Prozessen subjektiv sein oder ganz fehlen. |
| Und damit meine ich, dass HR auf Führungsebene oft nur als notwendiger Kostenfaktor betrachtet wird, aber nicht unbedingt als Hebel, um das Unternehmen voranzubringen. Teilweise liegt das an mangelnden Informationen, und die Bereitstellung von Informationen könnte eine Möglichkeit sein, diese Situation zu verbessern. |
| Auch die Erwartungen des Personalchefs. |
| Im Grunde handelt es sich hier um Statistiken mit geringen Zahlen, um eine geringe Anzahl von Bewerbungen. |
| Der Mensch ist wirklich anfällig für Musterverzerrungen und die meisten Personalchefs stellen nicht jede Woche neue Leute ein. Sie sind es also nicht gewohnt, dies über einen langen Zeitraum hinweg aus der Perspektive vieler verschiedener Fälle zu betrachten. |
| Und das kann dazu führen, dass sie sich auf die letzte Situation konzentrieren, mit der sie konfrontiert waren. Das kann zu einem Musterfehler führen, bei dem sie die Zahl der Bewerber, die von einer Woche auf die andere zurückgeht, betrachten und daraus schließen, dass sie alle Interessenten erreicht haben. |
| Und das Problem bei 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 die Dinge nicht in diesem Kontext betrachtet. |
| Also ein bisschen zu den Daten. Die Eingangsdaten sind an bestimmte Stellenausschreibungen gebunden. Sie haben also eine Stellenausschreibung, es gibt eine Ausschreibung für diese Ausschreibung und die Bewerbungen gehen infolge der Ausschreibung ein. |
| Sie werden durch verschiedene Aspekte charakterisiert: Standort, Karrierephase; |
| Sichtbarkeit, wie weit es sichtbar gemacht wird; |
| Tätigkeitsbereich, was Sie tun; |
| und spezifische Anforderungen, die innerhalb dieser Felder sehr breit oder sehr eng sein können. |
| Und die Bewerbungen können innerhalb des Zeitraums eingereicht werden, in dem eine Stellenausschreibung verfügbar ist. Es gibt also normalerweise einen festgelegten Zeitrahmen. |
| Sie werden nach Datum verfolgt. |
| Wenn ich in diesem Fall später echte Daten für die Analyse verwende, muss ich das Datum der letzten eingereichten Bewerbung als Datum für den Stellenschluss verwenden, aber das stimmt nicht unbedingt. Aber wie so oft bei echten Daten haben wir nicht alle Daten, die wir gerne hätten. |
| Und ich werde abschließend sagen: |
| Sie zählen die Anzahl der Bewerbungen pro Tag. Wenn Sie für einen Tag null Bewerbungen sehen, ist das eine Zählung von null. |
| Wenn man also an einen nationalen Pool potenzieller Bewerber für eine Stellenausschreibung denkt, |
| Arbeitgeber gibt Informationen an die Welt weiter. |
| Ein Teil der Personen aus dem bundesweiten Bewerberkreis reicht eine Bewerbung ein. |
| man geht allgemein davon aus, dass es sich dabei im Verhältnis zur Gesamtzahl der infrage kommenden Personen um wenige handeln wird. |
| Sie haben also diesen riesigen Bewerberpool. Er ist eine Quelle und alle Bewerbungen oder kleineren Störungen dieser Quelle. |
| Und um es ganz deutlich zu sagen: Das könnte für Leute, die es gewohnt sind, sich mit Poisson-Mathematik zu beschäftigen, sehr langweilig sein, aber |
| Wenn Sie am ersten Tag eine Bewerbung sehen, ist das ein Beispiel für eine Zählung von eins. Am zweiten Tag gibt es keine Bewerbung. Das ist ein Beispiel für eine Zählung von null. Ganz rechts sehen Sie also drei Beispiele für null, drei Beispiele für eins, eine zwei und eine drei. |
| Und das lässt sich anpassen, obwohl es nicht sehr viele Daten sind, es lässt sich mit dem Poisson-Modell anpassen, und Sie sehen dort unten rechts die blaue Linie. |
| Es geht also im Durchschnitt eine Bewerbung pro Tag ein, aber die tatsächliche Anzahl pro Tag wird innerhalb der Verteilung variieren. Und das ist alles. |
| Die Poisson-Verteilung kann daher 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 geringe Wahrscheinlichkeit zeigte, |
| Sie haben im Wesentlichen eins hoch vier. |
| mal e hoch minus Lambda, also im Wesentlichen 37% |
| geteilt durch vier Fakultäten, also 24, und so etwas in der Größenordnung von eineinhalb Prozent, was mit einer kleinen, aber nicht Null betragenden Wahrscheinlichkeit übereinstimmt. |
| Als erste Hypothese |
| Wir gehen davon aus, dass die Mitglieder des landesweit verteilten Pools potenzieller Bewerber für diesen breit ausgeschriebenen Job unkoordiniert agieren |
| bezüglich der Beschäftigungsmöglichkeiten, und so könnte ein Poisson-Modell sinnvoll sein. |
| Es handelt sich also um eine vernünftige Ausgangshypothese. |
| Was passiert nun, wenn sie interagieren? |
| Dies kann dann anhand des Gamma-Poisson-Quellenmodells aufgefasst werden, bei dem es sich im Wesentlichen um eine Poisson-Komponente handelt, die eine Gamma-Verteilung als Mischverteilung verwendet. |
| Oder Sie können es sich als eine verschwommene Poisson-Verteilung vorstellen, da die Rate, die Durchschnittsrate, keine konstante Durchschnittsrate ist, sondern sich von einem Moment auf den anderen ändert. |
| Und das kann unter der alternativen Hypothese passieren, dass sich die Bewerber koordiniert verhalten, |
| Dies könnte passieren, wenn es Netzwerke von Menschen gäbe, die miteinander über Jobmöglichkeiten usw. sprechen. |
| Hier ist nun |
| eine Folie zur Generierung der Gamma-Poisson-Verteilung. Das ist zwar eine grundlegende Sache, aber ich finde, dass es hilfreich sein kann, sich diese Verteilungen anzusehen. |
| Ich werde also 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 auf der Folie. |
| 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 Feed für eine zufällige Poisson-Analyse. |
| Und Sie bekommen dies. |
| Das sieht nicht wie das Poisson-Bild von vorher aus, weil es verschmiert wurde. |
| Wenn Sie sich eine Poisson-Anpassung ansehen, werden Sie feststellen, dass die beste Anpassung |
| für vier als Durchschnitt, und das ist alles, was es wirklich kann, |
| hat eine engere Dispersion als die Gamma-Poisson-Verteilung und nur um zu bestätigen, dass es sich tatsächlich um eine Gamma-Poisson-Verteilung handelt, |
| Schauen Sie sich dort die rote Linie an. |
| Und es passt wirklich sehr, sehr gut. |
| Fast perfekt. |
| Im Wesentlichen ist dies also ein Fall, in dem man das durchgemacht hat. |
| Kommunikationsprozess, wenn Sie so wollen, ist das Poisson-Modell nicht mehr das beste Modell. |
| Der Fall, den ich gerade gezeigt habe, wird hier oben rechts in diesem Quad-Panel angezeigt. |
| Sigma ist gleich zwei, der Überdispersionsparameter von zwei. |
| Wenn Sie oben links einen Überdispersionsparameter von eins haben, Sigma also gleich eins, dann ist das im Wesentlichen wieder dasselbe wie bei der Poisson-Verteilung. |
| Aber wenn der Überdispersionsparameter zunimmt, geht es von einem Buckel, gefolgt von einem Schweif, zu etwas über, das eher wie eine abnehmende Exponentialfunktion aussieht. Sie sehen das unten rechts im Blau, |
| die Farben sind hier gegenüber dem vorherigen vertauscht. Wenn es diesbezüglich also zu Verwirrung kommt, entschuldigen Sie bitte. |
| Hier sind nun die echten Daten. |
| Dies ist beispielsweise bei allgemein zugänglichen Stellenausschreibungen für Berufseinsteiger im Maschinenbau der Fall. |
| Aus 140 Anträgen resultieren 131 Zählungen, von denen viele Nullen ergeben. Dies verteilt sich also über einen Zeitraum von einhunderteinunddreißig Tagen. |
| Die Gamma-Poisson-Gleichung passt am besten, und Sie sehen sie oben links. |
| Ich verwende das Kriterium von Akaike, den AIC |
| metrisch. |
| Unten links sehen Sie |
| eine Position für Berufserfahrene. Erfahrene Fachkräfte verfügen nicht über die Netzwerke von beispielsweise Universitätsvermittlungspersonal und so weiter. |
| Oder notwendigerweise das ständige Eintauchen in andere Menschen, das man in einem Universitätsumfeld beobachten würde. Dies ist kein Beweis für irgendetwas, sondern nur eine Möglichkeit, zu rationalisieren, dass man vielleicht deshalb typischerweise ein klassischeres Poisson-Verhalten mit Reaktionen erfahrener Fachleute sieht. |
| Und nur um es hier zu zeigen: Es scheint auch mit der Anzahl der Bewerbungen zu korrelieren. Andere Faktoren, die eine Rolle spielen könnten, sind die |
| Karrierestufe. |
| Wie ich gerade erwähnt habe, bezieht sich der FLSA-Status (Non-Exempt) beispielsweise auf Techniker im Gegensatz zu ausgenommenem Personal. |
| Diese Faktoren scheinen eine Rolle zu spielen, es besteht jedoch definitiv eine Tendenz: Mit zunehmender Anzahl der Anwendungen wird die Wahrscheinlichkeit einer Gamma-Poisson-Verteilung größer. |
| Nun erfahren Sie, wie diese Daten für die Analyse aufbereitet werden. Bewerbungsdaten nach Stellenanforderung. |
| Tabellarische Nullstelleneinstellung für |
| wenn keine Zählung erfolgt. |
| Und dann passen Sie für jede Anforderung Poisson und Gamma-Poisson an, um herauszufinden, welche den besseren AIC-Wert bietet. |
| Parallel dazu wurde eine Anforderungszusammenfassungstabelle mit einer Zeile oder Reihe pro Anforderung erstellt. Diese wurden dann zusammengeführt, um Parameter für Poisson und Gamma-Poisson sowie den AIC-Parameter bereitzustellen, der angibt, welcher Parameter wahrscheinlich besser passt. |
| Und Sie erhalten nach der Unterteilung eine Zusammenfassung für Poisson und eine Zusammenfassung für Gamma-Poisson, da diese zusammen schwierig zu handhaben sind. |
| Sie können Gamma-Poisson mit einem Sigma von eins verwenden, erhalten dann aber eine Nullinflation, und die Handhabung wird kompliziert. Deshalb behandle ich sie stattdessen einfach getrennt. |
| Unabhängig davon, welche Teilmenge verwendet wird, zeigt der Prozess, dass das lineare Modell für den Parameter im Vergleich zu den Treibern angepasst wird. |
| Der Parameter wird durch das Modell normalisiert. |
| Und dann schaue ich, ob eine gemeinsame Verteilung über alle treibenden Bedingungen hinweg plausibel ist. In diesem Fall handelt es sich dabei im Wesentlichen um den Anforderungskontext hinsichtlich Standort, frühem oder spätem Berufsleben usw. |
| 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 derzeit keinen Mechanismus, um damit umzugehen. Zum Glück ist das also nicht passiert, aber es ist etwas, worüber ich für die Zukunft nachdenken sollte. |
| Hier ist eine Poisson-Parameterverteilung nach Kontext, wobei der Kontext mit dem Standort zusammenhängt, ob es sich um eine frühe oder späte Karriere handelt oder ob es sich um eine etablierte Karriere handelt, könnte man sagen. |
| und ob es, nun ja, welches Tätigkeitsfeld ist. Jeder dieser Bereiche hat ein „B“, was „breit“ bedeutet, weil die Analyse rein interner Stellenausschreibungen eine schwierige, andere Sache mit viel eingeschränkteren Möglichkeiten ist, und deshalb bleibe ich in dieser Präsentation einfach beim breiten Fall. |
| Was Sie sehen, ist, dass die Mittelwertvarianz je nach Anforderungskontext ziemlich offensichtlich unterschiedlich ist, und nein, sie fallen nicht in dieselbe Verteilung. Das lässt sich leicht demonstrieren. |
| Betrachtet man eine kleinere Teilmenge, nur den anfänglichen Teil, die frühe Menge von Site A, wird deutlicher, dass die Mittelwerte und Standardabweichungen sehr unterschiedlich verteilt sind. |
| Jetzt werde ich hier auch eine kleine Demo machen. |
| Also, ich habe diese Daten. |
| Dies ist ein wirklich einfaches Modell. Ich nehme die Poisson-Parameterausgabe und verwende den Anforderungskontext, also dieses mehrstufige |
| subjektive Variable. |
| Und wenn Sie das ausführen, sehen Sie, dass es ein RSquare von ungefähr 0,4 gibt. Das bedeutet, dass |
| es ist nicht unerheblich. Die Modellanpassung ist eigentlich ziemlich gut. |
| Und die Anpassung für diesen Parameter ist sehr gut. Sie deckt nicht die gesamte Varianz ab, aber das ist in Ordnung, weil wir das auch nicht erwarten. Es bedeutet nur, dass dies ein ziemlich gutes Modell für das ist, was es tut. |
| Dies könnte auch rein tabellarisch erfolgen, mir gefällt jedoch dieser Ansatz, da er die Arbeit erleichtert und mir einen Eindruck davon vermittelt, mit wie viel Variabilität diese Anpassung verbunden ist. |
| Es kann hier gehen, und schauen Sie sich die |
| Tatsächliches mit Vorhergesagtem, und Sie sehen, ja, es ist kein großartiges Modell, aber es erfüllt einen Zweck. |
| Und Sie können die Vorhersageformel auch speichern. |
| Und so sehen Sie es hier. |
| Da ich dies bereits getan habe, wird dies automatisch abonniert. |
| Sie sehen, das läuft im Wesentlichen darauf hinaus, |
| eine Konstante |
| plus ein Offset durch Anforderungskontext. |
| Es ist keine Raketenwissenschaft erforderlich. |
| Aber wenn ich jetzt eine Normalisierung durchführen möchte, |
| eine Spalte hinzufügen. |
| Nennen Sie dies |
| Norm Poisson Noch einmal, weil ich es schon einmal gemacht habe, um dies zu machen |
| Tisch in erster Linie. |
| Finden Sie Poisson. Das ist mein Poisson-Parameter. Teilen Sie das durch die |
| Modellanpassung. |
| Das sollte eigentlich funktionieren. |
| Ich bin nicht sicher, was hier los ist. |
| Okay, die Regel lautet, Demos nie live zu machen, aber in der Vergangenheit hat das immer funktioniert, und ich bin mir nicht wirklich sicher, was hier los ist. |
| Da ist mein Poisson-Parameter. |
| Hier ist meine Vorhersageformel. |
| Oh. Man sollte nie versuchen, etwas durch |
| selbst. Deshalb hat es nicht funktioniert. |
| Jetzt ist es stur. |
| Okay. |
| Manchmal sind subtile Dinge wichtig. Hier ist also die normalisierte Poisson-Verteilung. |
| Und das Interessante daran ist, dass |
| das passt. |
| Und an den verfügbaren Flaschen sieht man, dass die Johnson SL am besten passt und einen ziemlich guten Job macht. |
| Und Sie können auch |
| Passen Sie Y an X an. |
| Nehmen Sie diese Ausgabe |
| und passend zum Anforderungskontext. |
| Und holen Sie sich dieses Oneway-Grundstück. |
| 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 sich diejenigen ansehen, 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, können Sie feststellen, dass es keinen Hinweis auf ungleiche Varianzen gibt. |
| Das ist kein Beweis dafür, dass dies nicht der Fall ist, aber es ist eine Möglichkeit auszudrücken, dass die Verwendung eines Modells sinnvoll ist, bei dem man von der gleichen Verteilung ausgegangen ist. |
| Also. |
| Zurück hierzu. |
| 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 nichts, aber sie geben einen Hinweis darauf, dass es sinnvoll ist, diese lediglich als aus derselben Verteilung stammend zu behandeln. |
| Und hier ist nur die vergrößerte Version für die eine kleinere Teilmenge von vorhin, aber Sie können sehen, dass dies plausibel ist; es ist kein Beweis, aber es ist plausibel. |
| Und mit dem Anpassungstest |
| Auch hier scheint es vernünftig, |
| Das Johnson SL ist hier ein sinnvolles Modell zur Beschreibung der Poisson-Parameterverteilung, der normalisierten Poisson-Parameterverteilung, für diesen Datensatz. |
| Dasselbe kann für die Gamma-Poisson-Verteilung und diese Teilmenge an Daten sowie für den Lambda-Parameter gemacht werden, der der entsprechende Parameter ist. |
| Und wieder einmal hat das geklappt. |
| Zur Berechnung des Sigma-Parameters verwende ich eigentlich Sigma minus eins, da Sigma auf einer Basislinie von eins liegt. |
| Und das Modell hier ist sogar noch minderer Qualität, wenn man so will, aber es ist notwendig, |
| separater Modellierungsschritt, da Lambda mit Sigma korreliert und Sie daher in der Lage sein möchten, diesen Effekt darin zu modellieren. |
| Auch hier erhalten Sie eine gute Passform. |
| In diesem Fall ist es der Johnson Su. |
| Und so läuft es ab: Wir generieren synthetische Zufallsverteilungsparameter. |
| Generieren Sie aus einer Datenteilmenge ein kontextbasiertes lineares Modell. |
| Normalisieren Sie eine Parameterverteilung und passen Sie sie an ein allgemeines parametrisches kontinuierliches Modell an. |
| Und um dann den synthetischen Parameter zu generieren, nehmen Sie eine Zufallszahl aus der normalisierten Parameterverteilung und multiplizieren diese mit dem entsprechenden linearen Modellergebnis, das heißt, Sie „denormalisieren“ es. |
| Bei der Auswertung der synthetischen Zufallsmodellparameter habe ich wieder den KS-Test verwendet. Wie man sieht, gibt es keine Möglichkeit, sie wirklich auseinanderzuhalten. Zumindest ist es also eine Möglichkeit zu sagen, dass es glaubwürdig aussieht. |
| im Vergleich zu den tatsächlichen Fällen. |
| Und ich habe auch ein zusammengesetztes Modell erstellt. |
| Habe das in eine Funktion umgewandelt, so dass es eine aufrufbare Funktion sein kann, die dann, und das ist in JSL, eine aufrufbare Funktion in der JMP Scripting Language wäre |
| zum Generieren von Parametern für zufällige Stellenausschreibungen mit dem Kontext als Eingabe, allen verschiedenen Kontextfunktionen. |
| Ich werde jetzt nicht ins Detail gehen, 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 normalerweise in dieser Heatmap befinden, sondern auch |
| eine Art Vorstellung von den Ausreißern: Was ist ein plausibler Ausreißer und wie weit geht er wirklich. |
| Und wenn Sie eine Korrelation durchführen, können Sie auch sehen, dass die Korrelation zwischen Lambda und Sigma |
| und zwischen synthetischem Lambda und synthetischem Sigma sind sie nahezu identisch. |
| Es modelliert diese Beziehung relativ genau. |
| Und wenn man sich das Ganze dann mit den realen Daten ansieht, |
| Das sind kleine schwarze Punkte im Hauptdiagramm. |
| 98 Prozent der synthetischen Dichte liegen im rötlichen Bereich, der durch die Schraffur angezeigt wird. Dabei handelt es sich um das mittlere Einschubbild mit einem grünen Quadrat darum. |
| Alle Datenpunkte, von denen es 43 gibt, |
| dort fallen. |
| Und so. |
| Auch hier handelt es sich um eine synthetische Simulation, die recht gut nachbildet, was tatsächlich passiert. Das ist glaubwürdig, zeigt aber, was in den anderen paar Prozent der Fälle passieren könnte. |
| So weit bin ich mit der Modellierung gekommen, aber was Sie sehen können, ist, dass Sie den Kontext verwenden können; Sie können andere Variablen verwenden, wie zum Beispiel, wie viel |
| Die Formulierungen in den Stellenausschreibungen sind so spezifisch, dass weniger Bewerber qualifiziert sind, was möglicherweise einige Leute abschreckt. |
| Sie können sich ansehen, wie die Sprache gestaltet wird. Heutzutage verwenden die Leute in der Personalabteilung Tools, um eine Sprache zu entwickeln, die akzeptabler ist. Sie können sehen, wie viel Unterschied das im Hinblick darauf macht, was Sie im Laufe der Zeit und bei mehreren Stellenausschreibungen bekommen. |
| Sie könnten diese als Faktoren für das Modell behandeln und dann anhand dieser Faktoren anpassen, wie Sie |
| Nutzen Sie diese Funktionen beim Erstellen von Anforderungen, je nachdem, was Sie benötigen. |
| Aber jetzt wechsle ich zu: „Okay, wie sieht das nochmal aus?“ Auch hier gilt das Grundprinzip: Bei einem Poisson-Fall mit sieben pro Woche wird die Zahl in 30 % der Fälle fünf oder weniger betragen. |
| Sie sollten also davon ausgehen, dass die Anzahl der Anwendungen |
| Die erforderliche Zeit, um eine einigermaßen wettbewerbsfähige Auswahl für die Einstellung zu erhalten, wird variieren, denn selbst bei einem Durchschnitt von sieben wird die Anzahl, die Sie erhalten, ziemlich stark schwanken. |
| Die Varianz der Poisson-Verteilung ist identisch mit dem Parameter, sodass Sie eine breite Variation erhalten. |
| Wenn Sie also daran gewöhnt sind, in langfristigen Durchschnittswerten zu denken, |
| oder durch einen anderen Fall verankert sind, könnten Sie durch jede konkrete Instanz aus dem Konzept gebracht werden. |
| Und das Problem ist diese Mustererkennungsverzerrung. |
| Bei der Cluster-Illusion handelt es sich um die Tendenz, die unvermeidlichen Streifen oder Cluster, die in kleinen Stichproben auftreten, als Hinweis darauf zu betrachten, dass ein nicht zufälliger Effekt vorliegt und eine Art Absicht dahinter steckt. |
| Und es ist offensichtlich irrelevant für Poisson-verteilte Daten, wie RD Clarke 1946 bei seiner Analyse der deutschen V-Bombe herausfand. |
| Standorte im Großraum London. |
| Die Leute sahen, dass die Gruppierungen auftraten, und dachten, das hätte eine Bedeutung. Er konnte jedoch zeigen, dass dies ziemlich gut erfüllt war, indem er den Prozess als Poisson-Verteilung betrachtete. |
| verteilt, was bedeutet, dass Sie trotzdem manchmal Cluster erhalten, und sicherlich ungefähr so oft, wie Sie gesehen haben. |
| Das heißt also, dass sie nicht auf irgendetwas Bestimmtes zielten, sondern dass sie allgemein auf London zielten und im Allgemeinen irgendwo in London einschlugen. |
| Wenn wir uns hier die Jobs ansehen, liegt die Wahrscheinlichkeit, über einen Zeitraum von drei Wochen eine Abfolge mit einer abnehmenden oder zunehmenden Anzahl zu erhalten, bei etwa 12 %. |
| In diesem Beispiel liegt die Wahrscheinlichkeit für einen sinkenden Zwei-Wochen-Zähler, also dafür, dass einer der Werte größer ist als der andere, bei 45 %. |
| Dies sind wirklich kurze Muster; man sollte nicht denken, dass sie irgendeine Bedeutung haben, aber Leute, die sich der Natur der Statistiken nicht bewusst sind, können sie so sehen. Darum geht es hier wirklich. Und das kann zu Überreaktionen führen. |
| Die Variabilität je nach Praxisbereich beträgt etwa eine Größenordnung. |
| Für manche Bereiche ist die Beschaffung schwieriger als für andere. Wenn sich die Leute dieser Unterschiede nicht bewusst sind, können ihre Erwartungen also verzerrt sein. |
| Und wenn man sich die Ausschreibungen allgemein ansieht, nicht nur nach Fachgebiet, sieht man einen Unterschied von etwa einem Faktor 25 in den 95% |
| reichen von 2,5 Prozent bis zu 97,5 Prozent. Es ist immer noch eine große Variabilität |
| in den Preisen. |
| Und wenn man dann versteht, wie dies davon beeinflusst wird, wie die Sprache des Beitrags formuliert ist, wie eng, wie allgemein, |
| was die Sprache anzieht, Werbung für all diese Faktoren, |
| dann können Sie entscheiden, wie viel |
| Sie möchten diese Tarife erhöhen und den Prozess beschleunigen. |
| Hier ist ein Fall für eine bestimmte Stellenausschreibung unter Verwendung des Simulationsmodells, über das ich vorhin gesprochen habe. |
| Etablierter Fachmann an Standort A und im Fachgebiet 9. Auch hier handelt es sich um vertrauliche Informationen, daher wird nicht bekannt gegeben, was das ist. Es handelt sich lediglich um einen bestimmten Fachmanntyp. |
| Diesen großen Unterschied erkennen Sie an |
| über die 95%-Konfidenz hinweg irgendwo zwischen null und neun mit einem Median von zwei. |
| Das kann die Leute verwirren. Diese kleinen Zahlen in der Statistik können die Leute verwirren, weil sie erwarten, dass die Dinge regelmäßiger ablaufen. |
| Das Modell und der Ansatz haben ihre Grenzen. |
| Es kommt immer auf die Daten und ihre Qualität an. Wenn die Daten über einen kurzen Zeitraum erfasst werden, fehlen höchstwahrscheinlich selten besetzte Bereiche mit seltenen Fähigkeiten im Datensatz. |
| Aber andererseits gibt es viele externe Variablen, über die Sie keine Kontrolle haben. |
| Vielleicht |
| während des Zeitraums der Datenerfassung ändern, wenn Sie einen langen Zeitraum als Grundlage für diese Analysen verwenden. |
| Und der Modellierungsansatz berücksichtigt keine Selbstkannibalisierung. Wenn Sie in einem Bereich zwei Stellenausschreibungen offen haben und sich die Bewerber auf beide bewerben oder sich für eine entscheiden, wählen sie vielleicht in manchen Fällen die Stelle aus, die ihnen die besten Chancen bietet. |
| Dieses Modell leistet diesbezüglich nichts, sondern stellt das Ergebnis in der realen Welt dar, indem es einfach erfasst, was passiert. |
| Dies stellt allerdings nicht das Ausmaß der verpassten Gelegenheit dar, denn Sie würden wahrscheinlich von ihnen erwarten, dass sie sich auf alle Stellen bewerben, für die sie qualifiziert sein könnten, nur um zu sehen, wo sie hineinpassen könnten. |
| Also Schlussfolgerungen. Einige Antworten auf Stellenausschreibungen neigen dazu, Poisson- oder Gamma-Poisson-verteilt zu sein. |
| Und dies wurde anhand eines großen Datensatzes überprüft, der aus insgesamt etwa 2.500 Anforderungsformularen bestand. |
| Die Verteilungsparameter für die Anwendungsantwort variieren erheblich. |
| Wenn normalisiert |
| Sie können an gängige Profile angepasst werden. |
| Und die 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 auf |
| Wahrscheinlichkeiten |
| über verschiedene Umstände. |
| Ich denke, es ist wichtig zu erwähnen, dass Bewerbungsankunftsmodelle eine wichtige Lücke beim Verständnis des gesamten Mitarbeiterlebenszyklus schließen können, da sie Einstellungsmanagern und Personalfachleuten eine Perspektive hinsichtlich dieser Musterverzerrungen bieten. |
| Sie können in ereignisdiskreten oder agentenbasierten Modellen zur Bewerbergenerierung eingesetzt werden, wenn Sie dies auf realistische Weise tun möchten. |
| Und |
| vielleicht am wichtigsten, aus wirtschaftlicher Sicht, |
| Auf diese Weise werden die Kosten pro Bewerber den Merkmalen der Stelle und verschiedenen anderen anpassbaren und außerhalb der Kontrolle des Bewerbers liegenden externen Faktoren gegenübergestellt. |
| Das würde dann ein besseres Verständnis davon geben, was zu erwarten ist, in Bezug darauf, wie schnell Stellen besetzt werden können, wie schnell offene Stellen besetzt werden können und wie viel das kosten würde. |
| abhängig von den Beziehungen zur Werbung usw. |
| Damit schließe ich ab, was ich heute vortragen wollte, und |
| ich möchte nur sagen, dass Sie bei Fragen die Kontaktinformationen von diesem haben sollten |
| Video oder wo es platziert ist, und zögern Sie nicht, uns zu kontaktieren. |
| Christy Spanien | Okay, das war großartig. |
| ja, außer dem Teil, wo mein Ding nicht funktioniert hat, weil ich die DEMO vermasselt habe. |
| Aber das war gut und sicher, es war eine gute RETTUNG. Mir wurde endlich klar, was ich tat. |
| ja, JMP macht keine dummen Sachen, egal wie sehr Sie es wollen. |
