- Опубликовано
Аномалии в данных.
- Автор
- Имя
- Красивая аналитика | HR | Tech
- Telegram
- Красивая аналитика | HR | Tech18345 подписчиков1219 постовАнализирую рынок [HR]: процессы, решения, системы, платформы, тренды, мнения, исследования, публикации, кейсы. Про людей на работе и в жизни РКН: https://vk.cc/cHknrk за сотрудничеством к @victoria_pi или https://telega.in/c/whrdata/?r=hC2dMj5r
Кратко
Аномалии в HR‑данных: причины, типы и методы выявления
Аномалии в данных.
Аномалии, или "выбросы" - это значительные отклонения от тренда.
🌺 Причины аномалий могут быть:
* ошибки в данных, и тогда надо искать причину и устранять ее в источнике данных.
* объективные внешние причины, и тогда это инсайты, которые нам очень интересны.
Далее тему поясняет мой коллега, hr-аналитик, Артемий Молоснов.
🌺 Аномалия может быть:
* в каком-то конкретном месте, или аномалия относительно контекста. Например, рост текучести сразу после выплаты годового бонуса.
* в нескольких показателях сразу – текучесть, отказы от офферов и зарплатные ожидания на конкретную позицию. Например, вышла какая-то негативная новость о нашей компании и брэнд работодателя резко пошел вниз.
🌺 Методы выявления (детектирования) аномалий могут быть:
* визуальные (осмотр ряда данных, графиков и диаграмм, условное форматирование)
* статистические (например, через стандартное отклонение, разницу между процентилями и т.п.)
* машинное обучение (метод DBSCAN и подобное)
