Данный портрет состоит из ответов экспертов – HR_аналитиков разных компаний (список в конце). Эксперты отвечали на следующие вопросы:
- Под какие задачи нанимаете
- Какие вопросы, тесты дадите на собеседовании
- Какими навыками должен обладать (от знания языков до софт скилс, если они нужны)
Данный документ предназначен в первую очередь для самих начинающих HR-аналитиков: это очень хорошие ориентиры, чему учиться, в каком направлении развиваться, к каким задачам готовиться.
Данный потрет может показаться солянкой, но я решил дать все без редактирования – вот как есть, но в конце каждого блока краткое резюме. Итак,
Под какие задачи нанимаете
- выстраивание дашбордов в power bi — подготовка данных к отчетности — реализация микро-задач по автоматизации процессов в рекрутменте
- На проектные задачи (добыча данных( не всё в системе), и нахождение минимальных затрат, и определение сменности работы для разных рабочих мест, и численность, необходимая для выполнения объёмов и логистика доставки, взаимосвязь процессов H’R , автоматизация сбора данных)
- Помощь в подготовке выгрузок, поиск ошибок в отчетах, отслеживание качества и оперативности обновлений, подготовка ответов операционной службе, включение в проекты и исследования (для выполнения простых и понятных задач).
- бизнес анализ, анализ данных, подготовка данных, моделирование, оценка решения, внедрение решения
Резюме: основная часть задач – выгрузка и подготовка данных (включая «чистку») + создание отчетов и дашбордов. Но это, безусловно, не все.
Какие вопросы, тесты дадите на собеседовании
- упражнение на Python / SQL — максимально примитивное, чтобы посмотреть, справится или нет тест на тип личности какой-нибудь, чтобы получше узнать человека
- дам задачку в Power Qwery и попрошу решить, как минимум двумя разными способами. Обязательно задам вопрос: чего хочется в жизни (правильного ответа нет, разумеется).
- Тест по общей теории статистики б. Тест на понимание основных экономических показателей в. Практическое задание по SQL г. Даю несколько hr-метрик. Ему необходимо через призму розничного (операционного) блока донести информацию о необходимости включения розницы в налаживание процессов.
- приведите 3 примера когда показатели/цели бизнеса вступают в конфликт друг с другом; какие знаете аномалии в данных; самое интересное решение, которое применили. Какие встречали ошибки при подготовке данных; какие знаете методы проверки статистических гипотез, какие использовали для каких задач; как мы можем понять что аналитическое решение добавило ценность; приведите пример аналитического решения, как это работает, кто и какие решения принимает, в чем преимущество такого подхода
Резюме: знание инструментов, знание статистики, понимание бизнеса и HR ну и личностные качества)
Какими навыками должен обладать (от знания языков до софт скилс, если они нужны)
- желание развиваться с сфере HR аналитики — аналитический склад ума — опыт работы в анализе данных и / или HR — базовый и выше уровень Excel, знания / понимание принципов работы Python SQL, R, Power BI, Tableau
- Уверенный навык программирования (язык не важен), образование СТРОГО техническое. Экстраверт, который, поднимаясь по лестнице, считает ступеньки. Опыт работы не имеет значения.
- Знание SQL (начальные, среднепродивнутый уровень) б. Знание методов анализа данных: от парных критериев до построения моделей нелинейной регрессии в. Знание экономических показателей и их взаимосвязей г. Знание hr-метрик д. Умение донесения результатов исследований простым и понятным бизнесу языком е. Знание одной из BI-систем: в приоритете PowerBI ж. Начальные знания R: желательно з. Умение общаться с людьми, отсутствие привычки общения с позиции сверху. Умение налаживания связей и поддержания партнерской позиции.
- формулировать проблему, формулировать гипотезы, проектирование исследования, чтение финансовой отчётности и научных статей исследований; проведение разведывательного анализа; виды данных, шкалы, работа с пропущенными значениями, распределения; применение методов проверки статистических гипотез, применение методов проверки статистических гипотез, установления уровня значимости; описание результатов, понимание потерь в процессах, определение ценность/стоимость процессов; проектное управление, описание структуры данных, описание архитектуры данных, процессный менеджмент. Цепочка болей, платформы открытых данных, excel, phyton, r, word, powerpoint, trello, visio, mindmap, word, SQL.
Резюме: Здесь по сути повторение второго блока. SQL, R, Power BI, Python, Tableau + статистика + знание HR процессов (hr-метрики) + понимание бизнеса + soft skills (презентация результатов, навыки переговоров). Про техническое образование — это не приговор, это мнение одного из экспертов.
Эксперты (с указанием профиля в телеграм)
Источник: dzen.ru
Русские Блоги
Данные в ежедневных проектах — это основные данные, генерируемые бизнес-функциями, и они не подходят для прямого анализа данных.
Отличительной чертой этих базовых данных является низкая стоимость приобретения, но перед анализом и применением могут быть ошибки, поэтому их необходимо очистить и преобразовать.
Принцип и принципиальная схема CRISP-DM
【 Crisp-dm — это процесс исследования методом проб и ошибок]
Используйте данные и визуализацию для частого просмотра данных, бизнес-моделей и знаний, а затем используйте более формальные статистические методы и данные для описания приобретенных вами шаблонов знаний.
Принципиальная схема анализа CRISP-DM:
1. Понять потребности бизнеса
[Бизнес-потребности определяют направление анализа] Четкие бизнес-потребности и цели анализа
Будьте ясны, что вы делаете, почему вы делаете
1.1 Определите бизнес-цели
1.2 Ситуация оценки [Очистить источник данных] [Требования, ограничения и риски]
2. Понимание данных [понимание бизнеса, изучение концепций индекса и факторов, влияющих на бизнес-требования]
Уточните, какие данные необходимы, и четко определите данные [формат и сценарий]
2.1. Сбор исходных данных. Через [список данных в ресурсах проекта] уточните [расположение данных и метод получения данных]
2.2. Описание данных Очистить [характеристики поверхности данных, формат и качество данных] В полной мере использовать словарь данных
2.3. Изучение данных. Сосредоточьтесь на [общей тенденции данных и особом подмножестве]
2.4. Проверка качества данных. Проверка содержания [Все данные, правильные или нет, есть ли данные с шумом или аномальные значения] и т. д.
Методы: [Через словарь данных, размещение данных в соответствии с бизнес-требованиями, дополнительные наборы данных, построение данных (причины, методы и правила), использование визуализации для исследования данных, оценки качества данных]
[Выбор методов анализа, форматирование данных и анализ на основе выбранных данных и потребностей бизнеса]
3. Подготовка данных [Форматы бизнес-данных и аналитических данных отличаются, и их необходимо преобразовать]
3.1 Выбор данных [с учетом таких факторов, как соответствие бизнес-требованиям, качество данных и технические ограничения]
3.2 Очистка данных [Повышение качества данных с помощью таких методов, как выбор и замена]
3.3 Создание данных [Создание производных атрибутов]
3.4 Интеграция данных [Объединение данных из одного источника и объединение данных из разных источников]
3.5 Форматирование данных [Форматирование данных в соответствии с требованиями бизнеса]
4 Модульный [Выберите технологию анализа, чтобы разбить план анализа данных на модули]
4.1 Выбор технологии моделирования [Некоторые модели алгоритмов используются на этапе понимания бизнеса]
4.2 Создание дизайна теста 【Разделение данных тестирования и данных обучения, определение параметров проверки результатов модели】
4.3 Создание модели [Список параметров и выбранных значений, оценка модели]
5 Оценка [ Оцените результаты с точки зрения бизнеса]
5.1 Оцените результаты с точки зрения бизнеса
5.2 Процесс проверки [Игнорируются ли какие-либо важные факторы?]
5.3. Определите следующий шаг [убедитесь, что это выполнимо, а затем разверните и внедрите]
6 Развертывание [Реализуйте применение анализа данных в бизнесе]
6.1 Реализация плана [Определите, как использовать результаты анализа и интеллектуального анализа данных для достижения целей бизнеса]
6.2 Мониторинг и ведение плана [План анализа данных и его реализации применяется к бизнес-системе, а данные и результаты отправляются обратно]
6.3 Заключительный отчет
6.4 Обзор обзора проекта
Результаты работы, выданные в процессе:
[Контент опубликован] [Проанализировать интеллектуальную карту проблемы, уточнить основу и цели проекта (понимание бизнеса и уточнение индикаторов), выполнить анализ данных в соответствии со словарем данных, сводный отчет об исследовании данных, план анализа (определение и реализация индикаторов, таких как измерения и метрики), и, наконец, Отчет о проверке, реализация бизнеса]
Источник: russianblogs.com
