Как предсказать увольнение работника по результатам электронного курса
.Представляете идею: человек у нас проходит электронный он лайн курс, что то делает, а мы по результатам курса говорим: это уволится, а этот... попозже уволится...
Ну вот мы приближаемся к этой фантастике.
Аналитика в дистанционном обучении (кейс для работы)
Напомню: в кейсе есть данные оценок удовлетворенности электронным курсом, и есть стаж работы в компании работника.
Сразу результаты
Непараметрическая регрессия показывает значимые различия между "отличниками" (кто ставил "5" за курс) и "хорошистами", "отличниками" и "троечниками" (для спецов сообщаю, что использовал непараметрическую регрессию, учитывая также стаж тех, кто не уволился).
Грустно, что R^2 = 0, 001, но он значим
Посмотрите на статистики
$`3`
Min. 1st Qu. Median Mean 3rd Qu. Max.
6.0 114.8 258.0 425.8 561.0 3570.0
$`4`
Min. 1st Qu. Median Mean 3rd Qu. Max.
2.0 101.0 241.0 402.7 525.0 4513.0
$`5`
Min. 1st Qu. Median Mean 3rd Qu. Max.
1.0 101.0 224.0 368.7 496.0 4743.0
Шибздануться, правда? Те, кто оценивают курс на "4" или "3" работают в компании значимо дольше.
Но обращаю Ваше внимание: данные "грязные", много bullshit, непонятен инициатор увольнения, поэтому еще много вопросов к выводам.
ПыСы. Для критиков сообщаю специально: это не проблема анализа, это проблема сбора данных
Ну вот мы приближаемся к этой фантастике.
Аналитика в дистанционном обучении (кейс для работы)
Напомню: в кейсе есть данные оценок удовлетворенности электронным курсом, и есть стаж работы в компании работника.
Сразу результаты
Непараметрическая регрессия показывает значимые различия между "отличниками" (кто ставил "5" за курс) и "хорошистами", "отличниками" и "троечниками" (для спецов сообщаю, что использовал непараметрическую регрессию, учитывая также стаж тех, кто не уволился).
Грустно, что R^2 = 0, 001, но он значим
Посмотрите на статистики
$`3`
Min. 1st Qu. Median Mean 3rd Qu. Max.
6.0 114.8 258.0 425.8 561.0 3570.0
$`4`
Min. 1st Qu. Median Mean 3rd Qu. Max.
2.0 101.0 241.0 402.7 525.0 4513.0
$`5`
Min. 1st Qu. Median Mean 3rd Qu. Max.
1.0 101.0 224.0 368.7 496.0 4743.0
Шибздануться, правда? Те, кто оценивают курс на "4" или "3" работают в компании значимо дольше.
Но обращаю Ваше внимание: данные "грязные", много bullshit, непонятен инициатор увольнения, поэтому еще много вопросов к выводам.
ПыСы. Для критиков сообщаю специально: это не проблема анализа, это проблема сбора данных