Инструмент отсева неэффективных работников на этапе подбора: дерево решения
Решил показать новый для нашего рынка инструмент принятия решения на основе данных кейса Кейс: отсев неэффективных работников на этапе подбора.
Напомню, мы протестировали кандидатов на входе, они в дальнейшем показали определенные результаты, что позволило разделить их на 1 — неэффективных (или тех, кого не стоило бы брать в компанию) и 2) всех остальных или тех, кого можно принимать.
В предыдущем посте я показал возможности логистической регрессии. Мы выявили две шкалы — Sp и Do, которые позволяют отличать неэффективных от всех остальных.
Главный недостаток логистической регрессии — интуитивно непонятные результаты, диаграмму ROC не предъявишь совету директоров.
Визуализируем взаимосвязь тестов и показателей эффективности.
На этой диаграмме
- шкала X — показатели кандидатов по шкале Sp теста CPI,
- шкала Y — данные шкалы Do теста CPI;
- зеленые пирамидки — неэффективные работники,
- красные точки — работники, качество работы, которое устраивает работодателя.
График сам подсказывает решение, верно? Прям так и просится провести границу по линии 50 Sp. Посмотрим, что нам скажет инструмент Trees.
Обращаю ваше внимание, что это не человек рисует данное дерево, а машинка (программа R или она же Rstudio). Для спецов в области статистики сообщаю, что я здесь не рассматриваю проблемы оверфитинга и т.п., моя задача — показать инструмент. Инструмент нам предлагает следующую инструкцию принятия решения по кандидату:
если показатели кандидата по шкале Sp больше или равно 50, значит берем на работу
если меньше 50, смотрим шкалу Do.
если Do больше или равно 54, берем кандидата, если меньше, отклоняем кандидатуру.
Источник : edwvb.blogspot.com
