\nDomeniul HR a \u00eenceput s\u0103 recupereze rapid teren, astfel \u00eenc\u00e2t \u00een prezent exist\u0103 un num\u0103r mare de aplica\u0163ii de prelucrare a datelor, iar firmele experimenteaz\u0103 din ce \u00een ce mai mult cu recruiteri robo\u0163i (prin mesageria Facebook) sau cu scanarea \u201eautomatizat\u0103\u201d a profilurilor de candida\u0163i. Cu toate acestea, am constatat adesea c\u0103 mul\u0163i dintre oamenii de HR au anumite lacune \u00een ceea ce prive\u015fte principiile de baz\u0103 ale cercet\u0103rii cantitative. Una dintre acestea prive\u015fte modul \u00een care se gestioneaz\u0103 factorul de incertitudine a datelor colectate, \u00een acest domeniu al resurselor umane. De pild\u0103, managerii opereaz\u0103 deseori cu date ob\u0163inute de la un anumit e\u015fantion \u015fi nu de la popula\u0163ie \u00een \u00eentregul ei, dar le trateaz\u0103 ca \u015fi cum ar fi reprezentative pentru toat\u0103 popula\u0163ia. A trece cu vederea acest detaliu poate s\u0103 conduc\u0103 la decizii eronate \u015fi la gre\u015feli costisitoare.<\/p>\n
\nIncertitudinea e\u015fantioanelor:<\/p>\n
\nDe obicei, managerii departamentelor de HR sunt interesa\u0163i s\u0103 aib\u0103 date despre \u00eentreaga lor organiza\u0163ie, despre toate echipele de proiect ale firmei, despre angaja\u0163i, expa\u0163i etc. Totu\u015fi, oric\u00e2t am vrea s\u0103 ob\u0163inem toate aceste date, colectarea lor poate fi extrem de costisitoare, at\u00e2t ca bani, c\u00e2t \u015fi ca timp. A\u015fadar, pentru a evita acest lucru, managerilor de HR le este cerut\u0103 adesea colectarea datelor doar de la un subgrup din cadrul acestor grupuri (ceea ce reprezint\u0103 un e\u015fantion). E\u015fantionarea \u00eenseamn\u0103 s\u0103 nu te folose\u015fti de toat\u0103 informa\u0163ia pe care o ai la dispozi\u0163ie.<\/p>\n
\nAbordarea dominant\u0103 este realizarea unei analize statistice pe baza datelor disponibile de la un e\u015fantion \u015fi utilizarea rezultatelor ca estim\u0103ri aplicabile \u00eentregii popula\u0163ii. De exemplu, s\u0103 presupunem c\u0103 o firm\u0103 are 300 de expa\u0163i \u015fi a colectat date de la un e\u015fantion de 100 dintre ace\u015ftia. Anul acesta, nivelul mediu de satisfac\u0163ie al celor 100 de angaja\u0163i cu privire la cursurile de preg\u0103tire pentru expa\u0163i ale firmei este de 3,8, pe o scar\u0103 valoric\u0103 de la 1 p\u00e2n\u0103 la 5 (5 \u00eensemn\u00e2nd \u201efoarte satisf\u0103cut\u201d, 1 \u00eensemn\u00e2nd \u201efoarte nesatisf\u0103cut\u201d). \u00cen ultimii doi ani, c\u00e2nd firma a verificat acela\u015fi lucru \u015fi a colectat date de la to\u0163i expa\u0163ii, scorul mediu de satisfac\u0163ie a fost de 4,2 \u00een ambii ani. Managerul de HR ar putea concluziona c\u0103 trebuie s\u0103 schimbe structura cursurilor, deoarece statisticile sunt negative.<\/p>\n
\nA\u015fa arat\u0103 schema reprezentativ\u0103: <\/p>\n
Dar este aceast\u0103 interpretare corect\u0103?<\/p>\n
\nProblema acestei concluzii este c\u0103 se bazeaz\u0103 pe premisa c\u0103 scorul ob\u0163inut pe e\u015fantionul de 100 de persoane este acela\u015fi lucru cu scorul ob\u0163inut pe \u00eentregul grup, lucru care este incorect. Dac\u0103 datele erau colectate de la un subgrup diferit, scorul mediu de satisfac\u0163ie ar fi putut fi 3,5, 4,0 sau chiar 4,5, din simplul motiv c\u0103 managerul de HR a ales, din pur\u0103 \u00eent\u00e2mplare, expa\u0163i mai mult sau mai pu\u0163in mul\u0163umi\u0163i \u00een e\u015fantionul vizat. Prin urmare, avem un indicator al modului \u00een care to\u0163i cei 300 de expa\u0163i evalueaz\u0103 cursul de preg\u0103tire, dar este un rezultat bazat pe un e\u015fantion (care ne spune c\u0103 scorul mediu de satisfac\u0163ie este 3,8 anul acesta). A\u015fadar, exist\u0103 un anumit nivel de incertitudine \u00een leg\u0103tur\u0103 cu acest rezultat; ar putea la fel de bine s\u0103 fie unul diferit. Dac\u0103 managerii nu iau \u00een calcul factorul de incertitudine, s-ar putea ca ace\u015ftia s\u0103 suprainterpreteze sau s\u0103 subinterpreteze rezultatele.<\/p>\n
\nSpre exemplu, s\u0103 presupunem c\u0103 \u00een realitate to\u0163i cei 300 de manageri au un nivel de satisfac\u0163ie de 4,2, \u00een timp ce e\u015fantionul de 100 de persoane ne spune c\u0103 scorul este de 3,8, din cauza prezen\u0163ei unor indivizi nemul\u0163umi\u0163i \u00een cadrul e\u015fantionului. Putem trage concluzia c\u0103 aceste cursuri sunt \u00eenc\u0103 bune. Dar dac\u0103 to\u0163i managerii ar avea un nivel mediu de satisfac\u0163ie de 3,6 (iar e\u015fantionul nostru ar ar\u0103ta \u00eenc\u0103 scorul de 3,8), atunci ar trebui s\u0103 ne \u00eengrijor\u0103m c\u0103 ceva este \u00een neregul\u0103 cu programul de preg\u0103tire. A\u015fadar, dac\u0103 managerii presupun pur \u015fi simplu c\u0103 o statistic\u0103 de tipul unui scor mediu al unui e\u015fantion este acela\u015fi lucru cu scorul pentru popula\u0163ia total\u0103, ar putea s\u0103 gre\u015feasc\u0103. Aceste erori pot duce la subinterpretarea datelor (managerul nu ar trebui s\u0103 schimbe structura cursului deoarece nu exist\u0103 dovezi \u00een ceea ce prive\u015fte nemul\u0163umirea fa\u0163\u0103 de acesta) sau la supraintepretarea datelor (managerul ar trebui s\u0103 schimbe structura cursului, dar nu o face) \u2013 ambele decizii constituind gre\u015feli care consum\u0103 at\u00e2t bani, c\u00e2t \u015fi timp.<\/p>\n
\nSolu\u0163ia:<\/p>\n
\n\u00cen statistic\u0103, rezultatele ob\u0163inute \u00een urma colect\u0103rii datelor pe un e\u015fantion au denumirea de \u201eestimare punctual\u0103\u201d. O estimare punctual\u0103 propriu-zis\u0103 este un punct bun de plecare atunci c\u00e2nd ne g\u00e2ndim la \u00eentreaga popula\u0163ie, dar acest procedeu nu ofer\u0103 nicio siguran\u0163\u0103 \u015fi \u00een ceea ce prive\u015fte acurate\u0163ea datelor, deoarece nu ia \u00een considerare factorul de incertitudine. Vestea bun\u0103 este urm\u0103toarea: dac\u0103 e\u015fantionarea s-a f\u0103cut \u00een mod aleatoriu, statisticile ne pot oferi un indiciu cu privire la rata de eroare a analizei, ca urmare a provenien\u0163ei datelor de la un e\u015fantion mai mic dec\u00e2t num\u0103rul total al popula\u0163iei. Nu vom \u015fti niciodat\u0103 100% sigur care este valoarea corect\u0103 pentru \u00eentreaga popula\u0163ie (nivelul corect de satisfac\u0163ie al \u00eentregului grup) p\u00e2n\u0103 c\u00e2nd nu vom colecta date de la toate persoanele. Totu\u015fi, putem aborda problema folosind intervalele de \u00eencredere.<\/p>\n
\nIntervalele de \u00eencredere se mai numesc \u015fi \u201eestim\u0103ri prin intervale de \u00eencredere\u201d. Contrar estim\u0103rii punctuale, o estimare prin interval de \u00eencredere ofer\u0103 o gam\u0103 \u00eentreag\u0103 de estim\u0103ri poten\u0163iale ale popula\u0163iei, care pot fi adev\u0103rate. Pentru exemplul nostru de mai sus, \u00een loc s\u0103 presupunem c\u0103 scorul de 3,8 se aplic\u0103 \u015fi pentru subgrup, \u015fi pentru grup, ar trebui s\u0103 calcul\u0103m intervalul de \u00eencredere \u015fi s\u0103 ne baz\u0103m concluzia pe ideea c\u0103 putem fi 95% siguri c\u0103 nivelul mediu de satisfac\u0163ie al \u00eentregului grup se afl\u0103 undeva \u00eentre 3,6 \u015fi 4,0.<\/p>\n
\nIdeea \u00een leg\u0103tur\u0103 cu intervalul de \u00eencredere este c\u0103 rezultatele ob\u0163inute \u00een acest fel de pe urma datelor colectate pot fi foarte diferite: ne-am mutat de la o simpl\u0103 estimare punctual\u0103 (3,8) la o estimare prin interval de \u00eencredere (este foarte probabil ca nivelul mediu de satisfac\u0163ie al expa\u0163ilor s\u0103 se afle undeva \u00eentre 3,6 \u015fi 4,0), prin urmare, s-ar putea s\u0103 lu\u0103m o decizie diferit\u0103. \u00cen acest caz, diferen\u0163a dintre 4,2 \u015fi 4,0 nu este at\u00e2t de mare \u00eenc\u00e2t s\u0103 fie necesar\u0103 restructurarea cursului. <\/p>\n
\nA\u015fadar, dac\u0103 lu\u0103m \u00een considerare mai degrab\u0103 e\u015fantionarea aleatorie \u015fi estimarea prin intervale de \u00eencredere \u00een locul estim\u0103rii punctuale, admitem faptul c\u0103 datele estimative despre popula\u0163ie sunt, la un anumit nivel, incerte \u015fi astfel suntem mai bine preg\u0103ti\u0163i \u00een a evita deciziile nefavorabile, generatoare de costuri.<\/p>\n","protected":false},"excerpt":{"rendered":"
\u00cen ziua de azi, firmele \u00ee\u015fi bazeaz\u0103 din ce \u00een ce mai mult deciziile pe analiza de date. Acest trend se aplic\u0103, de asemenea, \u015fi domeniilor sau func\u0163iilor care, \u00een mod tradi\u0163ional, sunt mai pu\u0163in \u201ecantitative\u201d, precum resursele umane. <\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[510,529],"tags":[8225,16607,17365,9354,6561,8887,473,7981,15874,250,467,8252,12914,10595,32979,5823,10287,34820,18651,7177,80,7203,518,8327,15800,16766,425,7278],"class_list":["post-169086","post","type-post","status-publish","format-standard","hentry","category-actualitate","category-opinii","tag-analiza","tag-aplicare","tag-colectare","tag-decizii","tag-domeniilor","tag-estimare","tag-firma","tag-firme","tag-functii","tag-greseli","tag-grup","tag-hr","tag-incertitudine","tag-incredere","tag-interpretare","tag-manageri","tag-mediu","tag-neglijenta","tag-obtinere","tag-populatie","tag-refuz","tag-resurse-umane","tag-rezultate","tag-scadere","tag-scor","tag-simplificare","tag-statistica","tag-viena"],"_links":{"self":[{"href":"https:\/\/bm.dev.synology.me\/index.php?rest_route=\/wp\/v2\/posts\/169086","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/bm.dev.synology.me\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/bm.dev.synology.me\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/bm.dev.synology.me\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/bm.dev.synology.me\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=169086"}],"version-history":[{"count":0,"href":"https:\/\/bm.dev.synology.me\/index.php?rest_route=\/wp\/v2\/posts\/169086\/revisions"}],"wp:attachment":[{"href":"https:\/\/bm.dev.synology.me\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=169086"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/bm.dev.synology.me\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=169086"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/bm.dev.synology.me\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=169086"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}