لایب سان

HR metrics and organizational people-related data are an invaluable source of information from which to identify trends and patterns in order to make effective business decisions. But HR practitioners often lack the statistical and analytical know-how to fully harness the potential of this data. Predictive HR Analytics provides a clear, accessible framework for understanding and working with people analytics and advanced statistical techniques. Using the statistical package SPSS (with R syntax included), it takes readers step by step through worked examples, showing them how to carry out and interpret analyses of HR data in areas such as employee engagement, performance and turnover. Readers are shown how to use the results
to enable them to develop effective evidence-based HR strategies.

This second edition has been updated to include the latest material on machine learning, biased algorithms, data protection and GDPR considerations, a new example using survival analyses, and up-to-the-minute screenshots and examples with SPSS version 25. It is supported by a new appendix showing main R coding, and online resources consisting of SPSS and Excel data sets and R syntax with worked case study examples.

چکیده فارسی

سنجش‌های منابع انسانی و داده‌های مرتبط با افراد سازمانی منبع ارزشمندی از اطلاعات هستند که از طریق آن می‌توان روندها و الگوها را برای تصمیم‌گیری مؤثر در کسب‌وکار شناسایی کرد. اما متخصصان منابع انسانی اغلب فاقد دانش آماری و تحلیلی برای استفاده کامل از پتانسیل این داده ها هستند. Predictive HR Analytics یک چارچوب واضح و قابل دسترس برای درک و کار با تجزیه و تحلیل افراد و تکنیک های آماری پیشرفته ارائه می دهد. با استفاده از بسته آماری SPSS (با ترکیب دستور R)، خوانندگان را گام به گام در نمونه های کار شده می برد و به آنها نشان می دهد که چگونه تجزیه و تحلیل داده های منابع انسانی را در زمینه هایی مانند مشارکت کارکنان، عملکرد و جابجایی کار انجام دهند و تفسیر کنند. نحوه استفاده از نتایج به خوانندگان نشان داده شده است
تا آنها را قادر سازد تا راهبردهای منابع انسانی مؤثر مبتنی بر شواهد را توسعه دهند.

این نسخه دوم به‌روزرسانی شده است تا شامل جدیدترین مطالب در مورد یادگیری ماشین، الگوریتم‌های جانبدارانه، حفاظت از داده‌ها و ملاحظات GDPR، نمونه‌ای جدید با استفاده از تجزیه و تحلیل بقا، و اسکرین‌شات‌ها و نمونه‌های به روز با SPSS نسخه 25 باشد. این توسط یک ضمیمه جدید پشتیبانی می‌شود که کدگذاری اصلی R و منابع آنلاین متشکل از مجموعه داده‌های SPSS و Excel و نحو R با نمونه‌های مطالعه موردی کار شده را نشان می‌دهد.