#прогнозирование ⚡️Бально-факторный метод прогнозирования самый базовый способ "прогнозирования" какого-то события, например, увольнения. Тезис беру в кавычки потому, что это, конечно, не прогнозирование, а просто способ по ряду характеристик определить субъективную возможность. Но, если нет других инструментов, это лучше чем ничего. 🔹 Алгоритм: 1. Определяем список факторов (например: низкая ЗП, смена руководителя), который повышает риск увольнения. Факторы определяются экспертно. 2. Оцениваем по факторам сотрудников (1 - есть, 0 - нет) 3. Считаем сумму баллов. 4. Определяем балл, после которого считаем, что риск есть и нужно реагировать (в примере >=3). определяем опять же экспертно. Базовый вариант: просто сумма баллов Расширенный вариант: каждой хар-ке присваиваем вес. Вес зависит от того, насколько, по вашему мнению, тот или иной фактор влияет на событие Итоговый балл: ∑ (балл * вес)

#прогнозирование ⚡️ Метод Делфи (Delphi method) — это метод экспертного прогнозирования, основанный на последовательном опросе группы экспертов с целью получения согласованного мнения по определённому вопросу. Можно применять для прогнозирования новых СП, численности, драйверов роста и пр. 🔹 Как это работает на практике? 1. Формируется группа экспертов, обладающих необходимыми знаниями и опытом в исследуемой области. 2. Эксперты независимо друг от друга отвечают на вопросы. Как правило, опрос проводится анонимно, чтобы снизить влияние авторитетов и мнения наиболее активных участников. 3. Ответы обобщаются, после чего экспертам предоставляют результаты опроса и предлагают повторно оценить свои первоначальные суждения с учётом общей картины. 4. Процедура повторяется в несколько раундов, пока мнения не сблизятся до приемлемого уровня или не будет достигнута необходимая устойчивость оценок. На выходе мы получаем экспертный прогноз, основанный на нескольких итерациях сбора и анализа мнений.

#методы #визуализация #ONA ч.1 ч.2. ч.3 ⚡️ Четвертый этап: Когда данные собраны, база подготовлена - переходим к написанию кода. Сам код довольно длинный и поместить его сюда невозможно, поэтому прикладываю ссылку на репозиторий. по ссылке можно найти код и файл с комментариями к нему (readme.md). Файл дает понимание структуры БД, структуры кода и библиотек. Выгружает 5 графиков по ролям, т.е. дает график взаимодействия по всем ролям по отдельности. Это важно для последующей интерпретации. Читается график следующим образом: те сотрудники, которые находятся ближе к центру, имеют бОльшие круги и заголовки - имеют большее количество связей (в зависимости от роли) в коллективе. 🔹 Обозначения: Узел - сотрудник. Стрелка - направление выбора: от респондента к коллеге. Цвет линии в общем графе - тип связи. Размер узла - число входящих выборов. Возможно чуть позже оформлю это в нормальную статью и поделюсь ссылкой на хабре.