La mejor manera de aprender el conocimiento sobre el análisis de personas es por la experiencia de hacerlo para una empresa. Pero supongo que es un problema de huevo de gallina para ti.
Los problemas de ejemplo son muchos (un análisis de supervivencia para describir / predecir el riesgo de fuga para la retención es un problema básico). No es difícil encontrar ejemplos y ejercicios para practicar. El problema con ex resistencia frente a lo real son:
- Como todo en recursos humanos, los problemas reales que las empresas quieren investigar dependen del contexto y la situación. Por ejemplo: las estadísticas y los factores cambiarán entre las empresas como (incluso dentro del mismo mercado), la interferencia de causa-efecto y las conclusiones son diferentes para cada situación (es por eso que los departamentos de recursos humanos deben aprender a hacerlo, no solo comprar algún software). La narración de historias solo tiene sentido dentro del contexto político de los tomadores de decisiones. Ningún curso te enseñará eso.
- Es difícil encontrar fuentes de datos abiertas de situaciones del mundo real en línea. El análisis de personas tiene sentido principalmente en relación con el rendimiento empresarial, incluido el rendimiento financiero. A las empresas no les gusta partir con esa información. La mayoría de los datos que puede encontrar para practicar son generados o altamente desinfectados.
- Los mayores problemas en el análisis de personas no son solo el modelado y la ciencia de datos. La calidad de los datos tiende a ser un problema (fragmentación, sin una definición clara, diferentes significados en diferentes países o entre usuarios, etc.). Una cuestión clave (en mi humilde opinión) es la falta de validez de los datos de desempeño de los empleados. Si medir el vínculo avital en el resultado comercial del trabajo es parcial y no representa la realidad, es difícil hacer un buen análisis de lo que impulsa los resultados comerciales. Similar para el desempeño de iniciativas, prácticas y políticas de recursos humanos. Un desafío clave en el análisis de recursos humanos es el proceso de medición y mantenimiento de datos. Ni el científico de datos ni los departamentos de recursos humanos se están centrando en eso o han encontrado una buena manera de hacerlo. No lo aprendes en un curso o puedes practicarlo.
Otro curso práctico es de HR Analytics Academy – Analytics in HR. Va un poco más profundo que Wharton y se basa en experiencias del mundo real (el propietario realmente trabaja como analista de recursos humanos con un banco en NL).
- Para un estadístico, ¿qué áreas necesitan mejorar para convertirse en un buen científico de datos?
- Para ser un buen analista de negocios, ¿qué tan bueno debería ser en R prog? ¿Están bien los conceptos básicos o debo tener un conocimiento profundo de ellos?
- ¿Cómo es tomar CS 229 (Machine Learning) en Stanford?
- ¿El análisis de datos requiere programación?
- ¿Es el Big Data el futuro? Actualmente estoy trabajando en Java con 1 año de experiencia. Estoy planeando cambiar mi dominio a big data. ¿Es aconsejable? En caso afirmativo, ¿qué paquete puedo esperar? ¿Seré tratado como más fresco? ¿Es necesaria la certificación?
Si te unes a los grupos relevantes en LinkedIn, donde a veces se comparten casos prácticos de usuario o ejercicios. (siéntase libre de vincular a mi perfil). Algunas personas que creo son influyentes y estoy siguiendo son:
- Max Blumberg (también está presente en Quora, muy práctico y con los pies en la tierra, muchas buenas ideas sobre el uso real de la analítica para los problemas de las empresas, no como la próxima moda en recursos humanos).
- Lyndon Sheldon (muy experimentado en análisis de recursos humanos y R)
- David Green (analítica general de personas)
- Bernard Marr (más ciencia de datos)
- Josh Bersin (para tecnología de recursos humanos en general, pero toca el análisis de personas regularmente)
Por supuesto, hay muchos otros por ahí. Pero esto podría darte un comienzo.
