Прогнози та аномалії
Шлях: Огляд HR-аналітики / Ролевий центр → Діаграми
Ця родина дивиться вперед і шукає неочікуване. Прогнози проєктують майбутнє показника з його власної історії; аномалії позначають періоди, що порушують усталений патерн. Є два види виявлення аномалій — вбудований статистичний метод і метод машинного навчання, — тож для конкретного показника можна обрати той, що краще підходить.
Як розуміти прогноз
Прогноз проєктує наступні періоди наявного показника і показується як центральна оцінка плюс довірчий діапазон (нижня і верхня межі). На діаграмі оцінка — це лінія, а межі утворюють смугу навколо неї.
Сприймайте прогноз як орієнтир, а не зобов'язання. Смуга показує невизначеність; що вона ширша, то менш певна проєкція. Прогнози показників, керованих зовні (плинність, вартість праці), за своєю природою менш точні.
Прогнози працюють на сервісі SMART ML Forecast і потребують, щоб показник-джерело зберігав принаймні 24 періоди історії (встановіть його Кількість періодів аналізу на 24+). Кожен прогноз називає статистичну модель, яку використовує за замовчуванням (ARIMA, ETS, STL для сезонності або комбінацію) — це налаштовується.
| Прогноз | Проєктує | З | Модель за замовч. |
|---|---|---|---|
| Прогноз чисельності | Загальну чисельність | WRK-HEADCOUNT |
ARIMA |
| Прогноз плинності | Ковзну 12-місячну плинність | WRK-TURNOVER-12M |
ARIMA |
| Прогноз ФОП | Фонд оплати праці (ФОП) | PAY-FUND |
ETS+ARIMA |
| Прогноз ФОП за підрозділами | Оплату праці для топ-5 підрозділів | PAY-FUND (за одиницею) |
ETS+ARIMA |
| Прогноз ЄСВ | ЄСВ роботодавця | PAY-SSC |
ETS+ARIMA |
| Прогноз загальної вартості праці | Фонд + ЄСВ разом | PAY-FUND + PAY-SSC |
ETS+ARIMA |
| Прогноз понаднормових | Понаднормові години | WT-OVERTIME |
ETS |
| Прогноз лікарняних | Дні лікарняних | ABS-DAYS-SERIES (SICK) |
STL |
| Прогноз днів відпусток | Дні відпусток | ABS-DAYS-SERIES (VACATION) |
STL |
| Прогноз рівня відсутності | Рівень відсутності по компанії | ABS-RATE-DEPT |
STL |
| Бюджетний коридор вартості праці | 12-місячну вартість праці як імовірнісний коридор P10/P50/P90 + три накопичувальні підсумки | PAY-FUND + PAY-SSC |
ETS+ARIMA, персентилі 0.1,0.5,0.9 |
| Прогноз потреби в заміщенні | Очікувані звільнення наступного кварталу (сигнал для плану найму) | WRK-HIRES-TERMS (TERM) |
Авто + виявлення переривчастості |
| Прогноз резерву відпусток | Резерв відпусток, звітований за 90-м персентилем для планування нарахувань | ABS-LIABILITY |
ETS+ARIMA, персентилі 0.5,0.9 |
| Прогноз чисельності за підрозділами | Чисельність за кожним підрозділом (глобальна крос-серійна модель — покриває і нові/малі підрозділи) | WRK-HEADCOUNT (за одиницею) |
Глобальна (запасний варіант ARIMA) |
Останні чотири постачаються вимкненими: вмикайте їх після перевірки з'єднання зі SMART ML Forecast.
Розширені параметри прогнозів
Чотири параметри розширюють будь-який прогноз, де їх показує картка налаштування. Вони потребують актуального сервісу SMART ML Forecast.
- Персентилі прогнозу — список із 2–3 персентилів у (0,1) через кому, напр.
0.1,0.9або0.1,0.5,0.9. Опубліковані межі тоді стають цими персентилями замість довірчої смуги («значення не перевищить X з імовірністю ~90%»), а заголовки переходять на імовірнісні формулювання. З трьома значеннями центральна оцінка — медіана. - Виявляти переривчастість — дозволяє сервісу перемкнути розріджену серію (багато нульових місяців, напр. звільнення за підрозділами) на спеціальну модель переривчастого попиту. Потребує одиночної або порожньої (= Авто) Моделі прогнозу — з ансамблем не поєднується.
- Використовувати календарний регресор — передає кількість робочих днів на місяць (з офіційного виробничого календаря в Налаштуванні керування персоналом) у прогноз як відомий майбутній фактор, тож місяць із 19 робочими днями не сприймається як спад. Потребує Модель прогнозу = ARIMA або AutoARIMA, а виробничий календар має бути згенерований на всю історію і горизонт прогнозу — відсутній місяць дає зрозумілу помилку з назвою календаря і місяцем.
- Використовувати глобальну модель — для групованих прогнозів (оплата праці або чисельність за підрозділами): один крос-серійний виклик моделі покриває всі підрозділи замість окремого виклику на кожен із топ-5, а підрозділи з кількома місяцями історії теж отримують прогноз, запозичуючи силу в інших.
Як розуміти аномалію
Аномалія — це період, що відхиляється від того, що передбачала історія. Кожен рядок аномалії показує фактичне значення, очікуване значення і — для ML-аномалій — тип відхилення (сезонне, зсув рівня, точка зміни або тренд). Критичність залежить від розміру відхилення:
- 2–3 стандартні відхилення → несприятливо;
- понад 3 стандартні відхилення → критично;
- зміна відносно ідеально пласкої історії трактується як нова поведінка (невизначено), а не автоматично критично.
Статистичні аномалії (вбудовані)
Використовують z-оцінку (середнє ± налаштована кількість стандартних відхилень, Множник сигма) за ковзною історією — без зовнішнього сервісу.
- Аномалії нарахувань (
ANM-PAYROLL) — підрозділи, чий фонд оплати праці відхиляється від їхньої власної історії, працівники, чия оплата за період стрибає відносно їхньої історії (рівень особи, вимкнено за замовчуванням; історія охоплює лише повні місяці роботи, тож нещодавно прийнятого не порівнюють із місяцями до прийому, а період зовсім без оплати лишається показнику «Працівники без нарахувань»), і працівники з попередніми нарахуваннями, що отримали елемент оплати, якого ніколи не мали (перші елементи новоприйнятого не позначаються). Кількість аномалій враховує лише те, що показує екземпляр: коли результати рівня особи вимкнені, вона рахує знахідки підрозділів. Сезонність грудня / тринадцятої зарплати обробляється порівнянням того самого календарного місяця попередніх років, щойно є дворічна історія. Коригувальні документи виключено. - Аномалії відсутності (
ANM-ABSENCE) — місячний сплеск лікарняних по компанії відносно історії (можливий сезонний спалах), підрозділи, чий рівень відсутності перевищує середній по компанії на налаштовану сигму, і кількість тривалих поточних лікарняних (понад 20 календарних днів). - Фактор Бредфорда (
ANM-BRADFORD) — див. примітку про відповідальне використання нижче.
ML-аномалії (SMART ML Forecast)
Викликають сервіс аномалій SMART ML Forecast, що розпізнає сезонні, зсуви рівня, точки зміни і трендові відхилення — багатші за просту z-оцінку, і вони називають тип відхилення. Це альтернатива/доповнення статистичних аномалій за тією самою серією; вмикайте те, що підходить компанії. Кожна потребує 24+ періодів історії на показнику-джерелі.
| ML-аномалія | Спостерігає | Джерело |
|---|---|---|
| Аномалії чисельності (ML) | Зрушення персоналу (точки зміни) | WRK-HEADCOUNT |
| Аномалії плинності (ML) | Відхилення рівня плинності | WRK-TURNOVER-12M |
| Аномалії нарахувань (ML) | Відхилення фонду оплати праці | PAY-FUND |
| Аномалії лікарняних (ML) | Відхилення днів лікарняних | ABS-DAYS-SERIES (SICK) |
| Аномалії рівня відсутності (ML) | Відхилення рівня відсутності | ABS-RATE-DEPT |
| Аномалії понаднормових по підрозділах (ML) | Відхилення понаднормових за одиницею | WT-OVERTIME (за одиницею) |
Аномалії нарахувань (ML) додатково підтримують Використовувати календарний регресор: з ним календар робочих днів супроводжує виявлення, тож спад ФОП у короткому місяці (скажімо, 19 робочих днів у січні) пояснюється календарем, а не позначається як аномалія. Вимоги ті самі, що й для прогнозів: модель ARIMA/AutoARIMA і згенерований виробничий календар.
Фактор Бредфорда — відповідальне використання
Фактор Бредфорда оцінює часті короткі відсутності (B = S² × D за ковзні 12 місяців, де S — кількість окремих епізодів лікарняних, а D — загальні дні лікарняних) і перелічує працівників понад налаштований поріг (за замовч. 500). Документи-продовження одного електронного лікарняного (з тим самим номером випадку довідки) рахуються як один епізод, тож одне захворювання, оформлене кількома документами, не завищує оцінку.
Це інструмент розмови про професійне здоров'я, щоб знайти людей, які можуть потребувати підтримки, — а не санкція чи дисциплінарний інструмент. Часті короткі відсутності мають спонукати до розмови про благополуччя, а не до покарання. Аналітика постачається вимкненою з вимкненими результатами рівня особи; перегляд її рядків потребує дозволу рівня особи.
Приватність
Сервіси прогнозів та аномалій отримують лише анонімізовані пари {період, значення} — ніколи не імена чи кадрові записи. Деталізація аномалій рівня особи (індивідуальні стрибки оплати, список Бредфорда) показується лише тоді, коли результати рівня особи явно ввімкнено на екземплярі, а переглядач має дозвіл рівня особи.
Дивіться також
- Як розуміти результати — діаграми та довірчі межі
- Аналітика оплати праці · Аналітика персоналу · Аналітика відсутностей
- Налаштування аналітики