Análisis predictivo de RRHH, minería de textos y análisis de redes organizativas con Excel

Título original:

Predictive HR Analytics, Text Mining & Organizational Network Analysis with Excel

Contenido del libro:

El análisis predictivo de RR.HH., la minería de textos y el análisis de redes organizativas (ONA) son temas candentes y potentes técnicas para mejorar la eficacia de las organizaciones. Best Buy es capaz de predecir que un aumento del 0,1% en el compromiso de los empleados se traduce en un aumento de 100.000 dólares en los ingresos anuales de la tienda VoloMetrix descubrió que el tamaño de la red de un vendedor dentro de su empresa es un indicador más importante de las ventas que el tiempo que los vendedores pasan con los clientes No necesita pasar meses aprendiendo a programar en R ni comprar el costoso software estadístico SPSS. Este es el único libro que le enseña a utilizar Microsoft Excel para el Análisis Predictivo de RRHH, la Minería de Textos y el Análisis de Redes Organizativas (ONA) con instrucciones paso a paso en pantalla:

1) Análisis predictivo de RRHH: Utilice las herramientas de análisis estadístico de Excel (árboles de decisión, correlación, regresión múltiple y logística) para realizar análisis predictivos de RRHH. Aprenderá a predecir el impacto de la diversidad étnica y de género en el EBIT, predecir el impacto de la formación en los ingresos por ventas, predecir la dimisión de empleados, predecir el impacto del compromiso del personal en las ventas, predecir accidentes laborales, etc.

2) Análisis de redes organizativas (ONA): Ejecute ONA utilizando la herramienta de análisis de redes de Excel. Aprenda a convertir la red organizativa de un empleado en una puntuación y, a continuación, a predecir si tendrá un alto potencial (HiPo). También aprenderá a predecir el rendimiento y la dimisión de los empleados con las métricas gráficas de ONA. Por ejemplo, se predice que un empleado será un HiPo con una puntuación de rendimiento de "9" si su "Puntuación de red social" es "16", el "Índice de diversidad de red social" es "3" y la "Puntuación de competencia" es "8".

3) Minería de texto, análisis de sentimiento y nubes de palabras: Extraiga texto de los mensajes de las redes sociales, las encuestas de compromiso de los empleados y los comentarios de Glassdoor, ejecute el análisis de sentimiento con Excel y visualice los resultados con "nubes de palabras". Aprenda a predecir la tasa media de abandono de empleados de una empresa basándose en su sentimiento. Por ejemplo, si la tasa de desempleo es del 3%, el crecimiento del PIB es del 2%, la valoración del sentimiento público de Glassdoor es "5" y la puntuación del compromiso es "7", se predice que la tasa media de abandono de empleados de una empresa será del 8%.