آموزش تحلیل افراد ۱۰۰۱: مبانی تحلیل منابع انسانی - آخرین آپدیت

دانلود People Analytics 101 : HR Analytics Fundamentals

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

مفاهیم کلیدی در ساخت مدل‌های آماری برای تحلیل داده‌های منابع انسانی

رویکرد گام به گام برای حل مسائل کسب و کار در حوزه People Analytics

آشنایی با مفاهیم ساخت مدل‌های آماری

مسیر تحول داده‌کاوی (Analytics Journey)

تحلیل داده‌های منابع انسانی (HR Analytics) و اهمیت آن

چرخه عمر کارکنان (Employee Life Cycle) و کاربردهای تحلیل داده در آن

درک شاخص‌های کلیدی عملکرد (HR Metrics) و مسیر تحول از شاخص به تحلیل

شناسایی مسائل کسب و کار و اهمیت آن‌ها. همچنین یاد می‌گیرید چگونه یک مسئله کسب و کار را به یک مسئله آماری تبدیل کنید.

درک علمی جمع‌آوری داده از منابع مختلف و نحوه صحیح انجام آن

آشنایی با نحوه ایجاد یک دیتابیس یا واژه‌نامه داده کارآمد برای درک بهتر و ارجاع در آینده

شناسایی متغیرهای وابسته و مستقل در مجموعه داده‌های خود

درک و یادگیری فرمت‌های مختلف فایل‌های ذخیره‌سازی داده و مراحل آماده‌سازی داده‌ها

روش‌های مختلف اندازه‌گیری گرایش به مرکز، پراکندگی و شکل داده‌ها

درک مراحل آزمون فرض، تحلیل تک‌متغیره و دو‌متغیره

یادگیری مفاهیم مهندسی ویژگی (Feature Engineering)

کار با R و RStudio: نصب، وارد کردن فایل‌ها و نصب بسته‌ها

درک مفهوم یادگیری ماشین (Machine Learning): تکنیک‌های یادگیری بانظارت و بدون نظارت

پیش‌نیازها:

این دوره برای همه مناسب است. شما نیازی به دانش قبلی یا تجهیزات اضافی ندارید.

People Analytics: کلید تصمیم‌گیری‌های مبتنی بر داده در منابع انسانی

People analytics که با نام‌های HR analytics یا talent analytics نیز شناخته می‌شود، نوعی تحلیل داده است که به مدیران و رهبران منابع انسانی کمک می‌کند تا تصمیمات مبتنی بر داده در مورد کارکنان یا نیروی کار خود اتخاذ کنند. این دوره به شما تخصص لازم در استفاده از آمار و فناوری بر روی داده‌های ارزشمند کارکنان را می‌دهد که می‌تواند به بهبود تصمیم‌گیری‌های کسب و کار و مدیریت شرکت شما کمک کند. تحقیقات مک‌کینزی نشان می‌دهد که تحلیل داده‌های کارکنان می‌تواند منجر به افزایش ۸۰ درصدی در بهره‌وری استخدام، ۲۵ درصدی در بهره‌وری کسب و کار و ۵۰ درصدی در کاهش نرخ ریزش کارکنان شود.

پس از اتمام این دوره، می‌توانید به شرکت خود در بهبود بازگشت سرمایه خود بر روی کارکنان کمک کنید. رویکردهای سنتی در بلندمدت برای دستیابی به نتایج مورد نیاز کافی نیستند.

برای رفع این شکاف، راه حلی ارائه می‌دهیم که در آن می‌توانید تکنیک‌های حل این مشکلات را به روشی ساده و بصری و با سرعت دلخواه خود بیاموزید.

شما درک خواهید کرد که چگونه و چه زمانی از داده‌های کارکنان برای تصمیم‌گیری در موارد زیر استفاده کنید:

  • استخدام
  • جذب استعداد
  • توسعه کارکنان
  • حفظ کارکنان
  • رضایت شغلی کارکنان
  • مشارکت کارکنان (Employee Engagement) و غیره.

ما تجزیه و تحلیل پیچیده داده‌های مدیریت استعداد را انجام نخواهیم داد، بلکه شما را راهنمایی می‌کنیم تا به آن مرحله برسید.

ما سعی کرده‌ایم ساختار بسیار ساده‌ای برای این دوره ایجاد کنیم تا حتی اگر دانش صفر یا بسیار پایه‌ای در زمینه تحلیل داده داشته باشید، در طول دوره با هیچ مشکلی مواجه نشوید. بیایید نگاهی به ساختار دوره بیندازیم. ما با موارد زیر شروع خواهیم کرد:

  1. درک اینکه تحلیل داده چیست و چرا مورد نیاز است.
  2. حوزه‌هایی که باید درک خود از تحلیل کسب و کار را در آن‌ها به کار ببرید.
  3. درک و اقدام بر روی داده‌های استعداد در کل چرخه عمر کارکنان.
  4. درک یک مسئله کسب و کار.
  5. یافتن راه‌حل تحلیلی بهتر برای آن مسئله کسب و کار.
  6. نحوه جمع‌آوری داده برای حل آن مسئله.
  7. نحوه یافتن راه‌حل با استفاده از تکنیک‌های پایه تحلیل داده یا همان تحلیل اکتشافی داده (Exploratory Data Analytics).
  8. به کارگیری تکنیک‌های مهندسی ویژگی برای استخراج حداکثر اطلاعات از داده‌ها.
  9. یادگیری نحوه انجام آزمون فرض و انواع تکنیک‌های آن.
  10. و مهم‌تر از همه، به کارگیری یادگیری ماشین بر روی داده‌های منابع انسانی و پیش‌بینی بینش‌های آینده.
  11. راستی، شما همچنین تکنیک‌های تحلیل داده را یاد خواهید گرفت که می‌توانید آن‌ها را در هر جایی به کار ببرید.

هدف ما معرفی این مفهوم به شماست: "کسب و کارها زمانی رشد می‌کنند که افرادی که در آن‌ها کار می‌کنند شکوفا شوند". دوره People Analytics 101 برای کمک به تحقق هر دو هدف و در عین حال رشد شغلی شما طراحی شده است.


سرفصل ها و درس ها

مقدمه‌ای بر People Analytics 101 Introduction to People Analytics 101

  • مقدمه Introduction

سفر تحلیل داده Journey of Analytics

  • سفر تحلیل داده Journey of Analytics

  • تحلیل داده چیست و چرا اهمیت دارد؟ What is Analytics and Why it is important?

  • مدل بلوغ تحلیل داده Analytics Maturity Model

  • موارد اضافی Extras

کالبدشکافی مدل‌سازی آماری Anatomy of Statistical Modeling

  • کالبدشکافی مدل‌سازی آماری Anatomy of Statistical Modeling

(نظری) - درک مشکل کسب‌وکار (Theory) - Understanding Business Problem

  • درک مشکل کسب‌وکار Understanding Business Problem

  • آزمون دانش (درک مشکل کسب‌وکار) Knowledge Check (Business Problem Understanding)

(عملی) - معرفی پروژه عملی و مشکل کسب‌وکار (Practical) - Hands-on Project Introduction and Business Problem

  • مقدمه Introduction

  • 1. ریزش کارکنان 1. Employee Turnover

  • مشکل کسب‌وکار The Business Problem

نصب R و R Studio Installation of R & R Studio

  • نصب R و R Studio Installation of R & R Studio

(نظری) - کشف و جمع‌آوری داده (Theory) - Data Discovery & Collection

  • کد کامل Full code

  • مقدمه‌ای بر کشف و جمع‌آوری داده Introduction to Data Discovery & Collection

  • معماری داده‌های منابع انسانی (HR Data Architecture) HR Data Architecture

  • آماده‌سازی لیست داده و شناسایی منابع داده Data list preparation and identification of Data Sources

  • جمع‌آوری داده اولیه Collect initial Data

  • تعریف متغیرها و ایجاد دیکشنری داده Define Variables and create Data Dictionary

  • تأیید داده Data Verification

  • آزمون دانش (جمع‌آوری داده) Knowledge Check (Data Collection)

(عملی) - کشف و جمع‌آوری داده (Practical) - Data Discovery & Collection

  • منابع Resources

  • تعریف متغیرها و دیکشنری داده Defining Variables and Data Dictionary

  • تأیید داده Data Verification

(نظری) - آماده‌سازی داده (Theory) - Data Preparation

  • مقدمه‌ای بر آماده‌سازی داده Introduction to Data Preparation

  • تحلیل تک‌متغیره (Uni-Variate Analysis) Uni-Variate Analysis

  • رفتار با مقادیر گمشده Missing value treatment

  • شناسایی و رفتار با داده‌های پرت (Outlier Detection & Treatment) Outlier Detection & Treatment

  • مهندسی ویژگی - ایجاد متغیر Feature Engineering - Variable Creation

  • مهندسی ویژگی - تبدیل متغیر Feature Engineering - Variable Transformation

  • مهندسی ویژگی - کاهش بعد (Dimension Reduction) Feature Engineering - Dimension Reduction

  • آزمون فرضیه و تحلیل دو‌متغیره (Hypothesis Testing and Bi-Variate Analysis) Hypothesis Testing and Bi-Variate Analysis

  • تقسیم داده Data Split

  • آزمون دانش (آماده‌سازی داده) Knowledge Check (Data Preparation)

(عملی) - آماده‌سازی داده (Practical) - Data Preparation

  • تحلیل تک‌متغیره Univariate Analysis

  • بخش مهندسی ویژگی - ۱ Feature Engineering Part - 1

  • بخش تحلیل دو‌متغیره - ۱ (دسته‌ای-دسته‌ای) Bi-Variate Analysis Part - 1 (Categorical- Categorical)

  • بخش تحلیل دو‌متغیره - ۲ (آزمون فرضیه دسته‌ای-دسته‌ای) Bi-Variate Analysis Part - 2 (C-C Hypothesis Testing)

  • بخش تحلیل دو‌متغیره - ۳ (عددی - دسته‌ای) Bi-Variate Analysis Part - 3 (Numerical - Categorical)

  • بخش تحلیل دو‌متغیره - ۴ (آزمون فرضیه عددی - دسته‌ای) Bi-Variate Analysis Part - 4 (Numerical - Categorical Hypothesis Testing)

  • بخش مهندسی ویژگی - ۲ (ایجاد متغیرهای مجازی - Dummy Variable Creation) Feature Engineering Part - 2 (Dummy Variable Creation)

  • تقسیم داده Data Split

(نظری) - انتخاب و ساخت مدل (Theory) - Model Selection & Building

  • انتخاب و ساخت مدل Model Selection & Building

  • آزمون دانش (انتخاب مدل) Knowledge Check (Model Selection)

(عملی) - انتخاب و ساخت مدل (Practical) - Model Selection & Building

  • تئوری و کد جنگل تصادفی (Random Forest) Random Forest Theory and Code

  • درک ناخالصی GINI Understanding GINI Impurity

(نظری) - ارزیابی مدل (Theory) - Model Evaluation

  • مقدمه‌ای بر ارزیابی مدل Introduction to Model Evaluation

  • ارزیابی مدل رگرسیون Regression Model Evaluation

  • ارزیابی مدل طبقه‌بندی Classification Model Evaluation

  • آزمون دانش (ارزیابی مدل) Knowledge Check (Model Evaluation)

(عملی) - ارزیابی مدل (Practical) - Model Evaluation

  • ارزیابی مدل جنگل تصادفی Random Forest Model Evaluation

نتیجه‌گیری Conclusion

  • نتیجه‌گیری Conclusion

(امتیاز اضافی) سفر تحلیل داده (BONUS) Journey of Analytics

  • اطلاعات مربوط به سخنرانی امتیاز اضافی Information Regrading Bonus Lecture

  • ۱. ابزارهای تحلیل داده 1. Tools for Analytics

  • ۲. حوزه‌های تحلیل کسب‌وکار 2. Areas of Business Analytics

  • آزمون دانش (سفر تحلیل داده) Knowledge Check (Journey of Analytics)

(امتیاز اضافی) درباره تحلیل منابع انسانی (BONUS) About HR Analytics

  • ۳. منابع انسانی چیست و اهمیت آن 3. What is Human Resources and its Importance

  • ۴. اهداف کلیدی تحلیل منابع انسانی 4. Key objectives of HR Analytics

  • ۵. People Analytics در چرخه عمر کارکنان 5. People Analytics applied to Employee Life Cycle

  • ۶. حوزه‌های حیاتی People Analytics 6. Critical Areas of People Analytics

(امتیاز اضافی) معیارهای منابع انسانی (Bonus) HR Metrics

  • ۷. مقدمه‌ای بر معیارهای منابع انسانی 7. Introduction to HR Metrics

  • ۸. اکوسیستم معیارهای منابع انسانی 8. Ecosystem of HR Metrics

  • ۹. معیارها در حوزه‌های حیاتی منابع انسانی 9. Metrics in critical areas of HR

  • ۱۰. هم‌راستاسازی معیارهای منابع انسانی با استراتژی‌های کلی سازمان 10. Align HR Metrics with overall organizational strategies

  • ۱۱. سفر از معیارها به تحلیل داده 11. The Journey from Metrics to Analytics

  • آزمون دانش (معیارهای منابع انسانی) Knowledge Check (HR Metrics)

آزمون نهایی Final Test

  • آزمون نهایی Final Test

امتیاز اضافی نهایی Final Bonus

  • دوره‌های بیشتر به زودی More Courses coming soon

نمایش نظرات

آموزش تحلیل افراد ۱۰۰۱: مبانی تحلیل منابع انسانی
جزییات دوره
9 hours
59
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
6,351
4.2 از 5
دارد
دارد
دارد
Unlock HR
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Unlock HR Unlock HR

تجزیه و تحلیل منابع انسانی/تجزیه و تحلیل افراد/تجزیه و تحلیل استعدادها