Analisi delle persone e text mining con R

Recensioni dei lettori

Il libro fornisce un'introduzione accessibile alla People Analytics utilizzando R, offrendo esempi pratici, guide passo-passo e approfondimenti sull'integrazione degli analytics nelle risorse umane. Sebbene sia apprezzato per l'approccio semplice e la pertinenza, alcune recensioni notano una mancanza di profondità in alcune aree e di analisi critica dei casi di studio.

Introduzione facile e accessibile a R e alla People Analytics.

Spiegazioni chiare dei concetti e guida passo-passo.

(basato su 13 recensioni dei lettori)

Titolo originale:

People Analytics & Text Mining with R

Contenuto del libro:

Non è necessario acquistare costosi software statistici come SPSS. Questo libro vi insegna R (R può essere scaricato gratuitamente), People Analytics, Social Media Analytics, d104 Mining e Sentiment Analysis. È scritto per persone che non conoscono assolutamente la programmazione in R, con istruzioni passo-passo su schermo. I codici R di esempio sono mantenuti semplici, brevi e diretti, in modo da non sovraccaricarvi di troppe informazioni inutili, e si concentra sui codici R rilevanti per l'analisi delle persone, in modo che possiate essere operativi in pochissimo tempo. Se siete alle prime armi con la programmazione in R, questo è il libro che fa per voi. Poiché R è stato sviluppato appositamente per l'analisi statistica, è possibile eseguire complicati calcoli statistici (correlazione, regressione multipla e logistica, ecc.) semplicemente inserendo alcuni comandi. Questo libro copre un ampio campo di applicazione della People Analytics (benefit, retribuzione, cultura, diversità e inclusione, coinvolgimento, leadership, apprendimento e sviluppo, tratti della personalità, gestione delle prestazioni, reclutamento, incentivi alle vendite) con numerosi esempi reali, e mostra come la People Analytics con R può aiutarvi a

1) Eseguire Social Media Analytics, d104 mining e Sentiment Analysis con R.

2) Prevedere il rischio di fuga dei dipendenti utilizzando le funzioni di correlazione e regressione logistica di R.

3) Identificare i tratti della personalità del personale del servizio clienti e del personale commerciale con le migliori prestazioni utilizzando la funzione di correlazione di R.

4) Prevedere l'impatto dell'impegno dei dipendenti sulla soddisfazione dei clienti, sui ricavi e sul rendimento degli azionisti, ecc. utilizzando la funzione di correlazione e regressione multipla di R.

5) Prevedere l'impatto dell'apprendimento e dello sviluppo sulle vendite, utilizzando la funzione di regressione multipla di R.

6) Prevedere l'impatto di Diversity & Inclusion su fatturato ed EBIT utilizzando la funzione di regressione multipla di R. Vi verrà insegnato come convertire il mix di diversità etnica della vostra azienda (70% cinese: 20% malese: 10% indiano) in un numero indice (ad esempio, indice di diversità di 2,7), quindi utilizzare la Regressione multipla di R per prevedere le vendite della vostra azienda, se il vostro "indice di diversità" è di 2,7 e se spendete 90 dollari in pubblicità.