CART:销售招聘的分类和回归树 | CART: Classification and Regression Trees for Sales Recruitment

Joshua Zable | 30 九月, 2022

主题: CART, Minitab Statistical Software

新员工招聘是一门不精确的科学,过去的绩效并不总能保证未来的结果。文化契合度和个人情况等因素对每位员工的成功起着重要作用。然而,不能因为它不精确就判定其背后没有科学。事实上,人力资源主管可以通过进行简单的数据分析,大大提高他们成功聘用候选人的机会。招聘人员无需了解统计学,即可使用 Minitab 的 CART® 命令构建“招聘树”。

MINITAB 示例:聘用销售代表

聘用合适的销售人员对任何组织都至关重要。大多数公司在最初的 6 到 18 个月中,在销售代表职位上的投资都不会实现收支相抵。此外,聘用表现不佳的销售代表所带来的机会成本使得招聘过程成本更高。

让我们从医疗设备公司的人力资源代表角度出发。他们正在寻求一名销售代表来销售他们最畅销的设备之一,因此必须迅速行动并聘用合适的候选人。

步骤 1:将销售团队分为绩效优良者和绩效不佳者

划分销售代表职位的好处在于它有定量配额。最简单的方法是将销售团队分为两组:达到年度配额的归到组 1,未达到配额的归到组 2。您还可以按照增长数值、盈利能力或适合您的销售团队的其他关键绩效指标来对他们进行分组。

接着,考虑其他可衡量的特征,如经验年数、学科背景、大学平均学分绩点 (GPA),甚至个性特点。在下面的示例中可以看到,人力资源代表选择了以下特征:聘用时的经验年数、以二值形式定义的医疗背景(1 表示是,有医疗领域销售经验;0 表示否,在医疗领域没有销售经验)、大学 GPA 和个性特点(5 表示最外向,1 表示最内向)。Step1_CARTHR_Blog

步骤 2:运行回归或招聘树

当我们使用 CART® 分类树通过 Minitab Statistical Software 运行分析时,我们会得到一些非常有趣的信息。使用 Minitab 的 CART® 命令可以选择最佳树(即决策树场景),以找到最适合聘用的候选人类型。



二值响应信息




树形图

Step 1_CARTHR_Blog3

步骤 3:分析结果

有趣的是,我们通过查看结果获得了一些见解。首先,我们看一下决策树,它告诉我们,理想的候选人是个性分值低于 4.5 且 GPA 高于 3.15 的人。

对于销售职位,个性对成功起着至关重要的作用,我们了解到,取得成功的不是最外向的人。我们的模型显示,个性分值为 5 的人员可能个性太强,不适合这个职位,而且可能不是最适合这个职位的人。 

同样有趣的是,大于 3.15 的 GPA 将销售团队分成了两组。或许在您的职位描述中,您现在可以改进您的搜索,而不是将 3.0 作为最低 GPA。

当您查看相对变量重要性时,个性和 GPA 是这个职位需要考虑的两个最重要因素。

Step3_CARTHR_Blog1

令人惊讶的是,医疗背景对成功的影响最小。招聘销售候选人时,不必局限在仅招聘有医疗背景的人员。

步骤 4:评估模型

评估模型对响应的分类优度始终是一个好主意。尽管这是更高级的步骤,但它提高了模型的可信度。不要受“混淆矩阵”这个名字的迷惑...这只是一个表格,指示模型对响应的预测有多好!



混淆矩阵




对于我们的模型,我们正确预测了哪些人员会达到其配额,在我们的测试数据中,人员在 93.1% 的时间内达到配额。同样,我们也正确预测了哪些人员不会达到其配额,实际上这些人员在 95.4% 的时间并未达到配额。这是一个绝佳的模型,可以用来构建招聘简介的特征!


结论

您也可以轻松构建数据驱动型招聘简介,只需几分钟就可以创建和理解该模型!现在您可以专注于根据重要因素(而非感觉)筛选候选人。


是否有兴趣了解有关 CART 的更多信息?

与 Minitab 沟通