Qué ascensor y obtener gráficos del estado en el contexto de un modelo de rotación de empleados

Question

Así que estoy tratando de entender más de la Elevación y de la Ganancia de los gráficos que se aplica a mi rotación de empleados del modelo (es decir, utiliza CHAID en SPSS Modeler). Para mi de datos esto significa predecir el número de personas que voluntariamente salir de la empresa.

Lo he revisado por debajo de referencias y tenga los conocimientos básicos acerca de la interpretación: lo que se traza en el eje x e y y la curva ideal que usted está buscando. Incluso he practicado la construcción de mi propio beneficio y el de los ascensores de los gráficos en Excel.

Pero todos los ejemplos que he visto hasta ahora son para una campaña de correo directo. Ahora quiero saber lo que esto significa para mi de datos. Qué significa simplemente, en el caso de la carta de los aumentos que si me muestra el top 10% de mis datos me puede esperar que el 40% de los términos vs muestreo superior al 60% de mis datos a obtener el 80% de los términos? (por favor, asumir el 40% y el 60% de los valores). Si es así, ¿qué significado debo tomar lejos de eso, porque yo realmente no lo entiendo en el contexto de mi facturación modelo?

Referencias:

levante-medir-en-minería de datos

lo-que-es-un-ascensor-gráfico

http://www2.cs.uregina.ca/~dbd/cs831/notes/lift_chart/lift_chart.html

Answer 1

A veces ayuda a la imagen el objetivo de este análisis y de lo que una empresa puede hacer sin uno. Supongamos que la empresa a los datos de volumen de negocios pertenece quiere hacer algo en contra de un (posiblemente) de alta tasa de rotación. Me puedo imaginar a dos posibles acciones

1. Averiguar lo que está llevando a la gente a salir y solucionar este problema (no el suficiente cuidado de la salud ? No teamspirit ?) en general
2. Encontrar a los empleados que están considerando la posibilidad de salir y hablar con ellos, saber lo que les lleva a solucionar los problemas específicamente para ellos.

Así que ¿por qué importa esto ?

Los gráficos de elevación son principalmente importantes para el segundo caso de uso. Imaginar lo que una empresa puede hacer cuando se han decidido a invertir el dinero de hablar con los empleados de 1 a 1, pero no tienen un modelo ? La única opción es hablar con todo el mundo o a todos en una muestra aleatoria de tamaño fijo. Hablando con todo el mundo, a pesar de la ganancia de la identificación de todos los posibles departers es demasiado caro. Pero cuando sólo una muestra aleatoria se selecciona para hablar, sólo una fracción de todos los posibles departers es identificado mientras tanto gastando un montón de dinero. En ambos casos, el coste por dejar de prevención de laratio es bastante alto.

Pero cuando un buen modelo existe, la empresa puede decidir hablar sólo a aquellos que tienen la mayor probabilidad de salir (aquellos con la topscores según el modelo), de modo que más potencial departers se identifican, por lo tanto la optimización del coste por dejar de prevención.

Tomar un vistazo de nuevo a los primeros dos tablas: http://www2.cs.uregina.ca/~dbd/cs831/notes/lift_chart/lift_chart.html. Digamos que los "clientes"="empleados" y "positiva de los encuestados" = "potencial departers" (ver datos a continuación).

Si la empresa decide que sólo se puede gastar el dinero suficiente para hablar con 10000 empleados, identificar

• $\frac{20000}{100000}*10000=2000$ departers se identifican sin un modelo de
• $\frac{6000}{10000}*10000=6000$ departers se identifican con el modelo (seleccionar sólo la parte superior 10000 según el modelo de puntuación)

lo que significa que

• una mejora de factor de $\frac{6000}{2000}=3$ que es representado como el punto (10%,3) en el gráfico de elevación.
• que de 6000 20000 total departers han sido identificados, es decir, 30%, que es representado como (10%,30%) en la ganancia de gráfico. La referencia aquí es sólo el 10%, debido a que al tomar una muestra aleatoria de 10000 empleados, sólo $\frac{10000 * (20000/100000)}{20000}=\frac{10000}{100000}=0.1$ de todo el potencial de departers son identificados.

El eje de las x en ambos casos se muestra el porcentaje de empleados en contacto, en este ejemplo específico de un 10%.

Apéndice

Los datos usados para hacer esta pregunta independiente de enlace de la putrefacción.

Tasa Global

El Total De Empleados Contactado Identificado Departers
100000 20000

La eficacia del modelo cuando los empleados están en contacto con en trozos de 10000

El Total De Empleados Contactado Identificado Departers
10000 6000
20000 10000
30000 13000
40000 15800
50000 17000
60000 18000
70000 18800
80000 19400
90000 19800
100000 20000