【沃顿商学院学习笔记】商业分析——People Analytics:03 绩效评估B:良好的表现是否持续 Performance Evaluation(B)

本文主要是介绍【沃顿商学院学习笔记】商业分析——People Analytics:03 绩效评估B:良好的表现是否持续 Performance Evaluation(B),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

商业进阶——人力分析

本章主要从NFL的选秀案例上来学习良好的表现是否持续。

以NFL选秀为案例分析

•团队股权转向起草大学球员。

  • 他们的主要人才来源之一
  • 球员有义务参加选秀大约4年的球队比赛。

•该草案由7“轮”组成

  • 一轮由每个团队挑选一次
  • 他们选择了与去年相同的记录
  • 目前有32支球队,所以〜224名球员被选中
    •交易选择扫描。

怀疑主义的原因重新获得技巧
•Massey和Thaler(2013年)

  • 对NFL选秀的过度自信
    •Baron&Hershey(1988)
  • 结果偏见
    •拉宾(2002年)
  • 小数定律
  • 技能差异比人们认为的差
    •这种虚假的变异是“小数定律的重要经济后果”

在这里插入图片描述
选秀中的技巧和机会
•显然有技巧。
•但是技能上有差异吗?
•一些球队在挑选球员方面比其他球队更好吗?

在这里插入图片描述
技能测试:良好的表现是否持续?
•例如匹兹堡钢人队着名的1974年选秀班

  • 4名名人堂球员:Jack Lambert,Lynn Swann,John Stallworth,Mike Webster

•如何在1973年完成任务?

  • 第二轮选秀权从未参加比赛
  • 第3轮和第4轮选秀最多也是平均值

•怎么样?

  • 没有一个游戏由21个选秀权开始
  • 挑选前6轮中的每一轮,他们只参加了24场比赛
    在这里插入图片描述
    结论:这是一个非常强大的模式
    •绩效统计
  • 游戏开始与专业碗比赛及补偿

•球员的职业生涯阶段

  • 前5年与自由球员年(> 5日)

•附加说明

  • 球员位置

•决策单位

  • 负责团队选秀的实际人员

•起草阶段

  • 前3轮与前4轮比赛

虚构的变化:即使是截然不同的结果也可能纯粹是机会的产物。
在这里插入图片描述

对机会的看法和调查问卷结果(与伯克利Dietvorst)在这里插入图片描述

上课心得

对于一个现象我们进行数据分析时,我们要从时间的维度,在多个维度点去判断这个优势或者结果是否具有持续性,还是单纯的因为运气或其他因素造成不可持续的判断。

这篇关于【沃顿商学院学习笔记】商业分析——People Analytics:03 绩效评估B:良好的表现是否持续 Performance Evaluation(B)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/237833

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

性能分析之MySQL索引实战案例

文章目录 一、前言二、准备三、MySQL索引优化四、MySQL 索引知识回顾五、总结 一、前言 在上一讲性能工具之 JProfiler 简单登录案例分析实战中已经发现SQL没有建立索引问题,本文将一起从代码层去分析为什么没有建立索引? 开源ERP项目地址:https://gitee.com/jishenghua/JSH_ERP 二、准备 打开IDEA找到登录请求资源路径位置

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者