Автор: доктор Срейоши Бхадури

В рабочей силе 21 века есть несколько неравенств.

Наиболее заметным, например, является гендерный разрыв в оплате труда: в США на каждый доллар, заработанный мужчиной, женщина в аналогичной должности зарабатывает 81 цент. Неравенство в оплате труда еще более усугубляется из-за пересечения расы, касты, социально-экономического положения и других характеристик работника. Точно так же в организациях может быть несправедливость в процессах найма, продвижения по службе и удержания.

Исследования и аналитика персонала — это область исследований, которая фокусируется на сотрудниках в организациях и обеспечивает инклюзивную, справедливую рабочую среду, чтобы каждый мог максимально продуктивно работать.

Кодирование является неотъемлемой частью кадровой аналитики и может помочь решить проблемы неравенства в рабочей силе 21-го века, выявляя тенденции, прогнозируя результаты и извлекая информацию для понимания больших наборов данных о сотрудниках в организациях.

Моя текущая роль

Я доктор Срейоши Бхадури. В настоящее время я руковожу глобальными исследованиями и аналитикой людей в McGraw Hill — компании, занимающейся наукой об обучении. McGraw Hill является лидером в области образовательного контента и применяет науку об обучении для создания инновационных решений для улучшения результатов образования во всем мире. Я использую код для решения проблем рабочей силы 21-го века, используя науку о данных, статистику и организационное поведение, чтобы понять вовлеченность сотрудников и представить идеи, чтобы обеспечить принятие решений на основе данных.

Мой фон

Моя академическая подготовка является междисциплинарной. Я инженер и педагог, которому нравится работать с данными о людях. Я получил степень бакалавра в области мехатроники в Манипальском университете в Индии. Затем я получил степень магистра в области машиностроения в Технологическом институте Вирджинии, здесь, в США. Впоследствии я получил вторую степень магистра в области прикладной статистики и докторскую степень. в области инженерного образования, оба из Технологического института Вирджинии.

Я увлечен использованием инновационных и этичных методов исследования (например, сочетание прогнозной аналитики и/или обработки естественного языка с выводами из качественных исследований) и применением их к задачам, с которыми сталкиваются глобальные организации.

Учимся программировать

У меня нет опыта работы в области компьютерных наук, поэтому большая часть моего опыта программирования основывается на концепциях, которым я научился сам. Я приписываю свою растущую склонность упорно работать с кодом междисциплинарным курсам, которые я посещал, когда был аспирантом Технологического института Вирджинии. Взаимодействие с разработчиками программного обеспечения и специалистами по машинному обучению помогло расширить мое мировоззрение и позволило мне применять инновационные методы и технологии для решения широкого круга проблем, над которыми я работал.

Работая неполный рабочий день в качестве ассистента по исследованиям в проекте Федерального управления железных дорог во время учебы в магистратуре, я обдумывал использование машинного обучения для классификации сигналов, генерируемых железнодорожными путями, чтобы определить, являются ли они неисправными/сломанными. Это созерцание материализовалось в моем М.С. Тезис. Мастера сообщений, мне было интересно узнать больше о машинном обучении. Несколько курсов для выпускников по прикладной статистике и обработке естественного языка помогли мне найти инновационные инструменты, которые я мог применить к множеству проблем. С тех пор я кодирую для решения проблем в классе (например, анализ больших объемов данных о студентах в разных учреждениях), а теперь и на работе, когда я анализирую данные о сотрудниках со всего мира.

Как я использую кодирование для аналитики людей

Я работаю над интересными проектами, связанными с глобальной рабочей силой. В McGraw Hill я руковожу глобальными исследованиями и аналитикой персонала, где я руковожу исследованиями, используя данные о сотрудниках из 45 стран, чтобы генерировать основанные на данных идеи для политических решений, влияющих на организационную эффективность, культуру и таланты. По сути, я использую код в самых разных проектах, таких как изучение гендерного или расового равенства в оплате труда и приобретения талантов, прогнозирование добровольной текучести кадров, разработка стратегии планирования рабочей силы и другие. Признавая предвзятость, которую исследователи вносят в свои коды и автоматизацию, я использую свою работу, чтобы сделать упор на инклюзивные и этические исследования с использованием смешанных методов, чтобы ответить на вопросы и получить полезную информацию для принятия решений. Области моих исследований: «Женщины в науке/технологиях», «Инновационные смешанные методы исследований», «Цели устойчивого развития», «Обмен данными», «Аналитика людей» и, самое главное, — сделать мир лучше!

Исследовать людей и социальные контексты, мягко говоря, сложно!

Большая часть этических методов при исследовании людей и их опыта заключается в поиске инклюзивных инструментов и методов для целостного понимания различных наборов данных и их источников. Мы часто думаем о числах, кодах и алгоритмах как о синонимах логики, земной истины и думаем о них как о непредвзятых. Хотя числа и алгоритмы по отдельности могут математически рассматриваться как беспристрастные, их использование на человеческих данных и последующее принятие решений допускает возникновение предвзятости.

Например, подумайте об обучении алгоритма машинного обучения для прогнозирования текучести кадров, то есть того, кто может покинуть организацию. Смещение может проникнуть в этот анализ в нескольких формах — от обучающего набора, с помощью которого был настроен алгоритм, или даже от выбора, который делает кодировщик, принимая различные решения в процессе разработки алгоритма. При работе с данными о людях и влиянии на них крайне важно выходить за рамки цифр при построении выводов. Особенно это касается принятия решений на основе данных. Вывод с эмпатией и контекстно-зависимым пониманием помогает извлекать смысл из данных, чего не могут простые алгоритмы. Некоторые советы по их преодолению:

1. Максимально возможное использование смешанных методов

2. Признание собственных предубеждений

3. Открытая отчетность о результатах и ​​выводах

Советы по началу работы с программированием

Никогда не поздно научиться программировать! Многие учащиеся, как правило, боятся кода, но представление о нем как о инструменте, помогающем себе, а не как о совершенно новом языке, может помочь уменьшить страх.

Выйдите за рамки изучения синтаксисов и викторин. Используйте код для проекта, которым вы увлечены. Использование кода на реальных данных помогает получить перспективы, которые могут быть недоступны для курса или чистых данных.

Мне нравится общаться с новичками в этой области. Если вам интересно узнать больше о моей работе, не стесняйтесь обращаться!

Инструменты и языки программирования, которые я использую

  • питон
  • SPSS
  • R
  • Таблица

Я создаю списки и маршруты, люблю статистику, люблю собак, практикую феминизм, балуюсь писательством, люблю чай и долгие беседы. Я использую местоимения она/ее/ее.