Когда вы работаете с данными, особенно если это начало вашего пути в аналитике, то порой вы можете попробовать делать выводы на общий цифрах, давая ответ из серии "в среднем по палате".

В этом материале я бы хотел рассказать, что если вы это делаете, то будьте аккуратный, ведь обобщенные цифры мало могут говорить о реальном положении дел. Общая цифра обычно отвечает только на один вопрос: что произошло со всей совокупностью в среднем, но люди, компании, профессии, товары, города и сотрудники не живут в среднем примерно от слова совсем.

И поэтому общий показатель - это скорее начало анализа, а не его итог.

Я регулярно разбираю такие темы в своём Telegram‑канале, если вам интересно глубже понимать аналитику, экономику и рынок труда, там регулярно выходят короткие заметки и обзоры актуальных событий.

Среднее скрывает устройство данных

Возьмём в пример HR, представим, что средняя зарплата в компании выросла на 10%. И вообще это круто, ведь сотрудники стали получать больше. Это первый вывод, который приходит на ум, но действительно ли было повышение у всех?

Может быть и так, но будем честны - вряд ли. Скорее произошло несколько вещей сразу, как это обычно и бывает: из компании ушли (или их сократили) низкооплачевыемые сотрудники, докинули денег оставшимся и высокоуровневым специалистам. Возможно, выросли доходы только у либо наняли дорогих айтишников или сварщиков.

Я это к тому, что один и тот же рост средней зарплаты может быть результатом совершенно разных процессов.

Самое опасное то, что без разрезов мы лишь видим движение метрики и не понимаем природу этого движения. А как раз под природой и понимается причина события, а дальше уже от этого зависит что делать дальше.

А теперь про Симпсона

Нет, это не те Симпсоны, о которых вы подумали.

С точки зрения аналитики есть опасная ситуация, когда общий показатель движется в одну сторону, а показатели внутри групп - в другую - это и называется парадокс Симпсона.

Например, конверсия найма в компании выросла, что по идее означает, что процесс подбора стал эффективнее. Но вот после разделения вакансий выясняется, что конверсия снизилась и по массовым, и по экспертным позициям.

А общий показатель вырос только потому, что компания стала закрывать больше простых массовых вакансий, где конверсия изначально выше.

Сегментация - это не таблица ради таблицы

При этом, я не хочу сказать, что дробить сегменты надо чуть ли до бесконечности.

Если разделять совокупность слишком подробно, в каждой группе останется несколько наблюдений - толку будет также не много, показатели начнут сильно колебаться или же случайные изменения будут выглядеть как закономерность.

Поэтому хорошая сегментация должна отвечать трём условиям.

1. Сегмент должен иметь смысл

Разделение должно быть связано с реальным процессом. Если говорить про стаж, то он важен для анализа текучести, потому что причины увольнения новичков и опытных сотрудников отличаются.

2. Сегмент должен быть достаточно большим

Чем меньше наблюдений, тем осторожнее нужно интерпретировать результат, ведь если в группе пять сотрудников и один из них уволился, текучесть составит 20%. Но толку от такой текучести, если это один человек? Здесь рекомендую объединять группы или смотреть более длинный период и еще показывать абсолютное значение.

3. Сегментация должна вести к решению

Разрез нужен не ради разреза. В бизнесе роль аналитика искать для бизнеса ответы, в том что происходит, что может произойти, почему что-то произошло.

Хороший анализ это такой анализ, который даёт руководителю понимание и контроль (через вероятную точку приложения усилий, высокая текучесть в первый 6 месяцев - смотрим онбординг, рекрутмент и т.п.)

И если компания не может управлять показателем на уровне групп, возможно, такая детализация не имеет практического смысла.

Про срезы

Наилучший вариант, это когда вы задаетесь вопросами, а не клипаете все доступные колонки друг за другом. Допустим, при анализе роста ЗП можно продумать:

  • произошёл ли рост внутри конкретных профессий или во всех профессиях так или иначе;

  • одинаково ли росли зарплаты в регионах;

  • отличается ли динамика по стажу работы в компании;

  • вырос оклад или совокупный доход с премиями.

И дальше уже как сыщики мы просто делим данные на группы и проверяем гипотезы в конкретных срезах. Сначала общее, потом частное, потом снова общее, потом снова частное - и так по кругу. Вообще, хороший анализ часто строится в три этапа.

Сначала показывается общая динамика: текучесть выросла с 14% до 17%, атас.

Затем показатель раскладывается на сегменты и выясняется, что почти весь рост произошёл среди сотрудников со стажем до шести месяцев, не атас.

И уже после этого формулируется общий вывод: существует некоторое увеличение оттока новичков, что вероятно связано с адаптацией. При этом текучесть остального персонала остается в пределах прошлогодних значений.

То есть аналитика движется от общего к частному, а затем возвращается к общему, но уже с пониманием причин - что и как произошло.

Не все различия являются важными

После сегментации почти всегда находятся группы, показатели которых отличаются и это нормально, ведь само наличие различий ещё не означает, что вы в принципе нашли что-то полезное.

  • смотреть абсолютные значения;

  • сравнивать несколько периодов;

  • проверять, сохраняется ли разница после контроля других факторов;

  • и не делать выводы по одному периоду.

Иначе мы будем из крайности в крайность метаться: сначала скрывать всё за средней цифрой, а потом находить смысл в каждом небольшом отклонении.

Общий показатель может быть корректным, но нормальный и уверенный вывод будет получаться только тогда, когда мы понимаем, из чего показатель состоит и что произошло.

Общий показатель

Я бы тут ориентировался принципом достаточности. Если та самая общая цифра нужна чтобы оформить ее в выводах, чтобы не задавали лишних вопросом, тогда быть может она еще не достаточно детализирована. Но при этом если вы нашли цифру текучести вон того самого отдела из 10 работяг, где-то в Свердловске, то быть может цифра получилась слишком достаточной.

Обычно достаточно 1-2 уровня, где вы видите, что становится понятно, кто создал рост / падение или же какая группа изменилась.