Eğitim, İnsan Kaynakları departmanlarında veri analitiği kullanarak daha verimli ve stratejik kararlar almayı hedeflemektedir. Katılımcılar, temel istatistiklerden ileri düzey raporlama tekniklerine kadar çeşitli konuları öğrenerek, Excel ve Power BI gibi araçlarla etkili veri analizleri ve görselleştirmeler oluşturacaklardır. Eğitimde ayrıca makine öğrenimi ve performans analizi gibi gelişmiş konulara da yer verilerek, veri odaklı karar verme süreçlerinde yetkinlik kazandırılacaktır. Bu eğitim, İK profesyonellerinin veri odaklı yaklaşımlar benimseyerek, çalışan memnuniyeti, performans takibi ve diğer kritik İK süreçlerinde daha güçlü analizler yapmalarını sağlayacaktır
Planlanmış bir eğitim bulunamadı. Açılacak eğitimlerden haberdar olmak istiyor musunuz?
Grafiklerde etkileşimli özellikler ekleme (dilimleyici, filtreler)
Pivot Tablolarla İK Verisi Analizi
Departman bazında çalışan performansı analizi
Maaş dağılımı ve maaş artışları
Çalışan devir hızı ve eğilimler
Grafiklerle görselleştirme: Çalışan performansı ve maaş artışı analizlerinin grafiksel gösterimi
Demo: Çalışan performansı verilerini pivot tablo ve grafiklerle analiz ederek yıl bazında ortalama performans artışı ve maaş dağılımı raporu oluşturma.
Modül 7 : Self-Service BI'a Giriş
Power BI Nedir?
Self-Service BI tanımı ve avantajları
Power BI’ın temel bileşenleri
Power BI ile Veri Yükleme
Veri kaynaklarından veri alma
Excel ve SQL veri bağlantıları
Veri Modelleme ve İlişkiler
Veritabanı modeli oluşturma
Power BI’da ilişkiler kurma
Demo: İK verilerini Power BI’a yükleyerek, çalışanların yaş dağılımını ve deneyim yıllarını gösteren bir grafik oluşturma.
Modül 8 : Dimensional Modelleme ve Veri İlişkileri
Dimensional Modelleme Temelleri
Fact ve dimension tabloları arasındaki farklar
Veri modelleme kavramları
Veri İlişkileri
Power BI'da tablo ilişkileri oluşturma
Veri bütünlüğü sağlama
Modelleme İyi Uygulamaları
Veri modelleme hataları ve önlenmesi
Demo: İşe alım ve performans verilerinden oluşan iki tabloyu ilişkilendirerek Power BI'da birleşik bir modelleme senaryosu.
Modül 9 : Makine Öğrenimine Giriş
Makine Öğrenimi Temelleri
Makine öğrenimi nedir?
Denetimli ve denetimsiz öğrenme
Regresyon ve Sınıflandırma Modelleri
Regresyon modeli (çalışan memnuniyeti tahmini)
Sınıflandırma modeli (çalışan churn analizi)
Veri Hazırlama ve Modelleme
Eğitim ve test verisi oluşturma
Modelin değerlendirilmesi
Demo: Çalışan churn (işten ayrılma) oranını tahmin etmek için Excel’de basit doğrusal regresyon uygulaması.
Modül 10 : Çalışan Churn Tahmini
Çalışan Churn Modelleme
Çalışan ayrılma tahmini için veri analizi
Model kurma ve değerlendirme
Model Sonuçlarının Yorumlanması
Sonuçları yorumlama ve aksiyon alabilme
Tahmin Doğruluğu
Doğruluk oranı hesaplama ve model iyileştirmeleri
Demo: Power BI’daki tahminsel analiz araçlarını kullanarak çalışan churn tahminini görselleştirme.
Modül 11 : Performans Analizi için Makine Öğrenimi
Çalışan Performansı İçin Modelleme
Çalışan performansını tahmin etme
Başarı faktörlerinin modellenmesi
İK İhtiyaçları İçin Makine Öğrenimi Modelleri
Veriye dayalı karar alma süreçleri
Model Sonuçlarının İşe Alınması
Sonuçları HR süreçlerine entegre etme
Demo: Çalışanların geçmiş başarılarına dayanarak gelecekteki performanslarını tahmin eden bir model oluşturma (Python’dan alınan sonuçların Power BI ile entegrasyonu).
Modül 12 : Zaman Serileri Analizi
Zaman Serileri Analizi
Trend Analizi (Hareketli ortalamalar)
Trend Analizi (En küçük kareler yöntemi)
Standart Hata
Modül 13 : Karar Teorisi
Karar Teorisi
Belirsizlik Altında Karar Verme
Risk Altında Karar Verme
Tam Bilginin Beklenen Değeri
Karar Ağacı
ÖN KOŞUL EĞİTİMLERİ
Bu eğitime katılmak isteyenlerin, öncesinde aşağıdaki eğitimleri almış olmaları gerekmektedir.
YORUMLAR
Eğitimin yorumları yoktur.