Bezpieczeństwo pracowników

HR Analytics: analiza danych pracowniczych w R

Ben Teusch

HR Analytics Consultant

Bezpieczeństwo pracowników

Dlaczego bezpieczeństwo jest ważne?

  • troska o pracowników
  • mniejsza rotacja
  • niższe koszty odszkodowań i obsługi prawnej
HR Analytics: analiza danych pracowniczych w R

Łączenie z użyciem dwóch kluczy

accident_data
    year employee_id   accident_time
 1  2017           1         Morning
 2  2016           4       Afternoon
hr_data
    year employee_id    location
 1  2016           1   Northwood
 2  2017           1   Northwood

joined_data <- left_join(hr_data, safety_data, by = c("year", "employee_id"))

joined_data
    year employee_id    location   accident_time
 1  2016           1   Northwood            <NA>
 2  2017           1   Northwood         Morning
HR Analytics: analiza danych pracowniczych w R

Praca z wartościami NA

joined_data
    year employee_id    location   accident_time
 1  2016           1   Northwood            <NA>
 2  2017           1   Northwood         Morning
joined_data %>%
   filter(accident_time == NA)   # no results

joined_data %>% filter(is.na(accident_time)) # use is.na() instead
     year employee_id    location  accident_type
 1   2016           1   Northwood           <NA>
HR Analytics: analiza danych pracowniczych w R

Dlaczego używać `is.na()`?

5 == 5
TRUE
NA == NA
NA
is.na(NA)
TRUE
HR Analytics: analiza danych pracowniczych w R

Czas na ćwiczenia!

HR Analytics: analiza danych pracowniczych w R

Preparing Video For Download...