Аномалии в данных
Аномалии в данных.
Аномалии, или «выбросы» — это значительные отклонения от тренда.
🌺 Причины аномалий могут быть:
* ошибки в данных, и тогда надо искать причину и устранять ее в источнике данных.
* объективные внешние причины, и тогда это инсайты, которые нам очень интересны.
Далее тему поясняет мой коллега, hr-аналитик, Артемий Молоснов.
🌺 Аномалия может быть:
* в каком-то конкретном месте, или аномалия относительно контекста. Например, рост текучести сразу после выплаты годового бонуса.
* в нескольких показателях сразу – текучесть, отказы от офферов и зарплатные ожидания на конкретную позицию. Например, вышла какая-то негативная новость о нашей компании и брэнд работодателя резко пошел вниз.
🌺 Методы выявления (детектирования) аномалий могут быть:
* визуальные (осмотр ряда данных, графиков и диаграмм, условное форматирование)
* статистические (например, через стандартное отклонение, разницу между процентилями и т.п.)
* машинное обучение (метод DBSCAN и подобное)
* Продолжение следует. (https://t.me/whrdata/134)..