## # A tibble: 6 × 29
##   City   Num   TM         Prof_age Outside_lokus Inside_lokus Faireness Not_care
##   <chr>  <chr> <chr>         <dbl>         <dbl>        <dbl> <chr>        <dbl>
## 1 Москва 1869  Амельченк…        6           0.4          0.6 1                2
## 2 Москва 1806  Амельченк…        0           0.1          0.9 1                2
## 3 Москва 966   Амельченк…        1           0.8          0.2 0                1
## 4 Москва 927   Амельченк…        3           0.4          0.6 1                2
## 5 Москва 2272  Амельченк…        1           0.2          0.8 1                2
## 6 Москва 1857  Амельченк…        1           0.3          0.7 1                2
## # … with 21 more variables: Positive_minding <dbl>, Flexibility <dbl>,
## #   Customer_oriented <dbl>, Structure <dbl>, Organisation <dbl>,
## #   Change_speed <dbl>, Emotional_stability <dbl>, Communication <dbl>,
## #   Turnover <chr>, Favourite <dbl>, Worker_estimate <dbl>,
## #   Shop_estimate <dbl>, Check_lists <dbl>, Complaint <dbl>, Work_age <dbl>,
## #   Coverage <dbl>, Insight <dbl>, Extra_pay_for_road <dbl>,
## #   Num_of_practicants <dbl>, Share_of_cards <dbl>, Absenteism_level <dbl>

Что мы анализируем?

Были собраны данные за 2022 год с целью выявить значимые переменные для определения факторов, влияющих на “выгорание” ДМ. Для анализа были взяты данные опроса, проведенные в Москве и Санкт-Петербургу. В качестве объясняемых переменных были отобраны следующие факторы:

ПЕРВЫЙ ТИП ОЦЕНОК - СУБЪЕКТИВНЫЕ

  • Профессиональный фозраст

  • Внутренний локус

  • Внешний локус

  • Не все равно

  • Позитивное мышление

  • Гибкость

  • Клиентоориентированность

  • Структурность

  • Орг.способности

  • Способность быстро перестроиться в соотв-и с ситуацией

  • Эмоциональная стабильность

  • Коммуник-я компетентность

ВТОРОЙ ТИП ОЦЕНОК ОБЪЕКТИВНЫЕ

  • Текучесть

  • Любимые(кол-во) - количество постоянных сотрудников

  • Оценка работника

  • Оценка магазина

  • Чек_листы

  • Количество жалоб

  • Стаж ДМ

  • % Покрытия

  • % Потери

  • Доплата за дорогу

  • Количество стажеров

  • Доля карт лояльности

  • Неявки

Корелляционный анализ

Видим, что корреляционный анализ выделяет именно субъективные метрики.

Рассмотрим подробнее:

У тех признаков, где была выявлена корреляция посмотрим на рраспределение и уровень силы :

Выводы:

При логичном разделении метрик на объективные и субъективные было выявленно, что такие метрики, как текучесть, стаж работы, доля карт лояльности и чек-листы не коррелируют ни с одной субъективной оценкой, поставдленной проверяющим ДМ. Из чего мы делаем вывод, что проверяющие в первыю очередь оценивают психо-морадльное осстояние директоров, а не качество работы.

Была найдена лишь одна корреляционная связь между Стажем и отношением ДМ (вопрос- мне не все равно).С каждым годом увеличения стажа оценка сотрудника на этот вопрос снижается на 0,15.

Регрессионное исследование и модели машинного обучения:

Дерево решенний: Предсказываем процент потерь

Cамые важные метрики для предсказания текучести:

Покрытие заявок

Cамые важные метрики для предсказания покрытия заявок:

Посмотрим на профессиональный возраст ДМ (Что на него влияет?)

Вместо предсказания результата возраста по другим метрикам применим теорию кластеров - посмотрим, какие признаки форрмируют те или иные группы ДМ.При хорошем разбиении мы сможем увидеть разницу.

При попытке рассмотреть характеристики выделенных кластеров продавцов можно рассмотреть 3 большие группы,разделяемые несколькими признаками: Чек-листы, доля карт лояльности и Вопрос- мне не все равно.Именно по этим трем вопросам формируется три основные группы наших ДМ.

Оптимальное количество профессиональных возростов - 3.

Выводы:

Оценки при опросе ДМ субъектины и не связаны с показателями магазина, в котором работает ДМ.

Оценки, поставленные проверяющими сильно кореелируют, что означает общую линию оценки продавца. То есть либо все плохо, либо все хорошо.

Оценки показателей магазина напротив имеют влияние на другие показатели магазина и несубъективные показатели продавца (его стаж):

На текучесть в магазине влияет Доля покупок с картой лояльноти и Стаж ДМ, а также оценка по Чек-листам.

На покрытие заявок влияет текучесть и Внутренний локус.Влияние в двух случаях небольшое, но в тоже время статистически значимое.Город не влияет на покрытие и текучесть.

Профессиональный возраст, который также был назван субъективной оценкой можно разделить не на 7, а на три группы. По текучести, Вовлеченности ( Мне не все равно) и доле выданных карт лояльности. Самый низкий показатель - имеет высокую текучесть, низкий уровень вовлеченности и низкий процент доли карт лояльности.Вторая группа соответственно имеет показатели получше и третья самая высокая группа.Причем точные границы этих трех объясняющих переменных распределены примерно так:

Текучесть (1 ГРУППА > 25 %; 2 Группа от 15-15% и 3 Группа <15 %)

Чек листы (1 ГРУППА < 27; 2 Группа от 28-30 и 3 Группа > 30)

Доля карт лояльности (1 ГРУППА < 71 % ; 2 Группа от 72 до 84% и 3 Группа более 85% ).