Темные данные в профайлинге. Часть 2.
Начало здесь.
ТИП 9. Обобщение данных.
Обобщение данных по определению означает отбрасывание деталей.
Если вы учитываете только средние значения любого параметра, то это не дает никакой информации о диапазоне всех данных или об асимметрии их распределения. Среднее значение может скрыть тот факт, что некоторые значения могут очень сильно от него отличаться. В то же время обобщение может скрывать и тот факт, что все значения идентичны.
ТИП 10. Ошибки измерения и неопределенность.
Ошибки измерения изучаемых значений часто приводят к ошибочным выводам. Часто мы изучаем параметры, которые нельзя измерить непосредственно, и приходится пользоваться косвенными или опосредованными вычислениями. Например, при измерении кожно-гальванической реакции при инструментальной детекции лжи низкое качество самого электрода, который используется для фиксации параметров может серьезно исказить результат.
ТИП 11. Искажения обратной связи и уловки.
Этот тип данных возникает, когда собранные значения начинают влиять на исходный процесс. Например, в процессе оценки человека, получив какую-то часть информации, вы уже понимаете, к какому выводу вы, скорее всего, придете. И после этого качество вашего анализа второй половины данных существенно снижается. Или еще один пример – если все говорят, что этот пользователь, например, истероид, то возникает соблазн их послушать и это также снизит качество вашего анализа.
ТИП 12. Информационная асимметрия.
Информационная асимметрия возникает, когда один и тот же набор данных анализируют эксперты с разным уровнем подготовки и информированности.
Понятно, что если одну и ту же информацию анализируют эксперты разной подготовки (не говоря еще о их предвзятостях), то результаты этих анализов будут существенно отличаться.
ТИП 13. Намеренно затемненные данные.
Они наблюдаются, когда люди намеренно скрывают данные или манипулируют ими с целью обмана или введения в заблуждение. Возможностей для примеро здксь огромное количество: мы можем сознательно отбрасывать неугодную для нас информацию или часть данных, для того, чтобы сознать желаемое впечатление от этой информации и повлиять на дальнейшие выводы и поведение.
ТИП 14. Фальшивые и синтетические данные.
Сфальсифицированные или специально созданные данные с целью введения в заблуждение. Однако такие наборы данных создаются не только для мошенничества, но и с исследовательской задачей: существует метод симуляции, когда генерируются искусственные наборы данных, которые могли возникнуть в результате изучаемого процесса, а также другие методы, использующие репликацию данных, например методы бутстреппинга, бустинга и сглаживания. Современные статистические инструменты широко используют такие идеи, но их некачественная репликация может привести к ошибочным выводам.
ТИП 15. Экстраполяция за пределы ваших данных.
Наборы данных всегда конечны. Это означает, что они имеют максимальное и минимальное значения, за пределами которых лежит неизвестность. Заявление о возможных значениях выше максимума или ниже минимума в наборе данных требует выдвижения предположений или получения информации из какого-то другого источника. Более того, экстраполяция имеющихся данных на другой контекст или события имеет свои известные ограничения и требует крайней осторожности.
#анализданных, #аналитика, #BigData, #информация, #статистика, #психотип, #КИ, #мэтры, #профайлинг_филатов, #ProProfiling
Начало здесь.
ТИП 9. Обобщение данных.
Обобщение данных по определению означает отбрасывание деталей.
Если вы учитываете только средние значения любого параметра, то это не дает никакой информации о диапазоне всех данных или об асимметрии их распределения. Среднее значение может скрыть тот факт, что некоторые значения могут очень сильно от него отличаться. В то же время обобщение может скрывать и тот факт, что все значения идентичны.
ТИП 10. Ошибки измерения и неопределенность.
Ошибки измерения изучаемых значений часто приводят к ошибочным выводам. Часто мы изучаем параметры, которые нельзя измерить непосредственно, и приходится пользоваться косвенными или опосредованными вычислениями. Например, при измерении кожно-гальванической реакции при инструментальной детекции лжи низкое качество самого электрода, который используется для фиксации параметров может серьезно исказить результат.
ТИП 11. Искажения обратной связи и уловки.
Этот тип данных возникает, когда собранные значения начинают влиять на исходный процесс. Например, в процессе оценки человека, получив какую-то часть информации, вы уже понимаете, к какому выводу вы, скорее всего, придете. И после этого качество вашего анализа второй половины данных существенно снижается. Или еще один пример – если все говорят, что этот пользователь, например, истероид, то возникает соблазн их послушать и это также снизит качество вашего анализа.
ТИП 12. Информационная асимметрия.
Информационная асимметрия возникает, когда один и тот же набор данных анализируют эксперты с разным уровнем подготовки и информированности.
Понятно, что если одну и ту же информацию анализируют эксперты разной подготовки (не говоря еще о их предвзятостях), то результаты этих анализов будут существенно отличаться.
ТИП 13. Намеренно затемненные данные.
Они наблюдаются, когда люди намеренно скрывают данные или манипулируют ими с целью обмана или введения в заблуждение. Возможностей для примеро здксь огромное количество: мы можем сознательно отбрасывать неугодную для нас информацию или часть данных, для того, чтобы сознать желаемое впечатление от этой информации и повлиять на дальнейшие выводы и поведение.
ТИП 14. Фальшивые и синтетические данные.
Сфальсифицированные или специально созданные данные с целью введения в заблуждение. Однако такие наборы данных создаются не только для мошенничества, но и с исследовательской задачей: существует метод симуляции, когда генерируются искусственные наборы данных, которые могли возникнуть в результате изучаемого процесса, а также другие методы, использующие репликацию данных, например методы бутстреппинга, бустинга и сглаживания. Современные статистические инструменты широко используют такие идеи, но их некачественная репликация может привести к ошибочным выводам.
ТИП 15. Экстраполяция за пределы ваших данных.
Наборы данных всегда конечны. Это означает, что они имеют максимальное и минимальное значения, за пределами которых лежит неизвестность. Заявление о возможных значениях выше максимума или ниже минимума в наборе данных требует выдвижения предположений или получения информации из какого-то другого источника. Более того, экстраполяция имеющихся данных на другой контекст или события имеет свои известные ограничения и требует крайней осторожности.
#анализданных, #аналитика, #BigData, #информация, #статистика, #психотип, #КИ, #мэтры, #профайлинг_филатов, #ProProfiling
Telegram
Профайлинг, нейротехнологии и детекции лжи
Темные данные в профайлинге. Часть 1.
Темные данные – это определение, данное информации, которая не является полной, достоверной и точно относящейся к конкретной интересующей вас теме.
Понятие темных данных возникло из аналогии с другим физическим термином…
Темные данные – это определение, данное информации, которая не является полной, достоверной и точно относящейся к конкретной интересующей вас теме.
Понятие темных данных возникло из аналогии с другим физическим термином…
❤19👍9
Прогностика и предиктивная аналитика, часть 2.
Собственно, что почитать на ближайшие праздники и выходные?
Тема сегодняшней подборки - предиктивная аналитика и прогностика: важнейшая и моя любимая ветвь профайлинга.
Я люблю тему прогностики и трендов потому, что такая литература всегда заставляет задать себе вопрос: "а верной ли мы дорогой идем, товарищи? и не повернули ли мы назад?" Как вы понимаете, эти вопросы прямо сейчас актуальны как никогда.
Напоминаю, что на все эти книги у вас скидка 10%.
Подборка книг по эмоциям здесь.
Подборка книг по нейробиологии, часть 1.
Подборка книг по нейробиологии, часть 2.
Подборка книг по предиктивной аналитике и прогностике, часть 1.
Итак: предиктивная аналитика и прогностика, часть 2.
1. Фактологичность. Десять причин наших заблуждений о мире – и почему все не так плохо, как кажется. Анна Рослинг Рённлунд, Ула Рослинг, Ханс Рослинг.
Книга с аннотациями Билла Гейтса и Барака Обамы посвящена тома, как анализировать шумные данные в самых разнообразных ситуациях. Непростая, но содержательная.
2. Почему. Руководство по поиску причин и принятию решений. Саманта Клейнберг.
Содержательная, но для многих непростая книга по определению причинно-следственных и других связей между событиями.
3. Как не ошибаться. Сила математического мышления. Джордан Элленберг
Отличная объемная книга, в которой основной акцент сделан на статистику и теорию вероятности, работу в ситуации неопределенности.
4. Теория игр. Искусство стратегического мышления в бизнесе и жизни. Барри Дж. Нейлбафф, Авинаш Диксит.
Классическая, хоть и довольно древняя (2008) книга о теории вероятностей и игр при принятии решений. Содержательно, объемно и нескучно. В сравнении с другими - просто)).
5. Неизбежно. 12 технологических трендов, которые определяют наше будущее. Кевин Келли.
Большинство книг о трендах содержат довольно много воды и весьма дискуссионные. Эта - одна из лучших по теме. Не бе вопросов, но ОК.
6. 2030. Как современные тренды влияют друг на друга и на наше будущее. Мауро Гильен.
Книга издана в доковидную эпоху и не учитывает этого тренда. Но во всем остальном - сильна и системна.
7. Мегатренды. Как предсказывать грядущие тенденции и видеть то, что упускают другие. Рохит Бхаргава.
Книга на стыке прогностики, креативного мышления и трендологии. Хорошая и содержательная.
8. Будущее быстрее, чем вы думаете. Как технологии меняют бизнес, промышленность и нашу жизнь. Стивен Котлер, Питер Диамандис.
Книга про тренды в бизнесе, промышленности и социальных технологиях. Заставляет задуматься.. Рекомендую ообенно руководителям.
9. Вероятности и неприятности. Математика повседневной жизни. Сергей Самойленко.
Хорошая и совсем недавно вышедшая книга по математическому мышлению и статистике. Но для большинства покажется сложной.
10. Игра случая. Математика и мифология совпадения. Джозеф Мазур.
Самая простая, легенькая и тоненькая из всего этого списка)). Если вы вообще не в теме - то лучше не найти.
Посмотреть весь список можно здесь
#книги, #рекомендации, #новинки, #мэтры, #будущее, #прогностика, #аналитика, #BigData, #профайлинг_филатов, #Proprofiling
Собственно, что почитать на ближайшие праздники и выходные?
Тема сегодняшней подборки - предиктивная аналитика и прогностика: важнейшая и моя любимая ветвь профайлинга.
Я люблю тему прогностики и трендов потому, что такая литература всегда заставляет задать себе вопрос: "а верной ли мы дорогой идем, товарищи? и не повернули ли мы назад?" Как вы понимаете, эти вопросы прямо сейчас актуальны как никогда.
Напоминаю, что на все эти книги у вас скидка 10%.
Подборка книг по эмоциям здесь.
Подборка книг по нейробиологии, часть 1.
Подборка книг по нейробиологии, часть 2.
Подборка книг по предиктивной аналитике и прогностике, часть 1.
Итак: предиктивная аналитика и прогностика, часть 2.
1. Фактологичность. Десять причин наших заблуждений о мире – и почему все не так плохо, как кажется. Анна Рослинг Рённлунд, Ула Рослинг, Ханс Рослинг.
Книга с аннотациями Билла Гейтса и Барака Обамы посвящена тома, как анализировать шумные данные в самых разнообразных ситуациях. Непростая, но содержательная.
2. Почему. Руководство по поиску причин и принятию решений. Саманта Клейнберг.
Содержательная, но для многих непростая книга по определению причинно-следственных и других связей между событиями.
3. Как не ошибаться. Сила математического мышления. Джордан Элленберг
Отличная объемная книга, в которой основной акцент сделан на статистику и теорию вероятности, работу в ситуации неопределенности.
4. Теория игр. Искусство стратегического мышления в бизнесе и жизни. Барри Дж. Нейлбафф, Авинаш Диксит.
Классическая, хоть и довольно древняя (2008) книга о теории вероятностей и игр при принятии решений. Содержательно, объемно и нескучно. В сравнении с другими - просто)).
5. Неизбежно. 12 технологических трендов, которые определяют наше будущее. Кевин Келли.
Большинство книг о трендах содержат довольно много воды и весьма дискуссионные. Эта - одна из лучших по теме. Не бе вопросов, но ОК.
6. 2030. Как современные тренды влияют друг на друга и на наше будущее. Мауро Гильен.
Книга издана в доковидную эпоху и не учитывает этого тренда. Но во всем остальном - сильна и системна.
7. Мегатренды. Как предсказывать грядущие тенденции и видеть то, что упускают другие. Рохит Бхаргава.
Книга на стыке прогностики, креативного мышления и трендологии. Хорошая и содержательная.
8. Будущее быстрее, чем вы думаете. Как технологии меняют бизнес, промышленность и нашу жизнь. Стивен Котлер, Питер Диамандис.
Книга про тренды в бизнесе, промышленности и социальных технологиях. Заставляет задуматься.. Рекомендую ообенно руководителям.
9. Вероятности и неприятности. Математика повседневной жизни. Сергей Самойленко.
Хорошая и совсем недавно вышедшая книга по математическому мышлению и статистике. Но для большинства покажется сложной.
10. Игра случая. Математика и мифология совпадения. Джозеф Мазур.
Самая простая, легенькая и тоненькая из всего этого списка)). Если вы вообще не в теме - то лучше не найти.
Посмотреть весь список можно здесь
#книги, #рекомендации, #новинки, #мэтры, #будущее, #прогностика, #аналитика, #BigData, #профайлинг_филатов, #Proprofiling
👍31❤6
Сегодня общался по делам с департаментом безопасности крупного уважаемого банка, и мне сказали, что мол, Алексей, странно, что вы у себя в канале так мало пишите о своем великолепном модуле автоматизированного профайлинга ProfileCenter.
Я посмотрел – и действительно. ОК, тогда напомню. Напомню, что наш модуль профайлинга ProfileCenter – единственный в мире программный комплекс автоматизированного профайлинга, созданный для корпоративных клиентов автоматически создающий подробный психологический портрет на основе анализа цифрового следа. Это позволяет эффективно оценивать риски в области кадровой, экономической и информационной безопасности и при необходимости опережающе реагировать на них.
Наше решение имеет ряд наград и премий, среди наших клиентов – крупнейшие компании РФ, которым наша аналитика позволяет укрепить контур корпоративной безопасности и избежать информационных утечек. А это, как вы скорее всего слышали, сейчас очень актуально.
В этом и заключается моя ежедневная практика профайлинга. И если кто-то на островах или активно ведущий какие-то тренинги говорит, что, мол он практик, а все остальные – нет…. то все скорее наоборот.
На картинках один из образцов нашей аналитики.
#профайлинг, #цифровойпрофайлинг, #кадровыйпрофайлинг, #HRпрофайлинг, #инновации, #искусственныйинтеллект, #ProfileCenter, #аналитика, #безопасность,
#СерчИнформ, #ProProfiling
Я посмотрел – и действительно. ОК, тогда напомню. Напомню, что наш модуль профайлинга ProfileCenter – единственный в мире программный комплекс автоматизированного профайлинга, созданный для корпоративных клиентов автоматически создающий подробный психологический портрет на основе анализа цифрового следа. Это позволяет эффективно оценивать риски в области кадровой, экономической и информационной безопасности и при необходимости опережающе реагировать на них.
Наше решение имеет ряд наград и премий, среди наших клиентов – крупнейшие компании РФ, которым наша аналитика позволяет укрепить контур корпоративной безопасности и избежать информационных утечек. А это, как вы скорее всего слышали, сейчас очень актуально.
В этом и заключается моя ежедневная практика профайлинга. И если кто-то на островах или активно ведущий какие-то тренинги говорит, что, мол он практик, а все остальные – нет…. то все скорее наоборот.
На картинках один из образцов нашей аналитики.
#профайлинг, #цифровойпрофайлинг, #кадровыйпрофайлинг, #HRпрофайлинг, #инновации, #искусственныйинтеллект, #ProfileCenter, #аналитика, #безопасность,
#СерчИнформ, #ProProfiling
👍53
На прошлой неделе было довольно много дел, что даже ничего не успевал опубликовать в канале. Исправляюсь.
Сегодня общался по делам с департаментом безопасности крупного уважаемого банка, и мне сказали, что мол, Алексей, странно, что вы у себя в канале так мало пишите о своем великолепном модуле автоматизированного профайлинга ProfileCenter.
Я посмотрел – и действительно. ОК, тогда напомню. Напомню, что наш модуль профайлинга ProfileCenter – единственный в мире программный комплекс автоматизированного профайлинга, созданный для корпоративных клиентов автоматически создающий подробный психологический портрет на основе анализа цифрового следа. Это позволяет эффективно оценивать риски в области кадровой, экономической и информационной безопасности и при необходимости опережающе реагировать на них.
Наше решение имеет ряд наград и премий, среди наших клиентов – крупнейшие компании РФ, которым наша аналитика позволяет укрепить контур корпоративной безопасности и избежать информационных утечек. А это, как вы скорее всего слышали, сейчас очень актуально.
В этом и заключается моя ежедневная практика профайлинга. И если кто-то на островах или активно ведущий какие-то тренинги говорит, что, мол он практик, а все остальные – нет…. то все скорее наоборот.
На картинках один из образцов нашей аналитики.
#профайлинг, #цифровойпрофайлинг, #кадровыйпрофайлинг, #HRпрофайлинг, #инновации, #искусственныйинтеллект, #ProfileCenter, #аналитика, #безопасность,
#СерчИнформ, #ProProfiling
Сегодня общался по делам с департаментом безопасности крупного уважаемого банка, и мне сказали, что мол, Алексей, странно, что вы у себя в канале так мало пишите о своем великолепном модуле автоматизированного профайлинга ProfileCenter.
Я посмотрел – и действительно. ОК, тогда напомню. Напомню, что наш модуль профайлинга ProfileCenter – единственный в мире программный комплекс автоматизированного профайлинга, созданный для корпоративных клиентов автоматически создающий подробный психологический портрет на основе анализа цифрового следа. Это позволяет эффективно оценивать риски в области кадровой, экономической и информационной безопасности и при необходимости опережающе реагировать на них.
Наше решение имеет ряд наград и премий, среди наших клиентов – крупнейшие компании РФ, которым наша аналитика позволяет укрепить контур корпоративной безопасности и избежать информационных утечек. А это, как вы скорее всего слышали, сейчас очень актуально.
В этом и заключается моя ежедневная практика профайлинга. И если кто-то на островах или активно ведущий какие-то тренинги говорит, что, мол он практик, а все остальные – нет…. то все скорее наоборот.
На картинках один из образцов нашей аналитики.
#профайлинг, #цифровойпрофайлинг, #кадровыйпрофайлинг, #HRпрофайлинг, #инновации, #искусственныйинтеллект, #ProfileCenter, #аналитика, #безопасность,
#СерчИнформ, #ProProfiling
👍18🎉2❤1🔥1
Ненадолго вернусь к моей теме на МКС «Инновации в профайлинге и кадровой оценке». Экопси опубликовала новую интересную аналитику касательно этого.
Посмотрите картинки.
Во-первых, появились интересные данные 2023 года, опровергающие знаменитый метаанализ Шмидта 2016 года. В частности, существенно снижены доказательные показатели валидности структурированного интервью (с 0,58 до 0,42), тесты знаний (с 0,48 до 0,4), тесты способностей (с 0,65 до 0,31), опросники благонадежности (с 0,46 до 0,31) и особенно неструктурированного интервью (с 0,58 до драматических 0,19).
Во-вторых, радует хорошие корреляции автоматизированной оценки видео-интервью ИИ с оценкой человека. Уровень корреляции определяется в промежутке между 0,3 до 0,7. Это хорошие показатели и хорошие новости.
В-третьих, большой проблемой признан обман на интервью и при прохождении опросников. В интервью обманывают до 90% интервьюируемых. И рекрутеры этот обман не видят. Я об этом уже писал несколько раз. Знания по профайлингу во многом решает эту задачу.
В-четвертых, доказано, что короткие тесты и исследования – не годятся. Они неточны. Так же как и не годятся длинные и объемные исследования – они просто не добавляют точности. Правда где-то посередине.
#HR, #исследования, #аналитика, #профайлинг
Посмотрите картинки.
Во-первых, появились интересные данные 2023 года, опровергающие знаменитый метаанализ Шмидта 2016 года. В частности, существенно снижены доказательные показатели валидности структурированного интервью (с 0,58 до 0,42), тесты знаний (с 0,48 до 0,4), тесты способностей (с 0,65 до 0,31), опросники благонадежности (с 0,46 до 0,31) и особенно неструктурированного интервью (с 0,58 до драматических 0,19).
Во-вторых, радует хорошие корреляции автоматизированной оценки видео-интервью ИИ с оценкой человека. Уровень корреляции определяется в промежутке между 0,3 до 0,7. Это хорошие показатели и хорошие новости.
В-третьих, большой проблемой признан обман на интервью и при прохождении опросников. В интервью обманывают до 90% интервьюируемых. И рекрутеры этот обман не видят. Я об этом уже писал несколько раз. Знания по профайлингу во многом решает эту задачу.
В-четвертых, доказано, что короткие тесты и исследования – не годятся. Они неточны. Так же как и не годятся длинные и объемные исследования – они просто не добавляют точности. Правда где-то посередине.
#HR, #исследования, #аналитика, #профайлинг
🔥12❤2👍2
Молодые таланты.pdf
24.5 MB
InForce совместно с АльфаБанком выпустило хорошую аналитику о паттернах поведения, вызовах, привычках и актуальных запросах для развития молодых специалистов.
Посмотрите, если вы занимаетесь кадровой работой или работой с молодыми специалистами.
Основные вопросы на которые отвечает отчет:
Каковы ключевые потребности молодых специалистов?
Ценят человечное лидерство, стремятся работать в удовольствие, искать реализацию своего потенциала и ощущать себя частью команды
Какие рекомендации для привлечения и удержания молодых сотрудников?
Создайте психологически безопасную культуру труда, предлагайте карьерную мобильность, творческие возможности и обеспечьте соответствие внутренней культуры внешнему позиционированию
Какие основные вызовы стоят перед работодателями при работе с молодыми талантами?
Дефицит вакансий, снижение численности молодежи, демографическая яма и необходимость внедрения нестандартных решений
В чем особенности поколения зумеров?
Быстро адаптируются к изменениям, предпочитают гибкие графики работы и часто нуждаются в ментальной поддержке
Как построить win-win отношения с зумерами?
Уделяйте внимание обратной связи, синхронизируйте ожидания, создавайте диалог в команде и поддерживайте на всех этапах карьеры
Как помочь молодым специалистам реализовать свой потенциал? Предоставляйте возможность участвовать в масштабных проектах, регулярно давайте обратную связь и обеспечивайте прозрачность целей и коммуникаций
Какие стереотипы мешают работодателям эффективно работать с молодежью?
Стереотипы о том, что молодым специалистам важны только деньги, они не готовы к долгосрочной работе в компании, и что они работают только на личный бренд
Какую роль играют менторы в карьере молодых сотрудников?
Наставничество значительно увеличивает удержание талантов, помогает молодым сотрудникам адаптироваться и развиваться в компании
Каков внешний контекст, влияющий на рынок труда для молодых специалистов?
Санкции, геополитическая неопределенность, импортозамещение и замедление роста экономики требуют от компаний гибкости и инновационных подходов.
#аналитика, #HR, #кадры, #зумеры, #кадровыйпрофайлинг
Посмотрите, если вы занимаетесь кадровой работой или работой с молодыми специалистами.
Основные вопросы на которые отвечает отчет:
Каковы ключевые потребности молодых специалистов?
Ценят человечное лидерство, стремятся работать в удовольствие, искать реализацию своего потенциала и ощущать себя частью команды
Какие рекомендации для привлечения и удержания молодых сотрудников?
Создайте психологически безопасную культуру труда, предлагайте карьерную мобильность, творческие возможности и обеспечьте соответствие внутренней культуры внешнему позиционированию
Какие основные вызовы стоят перед работодателями при работе с молодыми талантами?
Дефицит вакансий, снижение численности молодежи, демографическая яма и необходимость внедрения нестандартных решений
В чем особенности поколения зумеров?
Быстро адаптируются к изменениям, предпочитают гибкие графики работы и часто нуждаются в ментальной поддержке
Как построить win-win отношения с зумерами?
Уделяйте внимание обратной связи, синхронизируйте ожидания, создавайте диалог в команде и поддерживайте на всех этапах карьеры
Как помочь молодым специалистам реализовать свой потенциал? Предоставляйте возможность участвовать в масштабных проектах, регулярно давайте обратную связь и обеспечивайте прозрачность целей и коммуникаций
Какие стереотипы мешают работодателям эффективно работать с молодежью?
Стереотипы о том, что молодым специалистам важны только деньги, они не готовы к долгосрочной работе в компании, и что они работают только на личный бренд
Какую роль играют менторы в карьере молодых сотрудников?
Наставничество значительно увеличивает удержание талантов, помогает молодым сотрудникам адаптироваться и развиваться в компании
Каков внешний контекст, влияющий на рынок труда для молодых специалистов?
Санкции, геополитическая неопределенность, импортозамещение и замедление роста экономики требуют от компаний гибкости и инновационных подходов.
#аналитика, #HR, #кадры, #зумеры, #кадровыйпрофайлинг
👍33🔥8❤4
ИИ, предсказывающий преступления
Тематические профессиональные чаты активно обсуждают новости о том, что в Южной Корее представили искусственный интеллект (далее – ИИ), способный предсказывать преступления.
Тема интересная и актуальная, тем более что мы здесь ее уже обсуждали.
Суть простая – система способна анализировать видеозаписи с городских камер и в реальном времени оценивать риски совершения преступлений. Система учится на основе видеозаписей, набора поведенческих факторов и статистики. Также эта статистика учитывает и криминальную составляющую – где, как, сколько, когда и какие были зарегистрированы преступления. Используя набор данных, связанных с прошлыми криминальными записями и статистикой, связанной с преступностью, ИИ Dejaview автоматически анализирует записи видеонаблюдения в реальном времени, чтобы сравнивать и измерять текущие ситуации и их сходства с прошлыми криминальными ситуациями.
ИИ «скормили» почти 33.000 видеозаписей и по ним научили классифицировать криминальное поведение людей на улице. Как только риск того или иного события критически возрастает, система рекомендует направить дежурный отряд полиции в определенное место.
Что я могу сказать на эту тему?
Сегодня это уже не удивительно. Более того, я еще в 2021 году в Израиле тестировал подобную систему, отлично умеющую (еще в 2021 году) классифицировать криминальное поведение на улице, автоматически их фиксировать и сообщать полиции. И, судя по всему, функционал Сorsight до сих пор как минимум не хуже того, что представили корейцы.
Тем не менее, тема с ИИ, как я постоянно и говорю, в том числе и в профайлинге будет расширяться. А такие и подобные системы есть не только в Корее, но и в Израиле, США, Китае (1, 2) и у нас. Это еще конец 10х-начало 20хх и это совсем не секрет. Так что корейцы в этом плане – догоняющие и совсем не первые. Но вот хорошо это или плохо - судите сами).
#технологии, #ИИ, #профайлинг, #BigBrother, #криминалистика, #аналитика
Тематические профессиональные чаты активно обсуждают новости о том, что в Южной Корее представили искусственный интеллект (далее – ИИ), способный предсказывать преступления.
Тема интересная и актуальная, тем более что мы здесь ее уже обсуждали.
Суть простая – система способна анализировать видеозаписи с городских камер и в реальном времени оценивать риски совершения преступлений. Система учится на основе видеозаписей, набора поведенческих факторов и статистики. Также эта статистика учитывает и криминальную составляющую – где, как, сколько, когда и какие были зарегистрированы преступления. Используя набор данных, связанных с прошлыми криминальными записями и статистикой, связанной с преступностью, ИИ Dejaview автоматически анализирует записи видеонаблюдения в реальном времени, чтобы сравнивать и измерять текущие ситуации и их сходства с прошлыми криминальными ситуациями.
ИИ «скормили» почти 33.000 видеозаписей и по ним научили классифицировать криминальное поведение людей на улице. Как только риск того или иного события критически возрастает, система рекомендует направить дежурный отряд полиции в определенное место.
Что я могу сказать на эту тему?
Сегодня это уже не удивительно. Более того, я еще в 2021 году в Израиле тестировал подобную систему, отлично умеющую (еще в 2021 году) классифицировать криминальное поведение на улице, автоматически их фиксировать и сообщать полиции. И, судя по всему, функционал Сorsight до сих пор как минимум не хуже того, что представили корейцы.
Тем не менее, тема с ИИ, как я постоянно и говорю, в том числе и в профайлинге будет расширяться. А такие и подобные системы есть не только в Корее, но и в Израиле, США, Китае (1, 2) и у нас. Это еще конец 10х-начало 20хх и это совсем не секрет. Так что корейцы в этом плане – догоняющие и совсем не первые. Но вот хорошо это или плохо - судите сами).
#технологии, #ИИ, #профайлинг, #BigBrother, #криминалистика, #аналитика
Tech Xplore
Korean researchers develop AI CCTVs to detect, predict criminal activities
A Korean research team has succeeded in developing a technology that can detect and predict signs of criminal activities utilizing real-time CCTVs and AI technology. With this new technology, CCTV is ...
👍13❤8🔥8
ТИП 8. Неверно определяемые данные.
Различные определения, даже профессиональные могут быть противоречивыми или со временем меняться.
Если мы, например, читаем метанализ посвященный невербальным признакам обмана, но у нас нет уверенности, что все авторы, которые попали в группу анализа, одинаково понимают, что такое «закрытые жесты» или «строгий голос», то гарантии того, что данные метанализа будут корректными, нет.
#анализданных, #аналитика, #BigData, #информация, #статистика, #психотип, #КИ, #мэтры, #профайлинг_филатов, #ProProfiling
Различные определения, даже профессиональные могут быть противоречивыми или со временем меняться.
Если мы, например, читаем метанализ посвященный невербальным признакам обмана, но у нас нет уверенности, что все авторы, которые попали в группу анализа, одинаково понимают, что такое «закрытые жесты» или «строгий голос», то гарантии того, что данные метанализа будут корректными, нет.
#анализданных, #аналитика, #BigData, #информация, #статистика, #психотип, #КИ, #мэтры, #профайлинг_филатов, #ProProfiling
👍21🤔2
Темные данные в профайлинге. Часть 2.
Продолжение, начало здесь
ТИП 9. Обобщение данных.
Обобщение данных по определению означает отбрасывание деталей.
Если вы учитываете только средние значения любого параметра, то это не дает никакой информации о диапазоне всех данных или об асимметрии их распределения. Среднее значение может скрыть тот факт, что некоторые значения могут очень сильно от него отличаться. В то же время обобщение может скрывать и тот факт, что все значения идентичны.
ТИП 10. Ошибки измерения и неопределенность.
Ошибки измерения изучаемых значений часто приводят к ошибочным выводам. Часто мы изучаем параметры, которые нельзя измерить непосредственно, и приходится пользоваться косвенными или опосредованными вычислениями. Например, при измерении кожно-гальванической реакции при инструментальной детекции лжи низкое качество самого электрода, который используется для фиксации параметров может серьезно исказить результат.
ТИП 11. Искажения обратной связи и уловки.
Этот тип данных возникает, когда собранные значения начинают влиять на исходный процесс. Например, в процессе оценки человека, получив какую-то часть информации, вы уже понимаете, к какому выводу вы, скорее всего, придете. И после этого качество вашего анализа второй половины данных существенно снижается. Или еще один пример – если все говорят, что этот пользователь, например, истероид, то возникает соблазн их послушать и это также снизит качество вашего анализа.
ТИП 12. Информационная асимметрия.
Информационная асимметрия возникает, когда один и тот же набор данных анализируют эксперты с разным уровнем подготовки и информированности.
Понятно, что если одну и ту же информацию анализируют эксперты разной подготовки (не говоря еще о их предвзятостях), то результаты этих анализов будут существенно отличаться.
ТИП 13. Намеренно затемненные данные.
Они наблюдаются, когда люди намеренно скрывают данные или манипулируют ими с целью обмана или введения в заблуждение. Возможностей для примеро здксь огромное количество: мы можем сознательно отбрасывать неугодную для нас информацию или часть данных, для того, чтобы сознать желаемое впечатление от этой информации и повлиять на дальнейшие выводы и поведение.
ТИП 14. Фальшивые и синтетические данные.
Сфальсифицированные или специально созданные данные с целью введения в заблуждение. Однако такие наборы данных создаются не только для мошенничества, но и с исследовательской задачей: существует метод симуляции, когда генерируются искусственные наборы данных, которые могли возникнуть в результате изучаемого процесса, а также другие методы, использующие репликацию данных, например методы бутстреппинга, бустинга и сглаживания. Современные статистические инструменты широко используют такие идеи, но их некачественная репликация может привести к ошибочным выводам.
ТИП 15. Экстраполяция за пределы ваших данных.
Наборы данных всегда конечны. Это означает, что они имеют максимальное и минимальное значения, за пределами которых лежит неизвестность. Заявление о возможных значениях выше максимума или ниже минимума в наборе данных требует выдвижения предположений или получения информации из какого-то другого источника. Более того, экстраполяция имеющихся данных на другой контекст или события имеет свои известные ограничения и требует крайней осторожности.
#анализданных, #аналитика, #BigData, #информация, #статистика, #психотип, #КИ, #мэтры, #профайлинг_филатов, #ProProfiling
Продолжение, начало здесь
ТИП 9. Обобщение данных.
Обобщение данных по определению означает отбрасывание деталей.
Если вы учитываете только средние значения любого параметра, то это не дает никакой информации о диапазоне всех данных или об асимметрии их распределения. Среднее значение может скрыть тот факт, что некоторые значения могут очень сильно от него отличаться. В то же время обобщение может скрывать и тот факт, что все значения идентичны.
ТИП 10. Ошибки измерения и неопределенность.
Ошибки измерения изучаемых значений часто приводят к ошибочным выводам. Часто мы изучаем параметры, которые нельзя измерить непосредственно, и приходится пользоваться косвенными или опосредованными вычислениями. Например, при измерении кожно-гальванической реакции при инструментальной детекции лжи низкое качество самого электрода, который используется для фиксации параметров может серьезно исказить результат.
ТИП 11. Искажения обратной связи и уловки.
Этот тип данных возникает, когда собранные значения начинают влиять на исходный процесс. Например, в процессе оценки человека, получив какую-то часть информации, вы уже понимаете, к какому выводу вы, скорее всего, придете. И после этого качество вашего анализа второй половины данных существенно снижается. Или еще один пример – если все говорят, что этот пользователь, например, истероид, то возникает соблазн их послушать и это также снизит качество вашего анализа.
ТИП 12. Информационная асимметрия.
Информационная асимметрия возникает, когда один и тот же набор данных анализируют эксперты с разным уровнем подготовки и информированности.
Понятно, что если одну и ту же информацию анализируют эксперты разной подготовки (не говоря еще о их предвзятостях), то результаты этих анализов будут существенно отличаться.
ТИП 13. Намеренно затемненные данные.
Они наблюдаются, когда люди намеренно скрывают данные или манипулируют ими с целью обмана или введения в заблуждение. Возможностей для примеро здксь огромное количество: мы можем сознательно отбрасывать неугодную для нас информацию или часть данных, для того, чтобы сознать желаемое впечатление от этой информации и повлиять на дальнейшие выводы и поведение.
ТИП 14. Фальшивые и синтетические данные.
Сфальсифицированные или специально созданные данные с целью введения в заблуждение. Однако такие наборы данных создаются не только для мошенничества, но и с исследовательской задачей: существует метод симуляции, когда генерируются искусственные наборы данных, которые могли возникнуть в результате изучаемого процесса, а также другие методы, использующие репликацию данных, например методы бутстреппинга, бустинга и сглаживания. Современные статистические инструменты широко используют такие идеи, но их некачественная репликация может привести к ошибочным выводам.
ТИП 15. Экстраполяция за пределы ваших данных.
Наборы данных всегда конечны. Это означает, что они имеют максимальное и минимальное значения, за пределами которых лежит неизвестность. Заявление о возможных значениях выше максимума или ниже минимума в наборе данных требует выдвижения предположений или получения информации из какого-то другого источника. Более того, экстраполяция имеющихся данных на другой контекст или события имеет свои известные ограничения и требует крайней осторожности.
#анализданных, #аналитика, #BigData, #информация, #статистика, #психотип, #КИ, #мэтры, #профайлинг_филатов, #ProProfiling
👍21🔥6❤4