Подготовка: пересчитайте FCR как FirstContactResolved/EligibleTickets; недели с нулём подходящих обращений исключайте из пары, а не считайте FCR нулевым. Оставьте 274 полные пары «сотрудник-неделя» и сообщите о 14 пропущенных парах. Постройте диаграммы рассеяния: TrainingHours по оси x, FCR по оси y, цвет по периоду запуска или команде; подпишите строку с 6 часами. Поскольку наблюдения повторяются для 24 сотрудников, общий коэффициент Пирсона является описательным, а обычный тест значимости, предполагающий независимость строк, неприменим.
Excel: общая формула =CORREL(FILTER(AgentWeek[TrainingHours],valid),FILTER(AgentWeek[FCR],valid)) в Microsoft 365 воспроизводит +0,46. Создайте сводную таблицу по сотрудникам со средним TrainingHours и взвешенным FCR (сумма решённых / сумма подходящих), затем рассчитайте корреляцию для сводных данных 24 сотрудников; предоставленный результат +0,18 заметно слабее. С помощью AVERAGEIFS добавьте AgentMeanTraining и AgentMeanFCR, затем в исследовательских целях рассчитайте корреляцию отклонений строк от средних внутри сотрудников. Повторите анализ без отмеченной точки с 6 часами, отдельно для периода запуска и остальных недель, по группам стажа и, если позволяет выборка, внутри одной недели. Не сравнивайте простые средние долей, если знаменатели по обращениям различаются.
Безопасная формулировка: «В 274 наблюдавшихся парах “сотрудник-неделя” часы обучения и FCR имели умеренную положительную исходную связь (коэффициент Пирсона r=0,46). Связь была слабее для средних значений по сотрудникам (r=0,18), а повторные наблюдения, время запуска, стаж, нагрузка, состав обращений, самостоятельный выбор обучения и одна точка с большим числом часов ограничивают интерпретацию. Эти данные не показывают, что назначение дополнительного обучения повышает FCR». Обратное направление возможно, если недели с низкими результатами приводят к обучению, а общая поддержка запуска может повышать и обучение, и FCR. Следующие причинные доказательства: заранее зарегистрировать результат и знаменатель, рандомизировать подходящих сотрудников или поэтапно назначать обучение с анализом кластерных и повторных измерений, проверяя смешение вмешательств и баланс нагрузки.
ChatGPT
