← К статье

Редактируемые учебные материалы к статье. Данные кандидатов и результаты примеров вымышлены; перед использованием замените их собственными проверяемыми сведениями. Условия и ограничения указаны в статье.

Все приложения к статье
Скачать исходник

История численности и два снимка марта

Набор полностью вымышленный. Он демонстрирует восстановление внутренних HR-показателей, а не установленный законом порядок статистической отчётности. Все даты ISO в файлах — YYYY-MM-DD, CSV — UTF-8 с разделителем ;.

Готовые файлы

  • events.csv — все 12 исходных строк, включая точный дубль H5 / 1 и две версии H4.
  • reconstruct.py — восстановление на Python 3.9+ без внешних библиотек.
  • result.json — рассчитанные показатели двух снимков.
  • result.csv — все 62 дневные строки: 31 день для каждого снимка.
  • verify.py — независимый интервальный эталон и проверка ежедневных состояний.
  • result-public.json — ограниченная внешняя версия по учебному правилу доступа.
  • reconciliation.md — заполненное объяснение расхождения.

Правила расчёта

Период — 1–31 марта 2026 года, 31 календарный день. Срезы доступности данных — конец 1 и 3 апреля. В каждом срезе выбирается последняя доступная версия каждого события; одна полностью повторная строка той же версии удаляется. Различающиеся строки одной версии — ошибка.

Активный интервал договора включает начало и исключает effective_date события end. Дата в end означает первый неактивный день. Отсутствие события окончания означает открытый интервал. Это техническая модель, не правовая квалификация даты увольнения. Перевод применяется по дате действия к основному договору. Одновременные основные договоры одного человека требуют выяснения.

Каждый человек считается один раз в день при наличии хотя бы одного активного договора. Договоры считаются отдельно. Средние — сумма дневных чисел / 31. Выбытие — завершение последнего договора, после которого человек отсутствует; повторный приём позже не отменяет состоявшийся перерыв. Текучесть здесь = число таких выбытий / средняя дневная численность людей × 100%.

Для внешней передачи действует отдельное учебное правило: если за период в рассматриваемой группе меньше пяти разных людей, кадровые числа и производные показатели не раскрываются; можно передать методику и сообщение о подавлении значений. Порог пять задан этой задачей и не является универсальной гарантией обезличивания.

Запуск

Сохраните все файлы в одной папке. Из этой папки:

python3 reconstruct.py
python3 verify.py

Первая команда обновит результаты, вторая должна вывести PASS и завершиться кодом 0. Неверный результат или конфликт обязательных данных приводят к ненулевому коду. Для эксперимента используйте копию папки: независимый эталон фиксирует именно приведённое условие и не адаптируется автоматически к новым данным.

Полученные значения

ПоказательСнимок 1 апреляСнимок 3 апреля
Человеко-дни99102
Договоро-дни119122
Средняя дневная численность людей3,1935483,290323
Среднее активных договоров3,8387103,935484
Выбытия людей11
Текучесть по заданному правилу31,31%30,39%
Человеко-дни Sales6767
Человеко-дни Ops3235

Три дополнительных дня относятся только к исправлению приёма P4. В каждый снимок входит четыре разных человека за март; будущий P5 не включён. Двадцать дней дополнительного C4 увеличивают договоро-дни, но не человеко-дни. Перевод P1 меняет отдел с 16 марта; он не создаёт выбытие из компании.

Внешняя версия не содержит кадровых чисел и производных метрик: по данному условию группы меньше пяти людей не раскрываются. Это учебный порог минимальной детализации, не универсальная гарантия обезличивания. При любом другом наборе данных требуется отдельная проверка допустимости публикации.

Скачать исходник

Исходные данные: events.csv

event_idversionrecorded_atperson_idcontract_idkindeffective_datedepartmentreasonprimary
H112026-02-01P1C1hire2026-02-01Sales1
H212026-02-01P2C2hire2026-02-01Sales1
H312026-02-01P3C3hire2026-02-01Sales1
H412026-03-16P4C6hire2026-03-16Ops1
H422026-04-02P4C6hire2026-03-13Ops1
H512026-03-06P3C4hire2026-03-06Sales0
H512026-03-06P3C4hire2026-03-06Sales0
T212026-03-12P2C2end2026-03-11Salesvoluntary1
T412026-03-26P3C4end2026-03-26Salescontract_end0
H612026-03-21P2C5hire2026-03-21Sales1
D112026-03-18P1C1transfer2026-03-16Ops1
H712026-03-25P5C7hire2026-04-05Sales1
Скачать исходник

Объяснение расхождения отчётов за март 2026 года

Период: 1–31 марта. Единица целевого показателя — человек в календарный день при наличии хотя бы одного активного договора. Средняя дневная численность — человеко-дни / 31. Использован исправленный срез доступных данных на конец 3 апреля.

Результат: 102 человеко-дня; средняя численность 3,290323; одно выбытие; показатель текучести по согласованной формуле 30,39%. Все записи синтетические.

Причина изменения снимка

На 1 апреля была известна H4 / 1: P4 присутствует с 16 марта, 16 дней. В снимке на 3 апреля доступна H4 / 2, записанная 2 апреля: тот же приём действует с 13 марта, 19 дней. Поэтому человеко-дни увеличились с 99 до 102, а средняя численность — с 3,193548 до 3,290323.

Числитель выбытий остался равен одному. Изменение процента не означает улучшения удержания: исправлен знаменатель. Старый срез нужно сохранить для воспроизводимости, исправленный передавать с новой датой доступности данных.

Другие объяснимые различия

НаблюдениеУстановленное основаниеРешение
Средняя 3,5Полусумма численности на начало и конец, (3 + 4) / 2Не использовать как среднюю по 31 дневному состоянию
Средняя договоров 3,838710Старые 119 договоро-дней / 31Подписать единицу и старый срез; новое значение договоров 122 / 31 = 3,935484
Два завершения договоровC2 и C4 заканчиваются в мартеВыбытие человека одно: P2 отсутствует 11–20 марта, P3 продолжает основной C3
Перевод P1 записан 18 мартаДействует с 16 мартаОтнести P1 к Ops с 16 марта, не создавать увольнение
H5 / 1 встречается дваждыСтроки полностью одинаковыУдалить один технический дубль, сохранить отметку
P5 уже есть в выгрузкеПриём действует с 5 апреляИсключить из мартовских дневных состояний

По подразделениям: Sales — 67 человеко-дней в обоих снимках. Ops — 32 в старом и 35 в исправленном. Суммы подразделений равны общей численности соответствующего среза.

Передача и пределы использования

Внутреннему принимающему доступны исходные события, определения, журнал обработки дубля, обе версии расчёта и независимый контроль. За пределами команды по заданному правилу не раскрываются кадровые значения группы из четырёх человек; внешняя версия содержит только методику и сообщение об ограничении.

Вывод не объясняет причин ухода, не оценивает руководителя и не является установленным порядком обязательной кадровой статистики. Для реальных данных отдельно требуются допустимые цели, доступ и проверка риска раскрытия работников.

Скачать исходник

Код проверки: reconstruct.py

#!/usr/bin/env python3
"""Учебная история HR: эффективная дата отдельно от даты записи. Python3.9+."""
import csv,json,sys
from pathlib import Path
from datetime import date,timedelta
from decimal import Decimal,ROUND_HALF_UP

def read_events(path):
    with path.open(encoding='utf-8') as f: rows=list(csv.DictReader(f,delimiter=';'))
    required=['event_id','version','recorded_at','person_id','contract_id','kind','effective_date','department','primary']
    seen={}; clean=[]; duplicates=0
    for row in rows:
        assert all(row.get(k) for k in required),'Missing required data'
        assert row['kind'] in ['hire','end','transfer'],'Unknown event kind'
        date.fromisoformat(row['recorded_at']);date.fromisoformat(row['effective_date'])
        key=(row['event_id'],int(row['version']))
        if key in seen:
            assert row==seen[key],'Conflicting event version';duplicates+=1;continue
        seen[key]=row;clean.append(row)
    return clean,duplicates

def report(events,cutoff):
    visible=[r for r in events if r['recorded_at']<=cutoff]
    latest={}
    for r in visible:
        k=r['event_id']
        if k not in latest or int(r['version'])>int(latest[k]['version']):latest[k]=r
    selected=list(latest.values());contracts={}
    for r in selected:
        if r['kind']=='hire':
            c=r['contract_id'];assert c not in contracts,'Multiple hire events for one episode'
            contracts[c]={'person':r['person_id'],'start':r['effective_date'],'end':'9999-12-31','primary':int(r['primary']),'department':r['department'],'contract_id':c}
    for r in selected:
        if r['kind'] in ['end','transfer']:
            assert r['contract_id'] in contracts,'Event without visible hire'
            if r['kind']=='end':contracts[r['contract_id']]['end']=r['effective_date']
    for c,v in contracts.items():assert v['start']<v['end'],'Invalid interval'
    daily=[]; month_people=set()
    for offset in range(31):
        day=(date(2026,3,1)+timedelta(days=offset)).isoformat()
        active=[v for v in contracts.values() if v['start']<=day<v['end']]
        people={v['person'] for v in active}; month_people.update(people)
        for person in people: assert sum(v['primary'] for v in active if v['person']==person)<=1,'Overlapping primary episodes'
        departments={}
        for person in people:
            candidates=[v for v in active if v['person']==person]
            main=[v for v in candidates if v['primary']]
            chosen=main[0] if main else candidates[0]
            transfers=[r for r in selected if r['kind']=='transfer' and r['contract_id']==chosen['contract_id'] and r['effective_date']<=day]
            dept=max(transfers,key=lambda r:r['effective_date'])['department'] if transfers else chosen['department']
            departments.setdefault(dept,set()).add(person)
        daily.append({'date':day,'people':len(people),'contracts':len(active),'departments':{k:len(v) for k,v in departments.items()}})
    departures=[]
    for c,v in contracts.items():
        d=v['end']
        if '2026-03-01'<=d<='2026-03-31':
            still_active=any(w['person']==v['person'] and w['start']<=d<w['end'] for w in contracts.values())
            if not still_active:departures.append({'person':v['person'],'first_inactive_day':d})
    person_days=sum(x['people'] for x in daily);contract_days=sum(x['contracts'] for x in daily)
    avg=Decimal(person_days)/31
    ratio=Decimal(len(departures))/avg*100 if person_days else None
    return {'as_of':cutoff,'unique_people_in_period':len(month_people),'person_days':person_days,'contract_days':contract_days,'average_daily_people':str(avg.quantize(Decimal('0.000001'))),'average_daily_contracts':str((Decimal(contract_days)/31).quantize(Decimal('0.000001'))),'person_departures':departures,'turnover_percent':str(ratio.quantize(Decimal('0.01'),rounding=ROUND_HALF_UP)) if ratio is not None else None,'department_person_days':{dept:sum(x['departments'].get(dept,0) for x in daily) for dept in ['Sales','Ops']},'daily':daily,'future_hires_excluded':[r['person_id'] for r in selected if r['kind']=='hire' and r['effective_date']>'2026-03-31']}

if __name__=='__main__':
    base=Path(__file__).resolve().parent
    source=Path(sys.argv[1]) if len(sys.argv)>1 else base/'events.csv'
    dest=Path(sys.argv[2]) if len(sys.argv)>2 else base/'result.json'
    events,dupes=read_events(source)
    result={'exact_duplicate_rows_removed':dupes,'snapshots':{d:report(events,d) for d in ['2026-04-01','2026-04-03']}}
    dest.write_text(json.dumps(result,ensure_ascii=False,indent=2),encoding='utf-8')
    latest=result['snapshots']['2026-04-03']
    public={'scope':'synthetic training example','status':'suppressed_small_group' if latest['unique_people_in_period']<5 else 'requires_separate_disclosure_review','metrics':None,'rule':'Учебный порог5 не является универсальной гарантией обезличивания.'}
    dest.with_name(dest.stem+'-public.json').write_text(json.dumps(public,ensure_ascii=False,indent=2),encoding='utf-8')
    with dest.with_suffix('.csv').open('w',encoding='utf-8',newline='') as f:
        w=csv.writer(f,delimiter=';');w.writerow(['as_of','date','people','contracts'])
        for d,r in result['snapshots'].items():
            for x in r['daily']:w.writerow([d,x['date'],x['people'],x['contracts']])
    print(json.dumps({k:{x:y for x,y in v.items() if x!='daily'} for k,v in result['snapshots'].items()},ensure_ascii=False))
Скачать исходник

Исходные данные: result.csv

as_ofdatepeoplecontracts
2026-04-012026-03-0133
2026-04-012026-03-0233
2026-04-012026-03-0333
2026-04-012026-03-0433
2026-04-012026-03-0533
2026-04-012026-03-0634
2026-04-012026-03-0734
2026-04-012026-03-0834
2026-04-012026-03-0934
2026-04-012026-03-1034
2026-04-012026-03-1123
2026-04-012026-03-1223
2026-04-012026-03-1323
2026-04-012026-03-1423
2026-04-012026-03-1523
2026-04-012026-03-1634
2026-04-012026-03-1734
2026-04-012026-03-1834
2026-04-012026-03-1934
2026-04-012026-03-2034
2026-04-012026-03-2145
2026-04-012026-03-2245
2026-04-012026-03-2345
2026-04-012026-03-2445
2026-04-012026-03-2545
2026-04-012026-03-2644
2026-04-012026-03-2744
2026-04-012026-03-2844
2026-04-012026-03-2944
2026-04-012026-03-3044
2026-04-012026-03-3144
2026-04-032026-03-0133
2026-04-032026-03-0233
2026-04-032026-03-0333
2026-04-032026-03-0433
2026-04-032026-03-0533
2026-04-032026-03-0634
2026-04-032026-03-0734
2026-04-032026-03-0834
2026-04-032026-03-0934
2026-04-032026-03-1034
2026-04-032026-03-1123
2026-04-032026-03-1223
2026-04-032026-03-1334
2026-04-032026-03-1434
2026-04-032026-03-1534
2026-04-032026-03-1634
2026-04-032026-03-1734
2026-04-032026-03-1834
2026-04-032026-03-1934
2026-04-032026-03-2034
2026-04-032026-03-2145
2026-04-032026-03-2245
2026-04-032026-03-2345
2026-04-032026-03-2445
2026-04-032026-03-2545
2026-04-032026-03-2644
2026-04-032026-03-2744
2026-04-032026-03-2844
2026-04-032026-03-2944
2026-04-032026-03-3044
2026-04-032026-03-3144
Скачать исходник

Код проверки: verify.py

#!/usr/bin/env python3
"""Независимый интервальный эталон: не импортирует реконструктор."""
import json,sys
from pathlib import Path
from fractions import Fraction
p=Path(__file__).resolve().parent
r=json.loads((Path(sys.argv[1]) if len(sys.argv)>1 else p/'result.json').read_text(encoding='utf-8'))
assert r['exact_duplicate_rows_removed']==1
# Другой расчёт: длительности интервалов, а не повторный event replay.
for stamp,p4days,pdays,cdays,percentage in [('2026-04-01',16,99,119,'31.31'),('2026-04-03',19,102,122,'30.39')]:
    s=r['snapshots'][stamp]
    assert s['unique_people_in_period']==4
    person_days=31+10+11+31+p4days
    contract_days=person_days+20
    assert person_days==pdays and contract_days==cdays
    assert s['person_days']==person_days and s['contract_days']==contract_days
    assert len(s['person_departures'])==1 and s['person_departures'][0]['person']=='P2'
    assert s['future_hires_excluded']==['P5']
    assert s['turnover_percent']==percentage
    assert s['department_person_days']=={'Sales':67,'Ops':16+p4days}
    for row in s['daily']:
        d=int(row['date'][-2:])
        expected_people=2+(d<=10 or d>=21)+(d>=(16 if stamp=='2026-04-01' else 13))
        expected_contracts=expected_people+(6<=d<=25)
        assert row['people']==expected_people and row['contracts']==expected_contracts
        assert sum(row['departments'].values())==row['people']
    assert s['daily'][0]['people']==3 and s['daily'][-1]['people']==4
assert r['snapshots']['2026-04-03']['person_days']-r['snapshots']['2026-04-01']['person_days']==3
assert Fraction(102,31)!=Fraction(3+4,2)
print('PASS: 62 daily rows, intervals, contracts vs people, late correction, department bridge, departures, future event, duplicate.')