Перевод статьи Recruitment Analytics: How to Use Data to Improve Your Talent Pipeline

Обратите внимание на наши инструменты для развития цифровых навыков: 

1. Принципы создания HR-дашбордов в excel
2. Принципы создания и анализа корпоративных опросов
3. Расчет среднего срока жизни в Excel
4. Профиль успешного сотрудника: драйверы эффективности

Аналитика рекрутинга: как использовать данные для улучшения источника ваших талантов

Благодаря быстрому распространению кадровых данных в системах HRIS, таких как системы отслеживания кандидатов (ATS), компании имеют доступ к большему количеству данных о найме, чем когда-либо прежде. Это создает как проблемы, так и возможности для групп по набору персонала, чтобы использовать эти новообретенные источники данных для роста и развития своего портфеля талантов. Здесь может помочь аналитика найма.

Аналитика рекрутмента позволяет компаниям связывать данные из разрозненных источников и связывать стратегии набора персонала с бизнес-целями. Раньше большинство кадровых команд летали вслепую, пытаясь как можно быстрее и дешевле поставить задницы на место, не обращая внимания на влияние рекрутинговых мероприятий на результаты бизнеса. Более продвинутые команды могут включать некоторую аналитику в свой процесс принятия решений, но он часто останавливается на отслеживании и сравнительном анализе ключевых показателей рекрутинга для эффективности найма, а не эффективности талантов, таких как качество найма.

Мы составили это руководство, чтобы помочь компаниям внедрить процесс управления набором персонала на основе данных. Он подробно объяснит, что такое аналитика найма, потенциальное влияние, а также на какие вопросы по найму он может помочь. Мы также предоставим примеры из реальной жизни, а также практические советы, которые помогут вам быстрее усвоить концепции.

Оглавление

1. Что такое аналитика рекрутинга?
2. На какие вопросы рекрутинга может ответить аналитика?
3. Три уровня аналитики рекрутинга
4. Интеграция данных по рекрутингу с другими источниками данных для максимального воздействия
5. Зачем автоматизировать аналитику рекрутинга?
6. Лучшие HR-метрики рекрутинга

Аналитика рекрутинга (данные)

Задача данного поста показать не просто набор данных, необходимых для построения аналитики рекрутинга, но показать, что в основе аналитики рекрутинга лежат не метрики, а задачи.
Следите за постами, в следубщем посте по аналитике рекрутинга я покажу, какие собственно аналитики мы можем получить.

См. также в тему Рекрутинговая аналитика: три уровня оптимизации рекрутинга

Логика рекрутинговой аналитики понятна и ясна: мы имеет дело с воронкой, трубой, пайплайном, где каждый этап есть микропроцесс со своим входом и выходом. На входе больше, чем на выходе.
Кроме того, у нас есть еще глобальный результат этого процесса - качество кандидатов, определяемое через текучесть (я определяю текучесть через средний срок жизни работника) и эффективность. Таким образом, задачи аналитики рекрутинга мы определяем таким образом:

1. Определение, как процесс рекрутинга / подбора влияет на качество кандидатов (ответ на вопрос, лучше ли те кандидаты, кого мы приняли тех, кого мы не отсеяли)
2. Определение "протечек" трубы - выяснение, где можно не терять кандидатов  на входе с тем, чтобы оптимизировать рекрутинг (ответ на вопросы, можем ли мы не терять кандидатов на каждом из этапов воронки или можем ли мы сразу находить тех, кого не отсеят).

Чтобы решать эти задачи аналитики рекрутинга, я предлагаю собирать такой набор данных. Набор данных минимальный, понятно, что его можно расширять, но в целом так:

Данные о кандидате

1. ID кандидата (никаких персональных данных)
2. Дата рождения
3. Пол
4. Источник трафика (откуда пришел)
5. Возможно другие данные
6. Позиция
7. Регион
8. Подразделение 

Прохождение этапов воронки 

1. ID вакансии / заявки 
2. Дата открытия вакансии / заявки 
3. Дата первого контакта с кандидатом
4. Интервью с рекрутером (две ячейки: в первой ячейке – результат интервью (прошел дальше, отказ кандидату, самоотказ), во второй – дата решения по кандидату – и так по каждому этапу две ячейки) 
5. Тестирование / анкета (также две ячейки - дата и результаты тестирования)
6. Собеседование с Заказчиком (чаще всего Заказчик – владелец заявки, потенциальный непосредственный руководителель)
7. Собеседование с экспертами (оценки экспертов)
8. Проверка СБ
9. Оффер (результат – посчитать % отказов после оффера) 
10. ID рекрутера 
11. ID заказчика 

Понятно, что чем правее колонки, тем больше пустых ячеек. Кроме того, возможны другие этапы – их также стоит описать

Выход на работу

1. Дата выхода на работу 
2. Дата увольнения (если работает, то поле пустое)
3. Причина увольнения (если уволился). Три варианта причины:
4. Инициатор увольнения сам работник
5. Работодатель инициатор увольнения 
6. Причина увольнения объективна – армия, тюрьма, смерть, болезнь и т.п.
7. Данные эффективности работника / KPI

В качестве совсем небольшого примера аналитики рекрутинга - анализ воронки кандидатов на этапе собеседования

Интересно внедрить аналитику рекрутинга? Обращайтесь мои контакты