Оригинал поста здесь 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:
Чтобы решать эти задачи аналитики рекрутинга, я предлагаю собирать такой набор данных. Набор данных минимальный, понятно, что его можно расширять, но в целом так:
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:
- Определение, как процесс рекрутинга / подбора влияет на качество кандидатов (ответ на вопрос, лучше ли те кандидаты, кого мы приняли тех, кого мы не отсеяли)
- 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
- ID кандидата (никаких персональных данных)
- Дата рождения
- Пол
- Источник трафика (откуда пришел)
- Возможно другие данные
- Позиция
- Регион
- Подразделение
Прохождение этапов воронки
- ID вакансии / заявки
- Дата открытия вакансии / заявки
- Дата первого контакта с кандидатом
- 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)
- Тестирование / анкета (также две ячейки - дата и результаты тестирования)
- Собеседование с Заказчиком (чаще всего Заказчик – владелец заявки, потенциальный непосредственный руководителель)
- Собеседование с экспертами (оценки экспертов)
- Проверка СБ
- Оффер (результат – посчитать % отказов после оффера)
- ID рекрутера
- ID заказчика
Понятно, что чем правее колонки, тем больше пустых ячеек. Кроме того, возможны другие этапы – их также стоит описать
Выход на работу
- Дата выхода на работу
- Дата увольнения (если работает, то поле пустое)
- Причина увольнения (если уволился). Три варианта причины:
- Инициатор увольнения сам работник
- Работодатель инициатор увольнения
- Причина увольнения объективна – армия, тюрьма, смерть, болезнь и т.п.
- Данные эффективности работника / KPI
В качестве совсем небольшого примера аналитики рекрутинга - анализ воронки кандидатов на этапе собеседования
Интересно внедрить аналитику рекрутинга? Обращайтесь мои контакты
Комментариев нет:
Отправить комментарий