С чего начать внедрение HR-аналитики. Базовые метрики: текучесть кадров, распределение грейдов и воронки подбора

Всем привет, на связи Гузель Кислова, аналитик данных в HR. В этой статье рассмотрим первые шаги в HR-аналитике в ситуациях, когда нет ничего, какие бесплатные инструменты можно использовать и топ стартовых метрик при работе с данными в HR-сфере.

HR-аналитика может затрагивать все области и внутренние процессы в компании: онбординг, аттестация и оценка персонала, оценка вовлеченности сотрудников, текучесть кадров, организация мероприятий, менторство и стажировка и др. С помощью HR-аналитики можно повлиять на процесс, выстроить новый, либо полностью его изменить. А самое главное:

Именно на основе корректной работы с данными, погруженности в сферу строятся предположения, которые повышают качество принимаемых бизнесом решений.

Структура аналитики и ее практическое значение выстраивается из 3-х последовательных этапов, где каждый следующий этап сложнее предыдущего:

Невозможно грамотно понять, какие данные нужно собирать и гипотезы какой формы выстраивать, когда неизвестно, что произошло в прошлом. Также и нельзя сразу прогнозировать в будущее, когда мы не знаем ситуацию в текущий момент и как вел себя процесс ранее.

В этот статье подробно рассмотрим 1 этап.

Для сбора данных и дальнейшей аналитики можно использовать бесплатные инструменты Google: Google Sheets и Google Data Studio (автоматическая визуализация, дашборды реалтайм). Дополнительные данные собираются с помощью Google Forms. Также можно удобно строить отчеты в презентациях.

Начнем с 4-х простых метрик, несложных для понимания. Их можно легко измерить и собрать с нуля, даже если данные такого типа нигде не фиксировались до этого в компании.

Топ-4 метрики для старта:

Вы можете взять данные из кадрового отдела, если подобный учет не ведется, то заводим таблицу с параметрами представленными ниже:

Далее, из общего количества сотрудников, можно получить следующие диаграммы:

Для чего нам эти данные? Живой пример, как даже такие простые характеристики можно использовать в решении задач:

Нужно рассчитать бюджет подарков на день рождения сотрудникам. Всем предполагается одинаковый подарок, но девушкам помимо подарка еще букет цветов.

Знание среднего возраста сотрудников и общей картины помогает правильно продумать бенефиты в компании, услуги ДМС. Продумать в каких областях будет больший спрос (садики или спортзалы, либо скидки в бары, кафе).

Теперь берем нашу табличку и добавляем к ней еще несколько метрик. Дату приема, дату увольнения и причину увольнения.

Можем рассчитать коэффициент общей текучести кадров.

В итоге, получается график увольнений по месяцам (2020 — 2022 годы) :

Также можно разбить поквартально. График позволяет увидеть пиковые точки и понять, после каких процессов в компании произошло увольнение, сопоставив с причиной увольнения. Данную причину получаем из беседы с сотрудником перед увольнением, exit-интервью, либо анкетированием.

После добавления параметра отдел/стек, возможна фильтрация по отделу и выявление быстро сменяющихся отделов в компании. Частые увольнения в конкретном отделе влияют на общее настроение в коллективе, служит первым звонком в том, что в процессах компании, что-то идет не так.

Добавив все к той же таблице параметр Грейд, получаем распределение грейдов в компании. Можно отслеживать динамику, каких специалистов не хватает, также фильтровать по стеку.

В случае изучения воронок подбора, рекомендую начать с параметров:

Данные параметры могут фиксироваться самими рекрутерами, например, в конце недели, для поддержания актуальной информации.

В результате можно выделить наиболее эффективного рекрутера, либо менее – того, кто проводит слишком много собеседований, но в результате имеет мало принятых офферов. Также можно выявить проблемные вакансии, так как возникающие трудности в подборе не всегда зависят от эффективности рекрутера. Зная эту информацию, можно скорректировать план найма, нагрузку между рекрутерами, быть готовым к сложным вакансиям.

Добавив имя рекрутера в предыдущую таблицу, можно отследить lifetime (время работы в компании) сотрудника по конкретному рекрутеру и увидеть закономерности. Например, у рекрутера А сотрудники в среднем работает по 1.5 года в компании, у рекрутера В – каждый третий увольняется на испытательном сроке (узнаем по дате приема и дате увольнения). Встает вопрос о компетенции рекрутера и области кандидатов: может это сплошные студенты, которые не справляются с учебой и увольняются в период сессии (узнаем по возрасту), тогда стоит пересмотреть предыдущий опыт кандидата, либо рассмотреть процесс стажировок в компании.

Чтобы в один момент ваша таблица не превратилась в гигантское нечто:

рекомендую разбивать таблицы на несколько более мелких таблиц (в случае отсутствия СУБД), связав их между собой по ФИО и используя функцию =importrange. Также существует инструмент сводные таблицы.

Несколько примеров более расширенных метрик:

Текучесть кадров

Итоги аттестаций

Лояльность сотрудников

Вот так простые параметры и метрики содержат в себе множество вопросов и гипотез, которых можно распутывать, как клубок, получая самые неочевидные ответы. HR-аналитика позволяет принимать решения на основе данных по изменению процессов и выискивает неочевидные проблемные зоны в компании.

На этом все, в следующей статье рассмотрим 6 этапов анализа данных, топ самых частых ошибок при работе с данными в HR.

Также подписывайтесь на наш телеграм-канал «Голос Технократии». Каждое утро мы публикуем новостной дайджест из мира ИТ, а по вечерам делимся интересными и полезными мастридами.