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.

Содержание

Об HR-аналитике

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:

HR-аналитика помогает бизнесу принимать решения

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:

  1. Сбор данных о прошлом.
  2. Совмещение данных о прошлом и актуальных данных, обстановки в настоящий момент.
  3. Прогнозирование. Что произойдет в будущем?

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.

Основные инструменты

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.

Просто собирается. Легко измеряется

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:

  1. Возраст и пол сотрудников
  2. Текучесть кадров
  3. Распределение грейдов
  4. Воронки подбора

Возраст и пол сотрудников

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:

Распределение возраста

Соотношение женщин и мужчин в компании

И что?

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.

  • Зная, сколько у нас сотрудников (кол-во ФИО в таблице), можно задать бюджет на подарки на месяц/квартал/год.

  • Кол-во женщин позволяет рассчитать, сколько букетов нужно заказать и на какую сумму.

  • В какой квартал больше дней рождения? Узнаем, в какой период будут большие суммы затрат.

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).

Текучесть кадров

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.

Грейды

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

Воронки подбора

В случае изучения воронок подбора, рекомендую начать с параметров:

  1. Имя рекрутера
  2. Кол-во обработанных резюме
  3. Кол-во проведенных интервью
  4. Кол-во выставленных офферов
  5. Кол-во принятых офферов

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.

Упс…

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.

Усложняем метрики

Несколько примеров более расширенных метрик:

Текучесть кадров

  • общая
  • нежелательная
  • желательная
  • по отделам
  • по грейдам
  • по причинам
  • интенсивность текучести

Итоги аттестаций

  • количество участвующих в аттестации
  • изменение ЗП сотрудника
  • изменение грейда после аттестации

Лояльность сотрудников

  • Расчет NPS по целевым параметрам с помощью анкетирования

Заключение

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.

Гузель Кислова
Аналитик данных

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.

0
11 комментариев
Написать комментарий...
Valeratal Val

Гузель, я не настоящий дата-аналатик (только учусь), но таблицы лучше связывать по ID (ну может по табельному номеру, обычно табельный номер уникальный, но надо смотреть, если вдруг филиалы или обособленцы, то может будет табельный номер + ID подразделения)
ФИО может совпадать полностью. Это нередкая ситуация, когда в компании несколько тысяч человек

Хочу заметить, что кол-во женщин или разбивка по возрастам - это не аналитика, это статистика.

Ответить
Развернуть ветку
Kelerius

Не говорите только про нормальные формы и ключи... А нет,уже сказали)))😅

Ответить
Развернуть ветку
Too Good for You

У нас тоже был HR играющийся с аналитикой и скидывающий отчеты директору. Сравнивали текучесть, вовлеченность и вот это все при 60 сотрудниках. Сравнивали кварталы, притом что за это время могло прийти-уйти до 20% и это вообще новые люди. Зарплату, насколько я знаю, этот человек получал.

При каких объемах данных эти графики становятся хоть насколько-нибудь репрезентативными?

Ответить
Развернуть ветку
Денис К

- Б5
- ранил, Г7
- убил

Ответить
Развернуть ветку
Слегка Придурковатый

Вот да. Для маленьких/средних компаний это явно излишество и бесполезное сотрясание воздуха.

Ответить
Развернуть ветку
Valeratal Val

1. Зарплату получал только за аналитику? или за всю работу? сделать отчет раз в месяц/квартал - полезно
2. А причем тут репрезентативность? репрезентативность это мера соответствия выборки генеральной совокупности

По отчетам, отчеты бывают разные. Представьте у Вас склад, 20 человек, то один забухает, другой заменяет, графики сменности. Да Вы повеситесь в голове все держать

Ответить
Развернуть ветку
Ivan Zaytsev

Имеет смысл на больших объемах. Например анализ воронки классная штука в масс-подборе. Смотришь время нахождения кандидатов на каждом этапе подбора и видишь где процесс зависает. Можно тестить методы отбора и источники лидов, ориентируясь на конверсию, короче полезная штука - которая экономит деньги на оптимизации процесса. А вот пол/возраст - это все описательная статистика, которая за 15 минут вытаскивается из учётной системы.

Ответить
Развернуть ветку
Денис К

За это вот платят?
Заверните два.
Все же прекрасно понимают и без всякой аналитики - почему вот у меня с кадрами х...во.
но давайте раскинем кости - может они что-то другое скажут?

Ответить
Развернуть ветку
Aleksandr Bovin

какая-то бесполезная аналитика

Ответить
Развернуть ветку
Hallederiz

:))
"Предложите базовые метрики" - отличный вопрос для отсева кандидатов на позицию аналитика направления. Ответ и аргументация хорошо показывают, насколько глубоко и широко соискатель разбирается в домене. Автор, без обид, но с вашим ответом на HR-аналитика вы отсеяны.

Ответить
Развернуть ветку
Алексей Генералов

И в чем польза? Без аналитики букеты женщинам не сосчитать?

Ответить
Развернуть ветку
8 комментариев
Раскрывать всегда