Где финальная точка рекрутмента - оффер или найм?

В подборе персонала есть множество метрик про сроки.

Одна из тем - это сложный выбор того как мерить срок закрытия вакансии для KPI рекрутеров.

Есть 2 точки зрения:

1. Time to Offer/
Время от начала работы над вакансией до даты принятия оффера финальным кандидатом.

Основной аргумент "за" этот вариант: рекрутер сделал все что от него зависело, он не влияет на срок отработки кандидатом, который может быть не обязательно 2 недели, поэтому "счетчик" нужно останавливать.

2. Time to Fill/
Время от начала работы над вакансией до момента оформления кандидата на работу.

Основной аргумент "за" этот вариант:
ценность для компании - это занятые эффективными сотрудниками вакансии, поэтому процесс работы рекрутера может быть любым, важен результат.

Мерить можно и то и другое, главное понимать для чего нужна каждая из метрик, какую задачу она решает.

Например:
для KPI рекрутера - вариант 1,
для KPI руководителя рекрутмента - вариант 2,
для KPI HR-функции - вариант 2

Рейтинги

По мотивам недавнего поста и комментария в группе
(привет, Дмитрий👋)

Следующим этапом улучшения гистограммы, после переворачивания ее ради удобной подписи данных - ранжирование.

Несколько маленьких советов:

1. От мЕньшего к бОльшему или наоборот?
Если гисторамма все же вертикальная, то слева направо, от худшего к лучшему (т.е. важно какая цель, максимальное или минимальное значение?)

Если горизонтальная - не знаю что скажут дизайнеры, но, лично на мой вкус, от большего к меньоему, сверху вниз, для сохранения композиции на листе.
Можно со мной поспорить)

2. Выделение цветом.
Очень помогает считать что такое хорошо и что такое плохо.

Можно покрасить:
* все
* ТОР-3 лучших
* ТОР-5 худших
В общем возможны варианты

3. + целевой показатель,
Для доп. сравнения

4. + среднее значение по компании, опять же, для доп. сравнения

💡Рейтингование - отличный способ представления данных группе сотрудников одного уровня с едиными KPI, очень мотивирует

#dataviz

P.S. пишите о чем еще вы хотите почитать?

Рекрутмент & Employer Brand

Конфликт интересов внутри компании - это распространенная тема.

Часто такие конфликты помогают найти узкие места в процессах и их "полечить".

HR-функция не исключение.
Например, рабочий конфликт между рекрутментом и внутрикомом (или теми, кто занимается employer brand активностями в компании)

В чем конфликт?

1. Employer brand, в первую очередь, важен охват, количество.
Их цель - расширить воронку и привести в компанию как можно больше лидов кандидатов.

2. Рекрутменту важно качество.
Им потом эти лиды обрабатывать.

Что их объединяет?

И тем, и другим важны целевые отклики и % найма.

Поэтому организация процесса в том месте, где 2 функции пересекаются, это всегда общие решения.

* как собирать анкеты на митап: с полными данными, ссылками на профили в соцсетях или ограничиться минимумом?

* каких кандидатов хранить в базе: всех или с заполненным профмлем? "холодных" или отобранных рекрутером?

Везде есть + и -, поэтому как делать - всегда вопрос договоренностей.

#hr_процессы

#метрики оценки эффективности организационной структуры

Не очень популярная тема,
но вот вектор для мыслей:

1. Количество подчиненных у руководителя:
* общее
* прямых

2. Количество руководителей у 1 сотрудника

3. Количество уровней управления

4. Нормы численности для подразделений разного уровня (группа, отдел, департамент...)

5-7. Доли численности:
%% по категориям персонала
или
% менеджеров в общей численности
или
% линейного (операционного) персонала к численности админ персонала
и др вариации

(косвенно)
8. Выручка/ Прибыль
* на 1 сотрудника компании
* на 1 "продающего" сотрудника компании

9. Доля G&A (общих и административных) расходов в общих расходах или в P&L компании.

10. Доля расходов на менеджеров в выручке

(Новое веяние :)
11. Количество женщин среди руководителей

P.S.
После общения с коллегами из ИТ-компаний, хочется отдельно ввести метрику:

Количество менеджеров в ИТ на 1 разработчика :)

Кажется, это число будет намного больше 1...

См. также метрики для внутрикома

Автоматизировать или нет?

Дебют нового автора нашего канала, HR-аналитика крупной международной ритейл компании, Евгения Бабкина.

Ответ "всё" - неправильный.

Почему?
Процесс автоматизации отчетности может занять много времени, в 5-10 раз больше, чем ручной сбор и объединение экселей.

Автоматизацию стоит рассматривать как инвестицию, в первую очередь, собственного времени.

Если мы понимаем, что потраченная сейчас неделя через месяц начнёт приносить нам доход в виде сэкономленного времени (сэкономил, считай, заработал) - то да, оно того стоит.

Если судьба задачи неоднозначна в долгосрочной перспективе (она может быть отменена или сильно изменена), то не стоит торопиться и лучше  поработать руками

Рассмотрим кейс:
(см. продолжение по ссылке)

#метрики оценки эффективности процессов работы с высокопотенциальными сотрудниками (сотрудниками HiPo, или просто HiPo)

В продолжение поста выше, поштурмили какими могли быть показатели в отчете из примера

Получилось так:

1. Доля HiPo в общей численности сотрудников компании, в т.ч.
* по подразделениям
* по территориям

2. Доля HiPo от целевых значений

3. Число/доля увольнений среди HiPo

4. Число/доля перемещений среди HiPo:
* горизонтальных
* вертикальных

5. Результативность HiPo по сравнению со средней по компании

6. Вовлеченность HiPo по сравнению со средней по компании

7. Проплаченность HiPo относительно рынка труда

8. Доля вакансий, закрытых HiPo

9. Среднее время нахождения сотрудника в статусе "HiPo"

Добавите что-нибудь?..

#пятничное
#DataArt

"К морю"
(Excel. График с заливкой.
Заливка <100%" :)

Хороших всем выходных!🙌

Регулярность

На консультации меня спросили: "А как часто надо отслеживать метрики?"

Я бы сказала, что, в первую очередь, важна не частота, а периодичность, регулярность.
Т.е. не сделать и забыть, а сделать и продолжать это делать с определенным интервалом.

Но все же
немного про интервалы

Зависит от:

1. Способ получения и качество данных
Насколько они трудоемкие?
Чтобы не получилось, что обработка данных для измерения будет стоить дороже ценности результата измерения.

2. Объем данных и скорость изменения показателя (скорость протекания процесса)

Например, если приемы/увольнения измеряются десятками в день, то и мерять укомплектованность можно ежедневно, а если единицы в неделю, то и замеры будут, минимум, еженедельные.

3. Степень влияния на показатель.
Мерять нужно чтобы влиять на результат, а не чтобы смотреть.
Если после получения результата замера вы можете внести улучшения в процесс, чтобы добиться более лучшего результата в будущем, то оно того стоит (см. п.2 про скорость процесса)
читать далее👇

Начало тут☝️

Итого, например, график может выглядеть вот так:

Ежедневные метрики:
* Количество приемов / увольнений
* Выработка часов (при сменных и гибких графиках)
* Производительность за час/за день
и др.

Еженедельные метрики:
* Укомплектованность
* Охват/ обученность обязательными тренингами для новичков
* Производительность за неделю
* Прогноз ФОТ
и др.

Ежемесячные метрики:
* Текучесть
* План/факт/прогноз исполенения бюджета на персонал по статьям
* Эффективность источников подбора
* Эффективность ленты в корп соц сети (охват, активность и вовлеченность сотрудников)
и др.

Ежеквартальные метрики:
* использование контракта по ДМС (охват, %использования)
* эффективность программы льгот (охват, востребованность)
* эффективность программ признания (охват, востребованность, вовлеченность в участие)
* eNPS
и др

Ежегодные метрики:
* результаты опроса вовлеченности
* сравнение показателей с бенчмарками
* эффективность программы KPI
и др.

Это совсем не полный перечень и для каждой компании набор метрик и периодичность их замера будут свои, но концепт такой.

И, понятно, что всегда будут какие-то adhoc-и ;)

Но благодаря выстроенной регулярности для основных показателей на них будет оставаться больше времени.

Бизнес-контекст

Даже с таким простым, базовым, показателем как "Численность", важно понимать бизнес-смысл данных, чтобы "говорить с бизнесом на языке цифр", как все любят говорить.

И это не про то, что надо измерять сотню метрик и строить десятки дашбордов, а про то, что надо понимать смысл каждой цифры и ее ценность для руководителей из бизнеса.

Пример с картинки.
Судя по данным HR в команде закрыто 12 позиций.
Укомплектованность 100%.
При этом "бизнес" все время говорит, что "некому работать".
Кто прав?

Правы оба, но каждый по-своемк.
Если посмотреть на общую цифру, то все отлично, а если "копнуть" глубже, то число фактически работающих = ровно 50% от этой цифры, т.к.:
* 3 стажера пока еще не дают вклада в результат и даже отнимают немного времени у опытных,
* 2 сотрудника отдыхают в отпусках
* 1 сотрудник на больничном.

Получается, что обеспокоенность руководителя вполне обоснованна.

Так, понимая друг друга, можно принять решения о временном замещении, увеличении штата и другие полезные решения

Candidate experience

EJM, UX, точки контакта, custdev...

Просто поговорите со своими друзьями за кофе и внимательно послушайте что они говорят😉

3 очень простые и очень важные мысли которые я услышала на днях от друга, разработчика, в совершенно бытовом разговоре.

Его впечатления от общения с рекрутментом известной технологичной компании.

👎 ссылка на Zoom, а не на ТГ
у меня нет zoom-a, зачем он мне, если у меня есть телега?

👎 предложение заполнить анкету для регистрации на платформе для видео-собеседования с 0
это же не мне надо, а им тем у них есть мои контакты, они же как то написали мне mail

👎 в списке вакансий в анкете нет нужного стека
они зовут меня на С, но у них в списке нет таких должностей, пришлось выбрать python
Привет качество данных и аналитика воронки подбора👋

Как HR-IT я понимаю ограничения про ТГ, защиту персональных данных и вот это все.

Но ОНИ видят нас так.
И это нельзя не учитывать при автоматизации процессов.

Пойду, пожалуй, проверю пользовательский путь в своей компании ;)

5 ошибок при построении воронки подбора

Я уже писала, что воронка подбора красивая бывает только в статьях у консалтеров.
И она правда красивая, если взять 1 вакансию, собрать по ней данные и нарисовать диаграмму.

На практике, когда количество вакансий измеряется сотнями, а количество кандидатов - тысячами - это, пожалуй, самый сложный инструмент оценки эффективности процесса подбора.

По ссылке порция "граблей", на которые не стОит наступать при автоматизации воронки подбора.

Милота и Практичность
#dataviz #fuckup #live

Работаем над дашбордом, экспериментируем с визуализациями, хочется внести разнообразие в наш "пакет" HR-дашбордов.

Решили поэкспериментировать и выбрали для визуализации пузырьковую диаграмму: упростили ее, расположили все "кружки" равномерно вдоль оси Х, решили обыграть данные только размером пузырьков.

Во время пилота наш милый, очень талантливый и экспертный заказчик попросил заменить "пузырьки" на привычные "столбики", потому что подсознательно пытается найти закономерности в расположении пузырьков.

Вот так работают бессознательные паттерны восприятия.


Пузырьковая диаграмма - способ визуализации сразу 3х параметров. За 2 отвечает расположение по осям Х и Y, за третий - размер круга.
Второй вариант ее использования - просто расположить все круги на одной оси.

Только убедитесь, что ваши пользователи понимают вашу идею ;)

Обратная связь и общение с заказчиками бесценны!
А гистограмма, видимо, вечна)

Voluntary/Non-voluntary текучесть

2 основные причины увольнений: по инициативе сотрудника (voluntary) и по инициативе компании (non voluntary)

(В реальной жизни обычно их 3😊: всегда есть еще "технические увольнения", когда происходит
* перевод из одного ЮЛ в другое ЮЛ
* окончание срочного трудового договора
* переоформление со срочного договора на бессрочный
и т.п.)

По этим 2м параметрам и происходят замеры и контроль.

Делать это можно 2 основными способами:

1. % общей текучести +
распределение 100% текучести по долям на добровольные/ недобровольные

Этот вариант обычно используется, когда доля недобровольной текучести значительная (15-20%), есть много причин принудительных увольнений и есть задача работать над их сокращением.

2. % общей текучести +
% добровольной текучести

Этот способ обычно используется в случае когда доля недобровольной текучести минимальна, при этом в большинстве случаев это осознанные меры компании (сокращение, реорганизация и т.п.)

Почти одно и то же, но немного разные фокусы

"Точи топор"
или немного #проSOFTы

Во время обработки данных по запросу заказчика постоянны 2 вещи:

1. Многократные дополнения и уточнения от заказчика)

2. Новые параметры, признаки, статусы, которые нужно учесть

Посчитали количество принятых за 2021 год?
А теперь еще добавьте за 2020.
А теперь еще выделите из них стажеров.
А теперь еще уточните кто на удаленке, а кто в офисе.
и т.п.

На деле это значит, что вы сделали выгрузку или селект, а потом нужно сделать новую, а потом еще и еще.

Вот почему, перед тем как начать и потом, в процессе работы, очень важно "точить топор", т.е. думать и уточнять требования.

Работа аналитика - это не просто техническая обработка массива данных, это осмысленная работа с данными с использованием технических инструментов.

Поэтому чем больше деталей будет уточнено в начале работы, тем меньше итераций ответа на запрос получится.
А, на практике, часто это гораздо больше, чем 1 ;)

Но даже если получилось так, что вы переделываете 3й, 4й раз, не забывайте "точить топор")

#пятничное
#DataArt

"Осень"
(Excel. График с маркерами) :)

Датасет ровно тот же, что был тут, но как по-разному смотрится, правда?)

Хороших всем выходных!🙌

Нелинейные процессы
#для_опытных_аналитиков
#посмотреть_на_выходных

По дороге на работу посмотрела одно из выступлений с конференции Matemarketing 2020 года.
(выложенно в свободный доступ)
https://youtu.be/A9TIOFrEwN4

Очень рекомендую, не пожалеете.

(Дальше немного спойлер :)

Мы привыкли к оценке эффективности процесса по анализу действий через воронку.

Но никто никогда не идет по процессу линейно.
Поэтому и анализировать процесс исходя из постулата последовательности не достаточно эффективно.

Например,
работа над вакансией никогда не бывает строго по шагам воронки, всегда будет что-то особенное:
* кандидату откажут, потом вернутся к его рассмотрению, т.к. "лучше все равно нет"
* посмотрят 10 кандидатов, а потом решат "заморозить" вакансию

Или в обучении:
*сотрудник подаст заявку на обучение, ему найдут подходящее, а он перейдет в другую команду и теперь его интересует что-то другое
*сотрудник начнет смотреть онлайн курс, но его отвлекут на срочную задачу, и он оставит обучение "до лучших времен"

В общем, вероятность того, что что-то пойдет не по плану есть и довольно большая.

Как это оцифровать?
Смотрите по ссылке)☝️

Это только 1 из примеров когда аналитика поведения клиентов, подсказывает решения для HR-аналитики.

На конференции Matemarketing всегда много таких кейсов. И организация у них всегда отличная.

Кстати, Matemarketing-2021
пройдет 17-19 ноября.

Рекомендую.