Включаем GPS в принятии решений: как внедрить data driven рекрутинг в вашей компании

Смотреть детальнее

«Как-то у нас маловато резюме». «Мы могли бы нанимать быстрее». «Из-за запутанного процесса найма мы теряем кандидатов». Возможно, эти мысли правдивы, однако им не хватает аргументации. Все потому, что они не data driven. Именно этот подход помогает усилить идею, принять решение, сохранить бюджет (и нервы). Так согласно Harvard Business Review Report, 51% лидеров уверены, что data-driven культура — критически важная часть корпоративной стратегии.

О том, как принимать data driven решения в рекрутинге, чтобы улучшать процесс на стороне и кандидатов, и hiring-менеджеров — рассказывают специалисты Everstake и ITExpert.

Какой рекрутинг называют Data driven и почему стоит перестроить ваш найм уже сейчас

Рекрутинг каждой компании проходит этап интуитивных решений и субъективных оценок формата «наш соцпакет слабый» или «давайте посмотрим еще кандидатов». Но не каждый бизнес переходит на следующую ступень — дата-ориентированный подход.

Data driven решение — это потребность современного найма, а не просто тренд или базворд. Так называют способ принимать управленческие решения, ориентируясь на большие данные и объективные факторы. Этот подход минимизирует ошибки и позволяет обратить внимание на важные инсайты, о которых сложно задуматься в «операционке».

«Data driven подход нужен всегда! С опытом в прошлом мы получаем понимание, как действовать сейчас или в будущей похожей ситуации. Например, если раньше с наймом FinOps Engineer платформа X не дала нужных результатов, мы не используем ее повторно, а еще знаем, что “перебирать” кандидатами не получится» — Мария Куцевол

В рекрутинге data driven метод помогает:

• Находить узкие места в процессах на уровне одного специалиста и всей компании.

• Делать менеджмент стейкхолдеров эффективным: аргументировать необходимость повысить заработную плату на позицию DevOps или пересогласовать требования, если больше нет заинтересованных кандидатов.

• Снизить cost-per-hire: понять, какие инструменты дают результат, а какие нет, как оптимизировать работу рекрутеров и сократить расходы в целом и так далее.

• Улучшить качество найма и конверсию рекрутинговой воронкой, а значит и ускорить рекрутинг.

• Прогнозировать — какой реалистичный показатель time-to-fill, как спланировать собеседования, понимая загрузку менеджера, и действительно ли получится закрыть hiring-план.

• Улучшить впечатление от вашего бренда работодателя: больше не будет потерянных кандидатов или задержки обратной связи на недели, тогда как персонализированные и точечные предложения окажутся в топе.

• Установить KPI и SMART цели для рекрутинг-отдела, которые будут приносить прозрачную ценность для бизнеса. Количественные и качественные метрики становятся основой бонусов и комиссий, повышающих мотивацию рекрутеров. Так, согласно исследованию People First Club, в котором приняли участие более 3 тыс. специалистов, зарплата 64% рекрутеров содержит бонусную часть, на которую влияют в частности уровень закрытых вакансий, личные цели и профиль позиций.

Мария Сидоришина

Technical Recruiter в ITExpert

«Data driven подход эффективен при построении стратегии поиска. К примеру, когда я начинала работу с позицией .NET, то понимала, что сейчас достаточно много специалистов открытых к рассмотрению вакансий, ведь они активно отвечают на предложения в Linkedin. Если отправить условно 25 писем, то около 5–7 кандидатов проявят свой интерес. В таких случаях можно сэкономить время на сорсинге и опубликовать вакансию на job-порталах. Так, в первый же день я получила около 20 откликов, смогла провести скрининг опыта айтишников и назначить технические собеседования.

Для сравнения: на позицию DevOps Engineer откликнулось бы всего 1–2 человека (или вообще никто). Такие вакансии, по моему опыту, нужно закрывать точечными и персонализированными предложениями, которые занимают гораздо больше времени.

Другой “инсайт” из моего опыта работы по data driven подходу. Данные показали, что IT-специалисты более активно отвечают в LinkedIn, тогда как люди на C-level позициях предпочитают электронную почту. Поэтому важно всегда анализировать, какие платформы и каналы работают для ваших вакансий. Это позволяет адаптировать свою стратегию сорсинга и эффективно распределить усилия».

А еще data driven recruitment (DDR) — это создание стандартизированных процессов, которые легко воспроизвести и масштабировать. Возможно, в команде из 30 человек с наймом по несколько кандидатов в полгода, вы и сможете работать без детального брифа вакансии или аналитики по каждому этапу рекрутинга. Однако, если вы захотите вырасти в хедкаунте до 150 специалистов, без data driven не обойтись.

Какие данные можно использовать для Data driven подхода в рекрутинге

Понимать количество разосланных предложений, кандидатов на разных этапах найма или оферов — только первый этап на пути к Data driven подходу. На какие еще данные обращать внимание?

👉 Скорость рекрутинга:

• время подачи первого резюме от заполнения брифа вакансии,
• количество дней для решения о приглашении специалиста на собеседование после получения резюме,
• время для перехода специалиста на следующий этап рекрутинга,
• количество дней для принятия решения по офферу,
• общее время найма (time-to-hire и time-to-fill).

👉 Качество процесса:

• процент ответов на письма рекрутеров,
• самые частые причины отказов кандидатов/отказов менеджера по резюме,
• конверсия с собеседований в оффер или необходимое количество резюме для найма,
• OAR или процент принятых джоб офферов,
• процент успешно закрытых вакансий за период (fill rate),
• процент прохождения испытательного срока новичками и как долго они оставались в компании.

👉 Источники и стоимость:

• источники получения качественных резюме (applications per channel),
• источники/платформы, на которых откликнулись специалисты, получившие оффера,
• стоимость полученного резюме с платформы и общая стоимость найма (cost-per-hire),
• расходы на дополнительное продвижение вакансий.

👉 Данные про рынок кандидатов:

• количество специалистов с нужным стеком или навыками,
• рыночные заработные платы для подобных позиций,
• отношение к сфере разработки вашего продукта,
• важные плюшки и соцпакет для айтишников и другие тренды.

Топ инструментов для data driven рекрутинга

Полезными станут:

1. ATS с развернутой аналитикой рекрутинга или возможностью построения кастомизированных отчетов: People Force (PeopleRecruit), Breezy, HURMA, Zoho, CleverStaff и другие.

2. Инструменты для создания дашбордов: Tableau, Looker Studio или Power BI.

3. Развернута аналитика в продвинутых версиях LinkedIn Recruiter. Можно просмотреть данные о количестве ответов, активности команды рекрутинга или воронке. А Talent Insights даст больше фактов для принятия стратегических решений: о спросе на таланты, емкости рынка, склонности специалистов менять работу, а также возможные компании-доноры для переманивания.

Смотреть детальнее

Отчет LinkedIn Talent Insights для позиций в Java разработке

4. Трекинг инструменты для электронной почты. Например, Mailtrack показывает, когда и сколько раз ваши письма были открыты, отправляет уведомления, когда происходит активность с письмами и предлагает ежедневную аналитику.

5. Инструменты для сбора фидбеков от кандидатов: Trustcruit, SurveyMonkey и другие.

6. Тулзы для мониторинга упоминаний о работодателе в сети. К примеру, MediaMonitoringBot.

Наталия Шевченко

HRD BP в Everstake

«На мой взгляд, data-driven решения — важный элемент аналитики о состоянии рынка талантов. Правильно собранные и обработанные данные оказывают прямое влияние на верность построения рекрутинговой воронки, и, как результат, быстрого и максимально точного закрытия вакансии.

В компании Everstake мы отслеживаем такие данные, как уровень активности кандидатов на разных позициях и рекрутинговых площадках, зарплатные ожидания в зависимости от позиции, грейда, платформы, влияние экономических и социальных факторов на динамику/колебания/системные паттерны на рынке кандидатов, насыщенность рынка талантов в определенных доменах и многое другое.

Мы собираем информацию с помощью настроенных воркфлоу в наших внутренних рекрутинговых Slack-каналах. К примеру, кандидаты для команды маркетинга презентуются в специальном канале “Slack – Marketing hiring”. С помощью настроек все кандидаты, представленные в этом канале через воркфлоу, автоматически попадают в соответствующую Google-таблицу. В зависимости от потребностей добавленные данные можно сортировать/группировать. К примеру, по платформе, на которой они откликнулись, или по наличию вакансий и зарплатным ожиданиям. На основе данных автоматически строится график — мы можем отследить ситуацию по любому параметру в реальном времени.

Также многие платформы рекрутинга предоставляют полезные функции встроенной аналитики. Такой, в частности, является Djinni, где удобно отслеживать динамику предложений кандидатам или уровень зарплатных ожиданий по соответствующим вакансиям.

Когда кандидат начинает испытательный срок в компанию, мы используем нашу CRM — BambooHR. Она помогает отслеживать аналитику успешности испытательного срока и прочее.

А иногда нам на помощь приходит наш Data science department (Everstake — блокчейн компания, мы ежедневно обрабатываем большие массивы информации). Поэтому есть возможность обратиться за помощью к нашим профессионалам в аналитике и работе с большими данными.

Понимая, как меняется рынок и какие факторы влияют на это, мы подстраиваем рекрутинговые процессы под сезонность, а потому и можем расширять команду наиболее эффективным способом. Это часть HR-планирования, которая влияет на стратегию компании, а также планирование проектной активности».

🔗 Больше инструментов рекрутинга для аналитики и не только уже по ссылке.

Как принимать data driven решения: советы и кейсы

Sad, but true: 82% рекрутеров сталкивались с нереалистичными ожиданиями хайринг менеджера. Именно предложения, в основе которых лежат данные, помогут вам аргументировать необходимость изменений и сформировать правильные представления о рекрутинге. Делимся советами, чтобы сделать ваши идеи data driven.

1. Заранее определите данные, которые помогут вам принять или аргументировать решение.

Для этого задайте себе такие вопросы:

• Что вы хотели бы знать о процессе найма?
• Какие доступные данные для анализа у вас уже есть?
• Какие данные помогли бы вам быть более продуктивными в рекрутинге?
• Какие вы видите проблемы и узкие места воронки (bottlenecks), как их проверить?
• Какие источники и подходы сорсинга вы используете? А каких избегаете? Как проверить их эффективность?
• Какие данные важны для hiring менеджера? На что он/она обращает особое внимание, принимая решение?
• Как выглядит успешный и качественный процесс найма для вас? Как долго он длится, как должна быть построена коммуникация? А какие характеристики некачественного процесса?

Бывает, что нужные данные получить не так легко, как хотелось бы. Поэтому важно заранее настроить инструменты аналитики так, чтобы накапливать необходимую информацию.

2. Обращайте внимание не только на количество, но и на качество процесса.

Мария Куцевол

Recruitment Team Lead & Account Manager в ITExpert

«Data driven — это о синиорности. Опытный рекрутер знает, что больше кандидатов — не всегда лучше, а для анализа любой вакансии нужно принимать во внимание не только количество отправленных писем, ответы кандидатов и проведенные собеседования, но и такие метрики, как время, стоимость, источник найма, соотношение интервью к оферам, OAR. С опытом становится очевидным, что эти метрики будут отличаться для найма в разных локациях даже для, казалось бы, одинаковых вакансий. Инсайты на основе аналитики рекрутинга помогают прогнозировать результаты, понимать, есть ли в найме проблемы и как их исправить.

Данные — наш GPS на пути к закрытию вакансии. Они позволяют принять решение не по ощущениям, а объективно — учитывая воронку рекрутинга, обходя ботлнеки и возможные проблемы, понимая, куда двигаться дальше, чтобы показать кандидатов. А вот без возможности подготовиться, можно попасть в неприятные приключения или поехать по неправильной дороге, потратить несколько часов на пробки или вообще не достичь пункта назначения».

3. Работайте в команде. Рекрутер не может быть оторван от бизнеса. Так, data driven HR-менеджер — еще один помощник в процессе прогнозирования найма и аргументированных решениях. Простой пример: у компании известна текучесть кадров, планы на расширение команды (новые локации или продукты), внутренняя мобильность кадров. С помощью этих данных нужно составить годовой план по найму. Работая в команде рекрутеры и HR’ы правильно спланируют и спрогнозируют открытие вакансий, выходы новичков на работу, онбординг. А компания в свою очередь достигнет необходимых плановых показателей.

4. Сравнивайте собранные данные с рыночными показателями, а не только с внутренней аналитикой. Какие бенчмарки можно принять во внимание:

📎 Responce rate. По данным Salesflow, кандидаты в среднем отвечают на 20% писем. Увеличить показатель могут короткие тексты и персонализация.

📎 Applicants per opening. В среднем на Fullstack вакансию откликается 36 специалистов. Просмотреть данные по другим вакансиям можно в интерактивном блоке на Djinni.

📎 Cost-per-hire. Средняя стоимость закрытия позиции составляет $4,7 тыс., но может и достигать 3–4 месячных зарплат специалиста, по исследованию SHRM.

📎 Time-to-hire. Согласно Workable, чтобы успешно нанять кандидата на IT и Engineering позиции нужно 27–29 дней. В то же время The Josh Bersin делится инсайтами: Tech и Media компаниям нужно до 20 дней для найма, тогда как бизнесы из сферы услуг, в том числе IT-аутсорсы и аутстаффы — до 47.

5. Не делайте однозначных выводов. Используя какие-либо данные, имейте в виду, что они не расскажут всю историю. Вам следует глубже погрузиться в «почему» в том, что вы находите в цифрах. К примеру, если 80% офферов приходятся на один ресурс, не нужно отказываться от других. Возможно, новые позиции будут более редкими по стеку и потребуют доступа к нишевым источникам поиска.

Рассмотрим на практических примерах — как data driven подход поможет успешно закрыть вакансию.

Кейс 1. Компания активно масштабируется. Нужно нанять 15+ специалистов высокого грейда, тогда как рынок талантов по этому стеку ограничен.

✅ Решение: Рекрутер еще до начала поиска предупреждает hiring-менеджера о том, с каким количеством кандидатов выйдет пообщаться в течение первых месяцев и полугода поиска. Специалист знает среднюю конверсию по воронке внутри компании и особенности общения с техническими менеджерами — поэтому говорит о необходимости нанимать, проводя на 20% меньше собеседований, и упоминает альтернативу (например, найм специалистов с похожими технологиями и reskilling).

Как результат, менеджер понимает ограничение рынка и не отказывает кандидатам по «цвету глаз».

Кейс 2. Кандидаты отвечают на письма рекрутера, но предложение им неинтересно. Опубликованные вакансии не собирают достаточно откликов.

✅ Решение: Рекрутер спросил фидбек об описании вакансии у своего нетворка в сфере. Оказалось, что текст сухой и формальный, а это не привлекает внимание специалистов, которые и без того заспамлены другими предложениями. Именно поэтому рекрутер разработал несколько вариантов кратких описаний — в дружеском стиле и с акцентом на бенефиты работы в компании. После A/B тестирования удалось выбрать лучший вариант и повысить конверсию на 25%. Без этого ресерча рекрутер не получил бы больше ответов от кандидатов.

Кейс 3. OAR одного из рекрутеров вашей команды значительно ниже других.

✅ Решение: Анализ показал, что показатель не зависит от команды или сложности позиции, а значит, следует углубиться в то, как рекрутер обрабатывает возражения кандидатов. Коллеги помогли разобрать последние отказы от оффера и посоветовали ряд полезных материалов. Возможно, до 100% offer acceptance rate нужно больше времени и практики, однако результаты улучшились уже в коммуникации со следующим специалистом. Если бы этот анализ не провели, результаты оставались бы низкими, а рекрутер, возможно, был бы под угрозой увольнения.

Даже если ваши рекрутинговые команды и hiring менеджеры привыкли принимать решения на основе интуиции, данные станут для них усилением. Data driven рекрутинг покажет, что сработало на практике, что — нет, а также как прогнозировать результаты в будущем. Начните с правильного накопления информации, настройте аналитику и обращайте внимание на цифры, которые указывают на эффективность подходов. Так вы и не заметите, как построите найм на основе data-driven!