Data-Driven рекрутинг
Data-Driven рекрутинг — подход к найму, где решения принимают на основе данных и метрик (воронка, конверсии, сроки, качество найма), а не интуиции.
Когда найм «не едет», у всех разные версии: «кандидатов мало», «зарплата низкая», «менеджер долго отвечает», «рынок перегрет». Без данных это спор мнений, который может тянуться месяцами. Data-driven подход переводит разговор в цифры: где именно теряются кандидаты, на каком этапе и почему — и что нужно изменить, чтобы воронка заработала.
Какие метрики составляют основу
В рекрутинге базовый набор показателей охватывает весь путь кандидата — от отклика до выхода на работу. Вот ключевые метрики и что они показывают:
| Метрика | Что измеряет |
|---|---|
| Time-to-hire | Сколько дней от отклика до принятия оффера |
| Конверсия этапов воронки | Сколько кандидатов переходит на каждый следующий шаг |
| Стоимость найма | Расходы на закрытие одной вакансии |
| Offer acceptance rate | Доля кандидатов, принявших оффер |
| Quality of Hire | Успешность нанятых на испытательном сроке и далее |
| Источники кандидатов | Откуда приходят лучшие кандидаты и по какой цене |
Эти показатели в связке дают полную картину эффективности воронки рекрутинга. Без них рекрутер работает вслепую.
Как найти узкое место в воронке
Типичный сценарий: заявок много, но до интервью доходит мало. Или до интервью доходят, но офферов мало. Данные позволяют точно локализовать проблему.
Алгоритм поиска узкого места:
- Выгрузить данные по всем этапам за последние 3–6 месяцев из ATS.
- Посчитать конверсию каждого перехода: отклик → скрининг → интервью → оффер → выход.
- Найти этап с аномально низкой конверсией — это и есть узкое место.
- Сформулировать гипотезу о причине и протестировать изменение.
- Замерить результат через 4–6 недель.
Например, если коэффициент скрининга к интервью низкий, возможно, требования в вакансии завышены или скрипт скрининга неточен. Если оффер принимают редко — проблема в условиях или скорости.
Дисциплина данных: почему метрики ломаются
Самая частая проблема: метрики считают по-разному. Один рекрутер записывает дату начала в момент отклика, другой — с первого скрининга. Итог: HR-метрики несравнимы между собой, и data-driven подход превращается в фикцию.
Чтобы этого не было, нужны единые определения: что считается «открытой» вакансией, с какого момента идёт отсчёт time-to-hire, как фиксируются отказы. Это не сложно, но требует договорённостей внутри команды и дисциплины при работе с ATS.
Скорость против качества: ловушка метрик
Когда фокус только на скорости, рекрутер начинает срезать углы: пропускать этапы, давить на кандидатов, снижать планку. Быстрый найм с высоким early turnover — это не успех, это двойные расходы.
Data-driven подход в HR всегда балансирует три параметра: скорость, стоимость и качество найма. Оптимизировать только один — значит ухудшать другие. Поэтому смотрите на все три метрики вместе, а не по отдельности.
Часто задаваемые вопросы
Какие метрики — базовые для data-driven рекрутинга?
Конверсия этапов воронки, time-to-hire, offer acceptance rate, источники кандидатов, стоимость найма и показатели качества найма — например, успешность на испытательном сроке.
Как найти узкое место в воронке?
Посмотреть, где падает конверсия или растёт время: отклик → скрининг, интервью → оффер, оффер → выход. Затем проверить причины и тестировать улучшения, замеряя эффект через 4–6 недель.
Чем data-driven рекрутинг отличается от People Analytics?
Data-driven рекрутинг — фокус на найме и воронке кандидатов. People Analytics шире: удержание, эффективность, развитие и HR-решения по всем сотрудникам.
