现代企业的竞争归根到底是人才的竞争,这个大家都懂。招聘就是招聘合适的人到公司,这个大家也都懂。但是如何招聘合适的人员、如何判断某位候选人是否胜任岗位工作,这个该如何操作呢?我们要知道,招聘的人员与岗位不匹配,可能会造成工作效率低下、打乱团队工作节奏、对公司企业文化带来影响等,如果把这可能的影响不断积累,最终会给企业带来危机,这时候我们把HR定位为影响企业发展的重要因素也是非常有道理的。所以如何招聘到合适的人才,就成了HR一直以来研究的一个课题,它是HR不断攀登的高峰。通过简历筛选、面试直观判断等方法是很多HR来判断某位候选人是否胜任岗位的方法,招聘的成效体现在人员是否招聘到位,而并不是来判断人员是否具备完全匹配的技能和很好的文化契合度。HR招聘方面技能的提升是经验式的提升,而每个人因学历、经历、知识、技能等因素不同,对人员招聘及面试的理解和认知也不同,必然存在...
现代企业的竞争归根到底是人才的竞争,这个大家都懂。招聘就是招聘合适的人到公司,这个大家也都懂。
但是如何招聘合适的人员、如何判断某位候选人是否胜任岗位工作,这个该如何操作呢?
我们要知道,招聘的人员与岗位不匹配,可能会造成工作效率低下、打乱团队工作节奏、对公司企业文化带来影响等,如果把这可能的影响不断积累,最终会给企业带来危机,这时候我们把HR定位为影响企业发展的重要因素也是非常有道理的。
所以如何招聘到合适的人才,就成了HR一直以来研究的一个课题,它是HR不断攀登的高峰。
通过简历筛选、面试直观判断等方法是很多HR来判断某位候选人是否胜任岗位的方法,招聘的成效体现在人员是否招聘到位,而并不是来判断人员是否具备完全匹配的技能和很好的文化契合度。HR招聘方面技能的提升是经验式的提升,而每个人因学历、经历、知识、技能等因素不同,对人员招聘及面试的理解和认知也不同,必然存在对同一个候选人有不同的评价情况。
基于这种情况,招聘工作需要有量化的分析,通过数据的差异来检验我们的工作是否存在问题以及在哪里提升,甚至可以通过数据来进行预测性分析,判断候选人是否匹配工作岗位。
一、招聘数据分类
大类
|
小类
|
指标
|
解释
|
描述类数据
|
|
|
通过公司、部门、团队、岗位、学历、年龄等维度来描述招聘的人员情况
|
分析类数据
|
过程指标
|
简历初选通过率
|
人力资源部初选合格简历数/收到的简历总数
|
有效简历率
|
用人部门筛选后的简历数/人力资源部初选合格简历数
|
初试通过率
|
初试通过人数/面试总人数
|
复试通过率
|
复试通过人数/初试总人数
|
录用率
|
实际录用人数/面试总人数
|
报到率
|
实际报到人数/发出录用通知人数
|
结果指标
|
招聘计划完成率
|
实际报到人数/计划招聘人数
|
平均招聘周期
|
总招聘时间/总招聘人数
|
渠道指标
|
|
各招聘渠道录用人数占总录用人数比率
|
成本指标
|
人均招聘成本
|
招聘总成本/录用总人数
|
招聘预算完成率
|
实际招聘成本/招聘预算成本
|
预测类数据
|
|
|
录用人员实际情况与预期情况对比
|
招聘数据的分析,需要考虑各个维度的对比分析,例如各岗位的人均招聘成本、各公司的报到度、各招聘渠道的录用率、同一指标同比环比等。一般而言,没有进行多维分析的数据,是很少能分析出问题、提升工作效果来的。
二、描述类数据
描述类数据是HR经常用到的数据分析方法,主要是展现某些工作的数字情况,我们也要结合不同维度来展示和对比,以便从数字中发现问题。
例如招聘团队中每位人员每天的电话邀约量、面试人数、有效简历率等,通过描述类数据与数据的对比分析,可以发现招聘团队成员的工作情况。
三、分析类数据
分析类数据主要是事后进行的分析,以过去的数据来指导未来自己需要做什么。一般这种数据分析起到效果,我们需要三个招聘周期,第一个招聘周期是收集数据和分析数据,第二个招聘周期是根据上个招聘周期的数据分析情况来提升工作效果,第三个招聘周期是和第二个、第一个招聘周期的数据进行对比分析,检验当初数据分析的角度和提出的问题建议是否合理。
(一)过程数据
过程数据分析是对招聘流程进行优化和持续改进,过程数据的分析,我们可以直接采用漏斗图进行不同维度的分析,例如招聘团队、公司、部门、岗位、时间等维度。
下图是我特别爱用的一个图,在多篇文章中出现过,招聘漏斗图可以直观的反映过程数据情况,从漏斗图里面我们分析各个流程的数据转换情况,然后持续的改进工作,提升数据转换效果,以提升工作效率。
如下图,可以通过两类人员招聘漏斗图的分析来调整工作时间和精力分配情况,或者找出问题针对性改进。我们可能认为生产基层及辅岗人员好招聘,但是从下图的分析来看,一般管理人员的录用率要比生产基层及辅岗的录用率高出12个百分点。
(二)结果数据
结果数据也是招聘KPI,它直接反映人力资源部门或者招聘团队的工作效果,甚至决定着人力资源部门或招聘团队能否跟上公司的发展节奏。
我们可以根据招聘计划完成率来调整招聘工作或者对其它模块工作提出改进建议,例如通过分析,我们得出招聘计划完成率最低的5个岗位,我们可以重点建立几个岗位的人才库储备人员、通过一系列措施留人、开展师带徒项目或后备人才项目提前储备人员等。
平均招聘周期决定着人力资源部门或招聘团队能否快速的把人员招聘到位,以便及时开展工作或接替离职人员工作。《劳动合同法》赋予员工提前30天提出解除劳动合同的权利,平均招聘时间越短,代表工作交接的时间越长,新入职员工越容易进入角色开展工作。而下图中我们发现,5个岗位招聘平均招聘周期最短的达56天,这严重的影响了公司和团队工作的开展与计划安排。
(三)渠道数据
渠道数据主要是分析各个招聘渠道的优劣以及在什么情况下采用何种招聘渠道最有效。渠道数据的分析主要是以招聘渠道维度来分析过程指标以及结果指标,同时可以结合部门、岗位、职级等维度来得到特定情况下最有效的招聘渠道。
例如我们可以来分析各个招聘渠道录用人数点录用总人数的比率,如果结合岗位维度,我们会发现招聘渠道1是招聘某岗位最好的渠道。
我们还可以通过各个招聘渠道的对比,来分析招聘成本支出情况。
如果再结合人均招聘成本情况,我们会发出使用最多的网络招聘成本最低,而现场招聘、校园招聘的成本是非常高的。再结合录用人数和录用率的对比,我们可以通过年度招聘计划来做一个最优招聘渠道组合,在这个基础上安排我们全年的招聘工作。
(四)成本数据
招聘工作并不是无休止的投入,如果不计成本的投入,相信招聘工作也就非常好做,所以招聘成本指标是我们必须要关注的一项指标。
通过实际支出与预算的对比,来分析招聘预算做的是否合理、年度招聘计划是否符合实际情况等。
通过人均招聘成本的分析,可以有针对性的提出改进性措施,降低招聘成本提高招聘效果,结合公司、部门、岗位、职级、招聘渠道等维度可以有效的分析出问题。
四、预测类数据
预测类数据主要是通过各种数据来事先预测某位员工是否胜任岗位工作、某些条件设置是否合理等,而不是完全靠简历筛选或面试官直觉式的判断。谷歌公司通过数据分析得出,名校学历教育背景并不能保证职员的工作质量。我们通过数据的积累,可以来做一些预测,例如:
结构化面试与半结构化面试对招聘的准确性影响;
不同面试官与新入职员工工作绩效的对比;
新入职人员工作经历与工作绩效的对比;
新入职人员学历、学校、专业和工作绩效的对比;
面试测评结果与员工入职后工作绩效的对比;
面试测评结果与员工入职后岗位胜任模型的对比;
……
预测类数据与预测分析是完全具有公司属性的,所以各个公司需要不断的积累数据、不断的分析与调整招聘管理工作,在未来某一时刻,我们可以通过足够的数据积累来提升招聘效果、降低成本、提升团队业绩等。
例如我们通过数据画出高绩效销售人员人物画像,由此我们可能会判断出:毕业院校、名企工作经验等招聘条件设置是非常没有必要的。
招聘数据分析是从无到有、从简单到复杂、从辅助决策到提供决策的一个比较艰辛的过程,招聘数据分析的指标和维度也是非常多的,某项数据或指标是否有意义,需要结合管理环境来具体分析。通过数据收集、数据整理、数据分析、提出建议、结果实施、实施结果检查、数据对比分析等一系列手段,不断提升招聘效果。
查看原文