大数据招聘,让HR甩掉“黑锅”晋级“招聘圣手”!

【数据猿导读】 数据绝不单单是做给别人看的,数据更多提供的是对目前招聘情况的解释以及后期工作的改进,有一部分的HR就是为了做数据而做数据,没能去剖析数据背后的逻辑,这样数据的实际意义就变得非常小

大数据招聘,让HR甩掉“黑锅”晋级“招聘圣手”!

一、招聘数据做给谁看?

1、上级、用人部门

在没有数据支撑的情况下,要解释招聘这件事有时候还真让人有点百口莫辩。招聘数据无非是要告诉对方,我都做了哪些工作、结果如何、以及哪个环节有明显问题。招聘工作中会经常遇到用人部门和HR在招聘效率低下的情况下,意见不合甚至互相推诿的现象,数据就能明确显示到底是哪个环节有问题。

2、HR自己

数据绝不单单是做给别人看的,数据更多提供的是对目前招聘情况的解释以及后期工作的改进,有一部分的HR就是为了做数据而做数据,没能去剖析数据背后的逻辑,这样数据的实际意义就变得非常小。

二、招聘数据分布及其分析应用

招聘数据主要是以招聘渠道和招聘过程展开的,原始数据都基于这两者,继而衍生为招聘成本和招聘绩效方面的数据。具体展现形式如下:

1、招聘渠道数据呈现

公式:

某渠道有效简历率=通过初删的简历数/简历提供总量

某渠道面试通过率=通过面试人数/参与面试人数

某渠道录用率=录用人数/某渠道提供简历总数

应用:

在不同渠道的招聘,以上的概率偏低象征的意义也不同:

网络招聘渠道——外因:渠道简历质量不佳?内因:简历删选能力欠缺,招聘投放方式不佳?

推荐类渠道——外因:渠道服务能力有限?内因:出于成本的考虑,要求过于严苛?

2、招聘过程数据呈现

公式:

初删通过率=初删通过人数/应聘人数

面试到达率=参与面试人数/邀约人数

初试通过率=初试通过人数/参加初面人数

复试通过率=复试通过人数/参加复试人数

录用率=录用人数/应聘人数

拒offer率=接受offer人数/发送offer人数

到岗率=到岗人数/录用人数

应用:

初删通过率低——公司展示不到位?岗位职责和需求的描述模糊?岗位需求理解不到位?招聘分工不合理(比如:多重简历审核,每个人的简历删选偏好不一)?

一面面试到达率低——沟通不到位:意向没把握准,属海投、随意看看机会型?信息没有交代清楚?时间协调的时候过于强势?没有考虑地点因素?

二面或其他面面试到达率低——公司吸引力不够?面试流程过于冗长?前期面试环节中面试官表现不专业?

面试通过率低——对市场的把握不大?(比如,有些公司会通过面试很多求职者来估摸市场水平)、渠道没有选好?需求一直在变更?需求不合理?

拒offer人数高——薪资福利水平偏低?候选人定位不精确?

到岗率低——前期沟通不到位?没有持续追踪?

3、招聘成本数据呈现

公式:

单位招聘成本=招聘总成本/到岗人数

招聘渠道成本=渠道费用/到岗人数

4、招聘绩效数据呈现

公式:

招聘计划完成率=到岗人数/需求人数

招聘及时率=规定时间内到岗人数/需求人数

招聘周期=录用最后一人日期-招聘审批日期


来源:思高人才管理

声明:数据猿尊重媒体行业规范,相关内容都会注明来源与作者;转载我们原创内容时,也请务必注明“来源:数据猿”与作者名称,否则将会受到数据猿追责。

相关精彩内容推荐

我要评论