杭州都市網

疫情加速了企業數字化的腳步,人力資源作為企業管理的重要組成部分,正經歷著數字化帶來的巨大變革。在企業數字化轉型中,數字化是手段,而數字化轉型的重點在于思維轉型。利用數據反輔業務決策,才是數字化的終極目標。為了重塑數字化業務能力,向客戶分享更多的招聘運營數據洞見觀點,Moka推出精益系列公開課——新版BI報表專場。5月19日,Moka資深客戶成功經理張巖分享《數據分析,洞見招聘全流程》,討論如何構建招聘運營所需的數據支持體系。

一、讓數據洞見成為能力

這幾年,大家一直都比較關注數字化及數字化轉型。在服務客戶的過程中,我們與客戶的交流內容常常為:為什么要做數字化?怎么才能讓數字化轉型達到最終目標?在此,數字化轉型需要兩部分基礎:其中一部分是硬件支撐,另外一部分是客戶內部數據化的一些思維,我們稱它為軟件支撐。如果我們想做數字化,需要借助好的數據模型、數據搭建思路和信息化工具去做軟件支撐。它會結合顯性數據與隱形數據,分析并提煉出能為我們做招聘分析、業務洞見及決策支持的最終數據,實現全面數字化升級。

在日常工作中,大家常圍繞日常招聘交付付諸時間精力,在此過程中常會產生流程、體系及hr與用人部門間的交互問題。此時,如果存在數據統計和分析工具,則可以幫助HR快速識別及監控整個過程,并對相應問題快速調整。這正是招聘數據運營的作用。在招聘運營中,我們最關注的是過程數據和結果數據。過程數據即職位進展、招聘交付等過程數據。結果數據則是年度招聘計劃完成情況、進展情況及計劃投放人效,其作用為助力企業未來招聘決策。此時,需要一個信息化工具助力技術賦能,記錄HR/用人經理在招聘中的過程行為,抓取原數據,實現數字化留痕與管理,協助HR搭建數據分析體系。

二、不同業務場景下的數據體系及分析訴求

數據分析來源于系統操作的業務留痕,與企業使用系統的頻率有關。不同的業務場景,需要的數據維度不同,企業使用系統的不同階段,對數據的訴求也不同。

案例一:某上市企業社招招聘人效和成本數據分析

該上市企業客戶已使用Moka多年,使用Moka的不同階段,均有不同訴求:

第一階段首年:使用招聘系統前后對于HR效能的效果對比

第二階段:如何用系統提效

第三階段:希望通過招聘系統的數據分析招聘人效和成本

針對不同階段訴求,Moka對客戶業務進行梳理。首先,了解2021全年入職情況與招聘任務完成情況,以及基于一級部門,有無閃入閃離情況;此外,基于21年Q1和22年Q1同期,平均產能和人效比如何變化,并在此基礎上幫助客戶進行預判,比如基于21年入職量,預估22年計劃招聘人數;在招聘任務基礎上,現有HR分布及產能能否支持近兩年招聘任務,以及對招聘渠道的投入和應用是否加速了HR產能與效率。

舉例來說,該數據分析是基于HR不同的“人”的維度進行的。21年招聘任務結束時,招聘主要來源于獵頭還是內推?通過對招聘渠道的分析可以幫助HR調整22年招聘渠道布局,以節約招聘費用,優化人員配比,最大化招聘人效。

案例二:某金融企業校招流量數據amp;簡歷質量分析

疫情反復,促使校招網申使用頻率大大提高,因此企業與招聘網站合作較多。校招中,一些數據是招聘渠道平臺上的留存數據,其他則是從乙方數據平臺或雙選會等自建渠道獲得。通過數據后臺,可以看到各渠道流量和數據轉化的效果分析。包括校招啟動后簡歷開源引流使用平臺,集團型子公司的宣講會效果、網申投遞量數目監控等。在簡歷篩選或通過校園定向吸收高質量簡歷后,對校招進行數據維度分析與報表監控分析。

案例三:某科技SaaS企業的內推運營效果數據分析

內推是企業比較常見的招聘場景。內推要做的工作實際就是拉新與促活。拉新是讓更多員工知曉并參與內推;促活則是激發員工定期關注內推活動。通過內推運營,達到持續引進優秀人才的目的。內推活動推廣后,利用數據維度查看新用戶注冊趨勢,評估效果更好的內推運營方式,以及在內推運營及推廣過程中判斷出哪類群體參與頻率較高。

案例四:某國有背景上市企業多年招聘對比數據

對于老用戶來講,分析21年整體渠道策略、渠道投入對整體入職量所達貢獻率數值以及內推、獵頭、招聘網站渠道中,哪個渠道的入職率高,是數據分析的常見場景。從21年至22年,企業的招聘策略、渠道布局、職位層級均可能有所調整,如增加通用類職位或者中高端職位等,老用戶可由此抓取數據、構建后臺數據模型,分析找出對核心崗位和中高端崗位入職率貢獻更高的渠道。

案例5:某快速增長的科技企業用人部門招聘效率分析

一家快速增長企業在完成招聘任務的同時還會遇到許多過程挑戰。當企業人員快速擴張時,團隊可能不僅有一級部門負責人,還會有二三級leader參與面試。此時,HR與用人部門間協作效率、面試時長、簡歷推薦及反饋時長以及候選人面試滿意度等數據是否異常,HR通過后臺提取關鍵數據統計維度進行定期復盤與監控,分析過程數據,進而抓取整體協作過程中的關注點。

案例6:某上市科技企業基于人才庫擴充計劃的數據分析

該企業使用系統的目的一方面為數據留痕,另一方面則是通過過程標記、人才庫透視與人才激活助力搭建人才庫。人才庫經擴充之后,可以看到來自于競品或行業上下游的關鍵人才分布狀況;利用人才透視,看到現有人才庫體系中,目標行業人才能否滿足招聘需求,利用智能標簽形成的數據抓取維度,看到基于不同行業和競品的系統庫中人才量分布狀況。

案例7:某頭部金融企業基于雇主品牌的微門戶的投遞數據分析

企業需要一個門戶向客戶或候選人展示雇主形象,在互宣中收集更多候選人、粉絲。除了定期在智聯、獵聘等不同渠道進行廣告位購買與雇主品牌推廣。在招聘直播過程中,企業也會利用自建門戶進行網申引流,并查看渠道平臺已購買廣告位的投遞量與瀏覽量,查看簡歷引流和互宣效果數據,從而精準定位到流量效果較佳的渠道,之后繼續在該渠道做雇主品牌投入。

案例8:某多元化集團企業系統上線初期的用戶活躍度分析

伴隨用戶使用系統的全過程,用戶的注冊時間、登錄天數等數據呈“所見即所得”狀態。在這個信息化推廣過程場景下,可看到企業信息化效果及用戶過程行為,由此進行策略調整。

案例9:某頭部快消企業候選人滿意度調研數據分析

在候選人面試滿意度調研和數據分析中,候選人滿意度線上調研不僅包含候選人對公司形象、防疫禮包等體驗分數,還包括候選人對面試官行為分析、專業度評估。

案例10:某外資跨國企業崗位族群招聘周期數據分析

在以上所述的通用過程類數據與結果類數據基礎上,還有企業不同職族體系與崗位序列體系招聘周期分析。如果日常管理與數據顆粒度并非基于部門與HR,而是核心關鍵崗位、部門間效率或HR產出效能比等整體崗位和族群,就可基于系統后臺進行數據維度設計抓取數據。

　　案例11:顯性招聘成本 vs 隱性招聘成本

顯性招聘成本為在投入渠道費用的基礎上所花整體預算及簡歷獲取成本。

隨著客戶在系統中標記優質候選人,在自有簡歷庫形成后接收新簡歷,系統會對獵頭、內推等付費渠道自動查重。在最常見的獵頭保護期與內推保護期中,系統會幫助篩選已存在內推或獵頭流程中的簡歷,在自有簡歷庫建成后縮減簡歷成本。雖然簡歷查重所省費用包含于招聘過程,不易統計,但通過數據后臺,可計算出節省的隱性成本。

以上就是在我們與客戶的日常交流招聘場景中,基于招聘業務、過程管理、費用人效以及過程數據監控的所有數據洞見模型。

三、數據管理的準確性與規范

管理系統數據,要準確、規范。在數據看板結構中,不建議在短期內看更多看板,因為每個看板數據是一個主題。招聘工作開始后,可以在每個季度推動2-3項核心事務、項目,做數據報表時,明確最急需解決的問題及制表目的即可。

有明確目標與合規數據,再通過1-2個周期的數據磨合與校驗,搭建完善的指標體系。該過程可能涉及一些字段邏輯及數據框架構思,大家無需自己研究,而是可以讓Moka的客戶成功經理幫助協調內部資源,搭建已明確的管理目標與框架。

數據框架搭建完成仍需調整。例如,每月或每季都需檢查KPI,這個過程中,數據看板與報表均已搭建完成,而在數據校驗過程中,可能存在一些異常數據,針對這類問題,再整理出sop或內部管理的管理規范。

通過指標體系搭建與管理,運行整個數據框架,隨著動態目標的調整,迭代與優化指標體系。在此過程中,以用戶在線留痕為前提,以用戶的系統使用數據為數據來源。

在線留痕和使用習慣基于兩點:一是,客戶成功經理與用戶交流后,用戶能否看到系統便捷性及一些提效操作;二是,基于便捷性,企業是否有內部消息化工具的打通,能否實現單點、直接的消息提醒。對于用戶來說,如果系統操作更為便捷,用戶便更愿意在系統留痕,這才能讓系統更好地抓取過程數據,應用到整個指標體系的建設過程中。

上述就是基于本期主題,在招聘的全場景下的數據分析內容。在接下來的四期課程中,Moka幫幫堂將會為大家持續分享關于數據洞見的內容,包括招聘團隊日常使用的報表維度、報表樣例,不同規模企業在不同發展階段的數據分析切入點,及不同規模企業招聘負責人痛點、高管應關注的數據類型。