Публикации / HR-аналитика
HR-аналитика: как данные помогают прогнозировать успешность кандидата в продажах
Интуиция и опыт — ненадёжные советники в найме. Ошибка обходится в миллионы. Современный HR-анализ позволяет не угадывать, а рассчитывать вероятность успеха кандидата, сравнивая его цифровой профиль с портретом ваших лучших сотрудников. Рассказываем, как данные превращают подбор из лотереи в точную науку.
Рассказываю, как на самом деле устроен подбор. Без теории — только практика из моих кейсов. Объясняю, почему кандидаты на самом деле уходят и как компании теряют на этом деньги. Всё, что обычно остаётся за кадром, — простыми словами.
Артём Молчанов
Ведущий рекрутер, CEO
Кадровое агентство «Сектор найма»
Кадровое агентство «Сектор найма»
Раньше искали «похожего». Теперь ищут «того, кто повторит успех».
Рекрутер 10 лет назад: «У него уверенная рукопожатие и горящие глаза — наш человек!».
Рекрутер эпохи данных: «Его профиль имеет 92% совпадение с алгоритмическим портретом наших топ-менеджеров, а результат теста на стрессоустойчивость находится в верхнем квартиле».
HR-аналитика (People Analytics) — это системный сбор и анализ данных о людях в компании для принятия обоснованных кадровых решений. В подборе её цель — найти скрытые закономерности и корреляции между характеристиками кандидатов до найма и их последующей эффективностью на работе.
Простая аналогия: Netflix не угадывает, какой фильм вам понравится. Он анализирует ваше поведение (что смотрели, как долго, что оценили) и рекомендует контент с высокой вероятностью успеха. HR-аналитика делает то же самое с кандидатами.
Рекрутер эпохи данных: «Его профиль имеет 92% совпадение с алгоритмическим портретом наших топ-менеджеров, а результат теста на стрессоустойчивость находится в верхнем квартиле».
HR-аналитика (People Analytics) — это системный сбор и анализ данных о людях в компании для принятия обоснованных кадровых решений. В подборе её цель — найти скрытые закономерности и корреляции между характеристиками кандидатов до найма и их последующей эффективностью на работе.
Простая аналогия: Netflix не угадывает, какой фильм вам понравится. Он анализирует ваше поведение (что смотрели, как долго, что оценили) и рекомендует контент с высокой вероятностью успеха. HR-аналитика делает то же самое с кандидатами.
Три слоя информации для точного прогноза
Чтобы алгоритм научился предсказывать, его нужно «накормить» релевантными данными. Нужна информация по двум группам: 1. Действующие успешные сотрудники. 2. Кандидаты.
Слой 1
Слой 1
Исторические данные по вашей «звёздной» команде (эталон)
- Данные из резюме при найме: Прошлые компании, длительность работы, карьерный рост, университет, курсы.
- Результаты оценочных процедур при найме: Баллы тестов на интеллект, личностные опросники, оценки по кейсам.
- Данные о рабочей эффективности: KPI (выручка, конверсия, средний чек), срок выхода на плановые показатели, оценки руководителей, длительность работы в компании.
Слой 2
Слой 2
Данные кандидатов
- Те же параметры, что и у «звёзд»: структурированное резюме, результаты идентичных тестов и кейсов.
- Дополнительно (при наличии): Данные асинхронного видео-интервью (темп речи, интонация) или цифровой след (аккуратность профиля в LinkedIn).
Слой 3
Слой 3
Контекст бизнеса
- Тип продаж (B2B/B2C, холодные/тёплые).
- Специфика продукта и рынка.
- Корпоративная культура компании.
Суть анализа: Алгоритм ищет, по каким параметрам из Слоя 1 кандидаты из Слоя 2 максимально похожи на ваших лучших сотрудников, учитывая Слой 3.
Tilda Publishing
На что смотреть, кроме опыта в резюме.
Вот ключевые показатели, корреляция которых с успехом в продажах часто подтверждается данными.
Показатель 1
Показатель 1
Показатели стабильности и карьерного пути
- Коэффициент стабильности: Средняя длительность работы на одном месте за последние 5 лет. Слишком частые смены работ (менее 1.5-2 лет) или, наоборот, «застой» на одном месте по 10 лет без роста могут быть сигналами.
- Карьерный рост внутри компаний: Продвигался ли человек по должности? Это косвенный показатель амбиций и признания его результатов.
Показатель 2
Показатель 2
Результаты психометрического тестирования
- Уровень стрессоустойчивости и эмоциональной стабильности. Критически важен для работы с отказами.
- Показатель ориентации на результат (достижения).
- Шкала экстраверсии/общительности. Важно, но не является абсолютным критерием: некоторые тихие продавцы показывают выдающиеся результаты за счёт аналитики и эмпатии.
Показатель 3
Показатель 3
Результаты профессиональных кейсов
- Скорость решения кейса (при прочих равных).
- Структурированность ответа, умение выявлять потребность, а не просто продавать продукт.
- Креативность в решении нестандартной задачи.
Показатель 4
Показатель 4
Данные об источниках найма
Кандидаты с каких площадок (LinkedIn, HeadHunter, рефералы) показывают лучшие результаты и дольше работают?
Tilda Publishing
От данных к решению: пошаговый разбор.
Допустим, вы анализируете свой отдел продаж и видите, что топ-3 менеджера (ваш эталон) имеют следующие общие черты:
Теперь приходит новый кандидат.
Итоговый прогноз: Кандидат имеет частичное сходство с эталоном по важным, но не всем параметрам. Алгоритм может присвоить ему умеренную вероятность успеха (например, 60%). Это не значит, что ему надо отказывать. Это значит, что на собеседовании нужно уделить особое внимание его умению задавать вопросы и выявлять потребности — тем навыкам, по которым он «выпал» из эталонного профиля.
- Работали в смежной отрасли (непрямые конкуренты).
- На тесте показали высокий уровень устойчивости к стрессу (85+ перцентиль).
- При решении кейса делали упор на вопросы к клиенту, а не на немедленную презентацию продукта.
- Пришли по рекомендациям от других сотрудников.
Теперь приходит новый кандидат.
- Его резюме: работал в смежной отрасли 4 года. (+1 балл к сходству)
- Результат теста: устойчивость к стрессу — 90 перцентиль. (+1 балл)
- Решение кейса: сразу начал с презентации, задал всего 2 уточняющих вопроса. (0 баллов)
- Источник: отклик с сайта по поиску работы. (0 баллов)
Итоговый прогноз: Кандидат имеет частичное сходство с эталоном по важным, но не всем параметрам. Алгоритм может присвоить ему умеренную вероятность успеха (например, 60%). Это не значит, что ему надо отказывать. Это значит, что на собеседовании нужно уделить особое внимание его умению задавать вопросы и выявлять потребности — тем навыкам, по которым он «выпал» из эталонного профиля.
Tilda Publishing
Ограничения и этические риски
- Корреляция ≠ причинно-следственная связь. То, что все ваши лучшие продавцы любят горные лыжи, не значит, что нужно нанимать только лыжников. Алгоритм может выявить ложную закономерность.
- Риск дискриминации и bias (смещения). Если исторически в компании нанимали только людей определённого возраста или пола, алгоритм научится отдавать предпочтение именно им, закрепляя предвзятость. Данные нужно постоянно чистить от таких смещений.
- Человек принимает окончательное решение. Алгоритм даёт рекомендацию и вероятность. Финальное «да» или «нет» говорит живой руководитель, который учитывает и другие факторы (химия в команде, уникальный опыт).
- Прозрачность для кандидата. Кандидаты имеют право знать, какие данные о них собираются и как используются для принятия решений.
Данные — инструмент, а не судья. Что важно помнить.
Tilda Publishing
Первый шаг к найму на основе данных.
Не нужно сразу покупать сложные AI-платформы.
- Структурируйте данные о текущей команде. Создайте простую таблицу в Excel для ваших лучших и худших продавцов. Внесите те параметры, которые у вас уже есть: стаж в предыдущих компаниях, источник найма, результаты работы (KPI).
- Внедрите единый оценочный инструмент. Для всех кандидатов на одну позицию используйте одинаковый тест или кейс. Так вы начнёте накапливать сравнимые данные.
- Начните считать базовые метрики качества найма. Какой процент нанятых сотрудников успешно проходит испытательный срок? С какими характеристиками (источник, стаж) приходят те, кто остаётся?
- Ищите закономерности. Раз в квартал смотрите на накопленные данные и задавайте вопросы: «Есть ли что-то общее у тех, кто быстро вышел на план?».
Tilda Publishing
Простой план внедрения
Мы не полагаемся на магию алгоритмов. Мы создаём систему:
Это позволяет нашим клиентам снизить процент неудачного найма на 30-40% и значительно ускорить выход новых сотрудников на плановые показатели.
- Строим эталонный профиль. Глубоко анализируем ваш успешный отдел продаж, выявляя неочевидные паттерны успеха, характерные именно для вашей среды.
- Стандартизируем оценку. Используем проверенные тесты и кейсы, которые дают объективные, измеримые данные о кандидатах.
- Сравниваем и прогнозируем. Сопоставляем цифровой профиль кандидата с эталоном, вычисляя степень совпадения по ключевым для успеха параметрам.
- Предоставляем обоснованную рекомендацию. Вы получаете не просто резюме, а отчёт с прогнозом адаптации, сильными сторонами и зонами риска кандидата.
Это позволяет нашим клиентам снизить процент неудачного найма на 30-40% и значительно ускорить выход новых сотрудников на плановые показатели.
Tilda Publishing
Перестаньте надеяться на удачу в самом дорогом для бизнеса процессе — найме талантов.
Каждый неудачный найм — это десятки потерянных тысяч и упущенные возможности роста. HR-аналитика снимает с этого процесса покров тайны, давая вам контроль, предсказуемость и уверенность в том, что ваши кадровые инвестиции принесут ожидаемую отдачу. Будущее рекрутинга — за теми, кто принимает решения, опираясь не на интуицию, а на данные.
