HR-аналитика — это не про «красивые графики в Power BI», которыми можно впечатлить совет директоров. Это инструмент, который помогает понять, что на самом деле происходит с человеческим капиталом компании, и принимать решения на основе данных, а не интуиции.
Многие HR-директора собирают отчеты «для галочки». У них есть огромные таблицы, но они не знают, как их использовать. Это не аналитика, а просто цифровая пыль. Настоящая HR-аналитика отвечает на вопросы бизнеса: сколько мы теряем из-за текучести, как повысить эффективность подбора и какой ROI приносят наши программы обучения.
1. Зачем нужна HR-аналитика
Если вы не можете ответить на вопросы бизнеса, аналитика бесполезна.
Ключевые вопросы:
- Сколько стоит привлечение одного специалиста?
- Кто из ключевых сотрудников может уйти в ближайшие три месяца?
- Как изменения в корпоративной культуре влияют на производительность?
- Сколько денег теряет компания из-за увольнений в отделе X?
- Приносит ли обучение больше прибыли, чем стоит?
2. Источники данных: фундамент вашего анализа
Аналитика сильна настолько, насколько чисты ваши данные.
Внутренние источники
- Кадровые системы (1С:ЗУП, SAP, HRM): штатное расписание, состав, движение персонала (приемы и увольнения), отпуска, больничные.
- Системы управления наймом (ATS — Talantix, Huntflow): воронка подбора, время закрытия вакансий, стоимость каналов привлечения.
- Системы обучения (LMS): прохождение курсов, оценка знаний, затраты на развитие.
- Опросы и обратная связь: результаты eNPS, пульс-опросы, Exit Interview.
- Бизнес-данные (CRM, ERP, Jira): выручка на сотрудника, производительность, выполнение планов продаж.
Внешние источники
- Рыночные бенчмарки: данные hh.ru, Superjob по зарплатам и спросу.
- Исследования рынка: отчеты ВШЭ, SHRM, Ancor для понимания трендов.
3. Базовые метрики: ваш стартовый набор
Не пытайтесь измерить всё сразу. Начните с базы.
Подбор (Recruitment)
| Метрика | Формула | Норма 2026 |
|---|---|---|
| Time to Hire | [Дата оффера] $-$ [Дата открытия вакансии] | 30–45 дней (IT) |
| Cost per Hire | Все затраты / Количество нанятых | 15–150 тыс. ? |
| Acceptance Rate | $> 70%$ | |
| Quality of Hire | $80–90%$ |
Текучесть и удержание (Retention)
| Метрика | Формула | Норма 2026 |
|---|---|---|
| Turnover Rate | (Уволенные / Среднесписочная численность) $\times$ 100% | $10–15%$ |
| Retention Rate | $70–85%$ | |
| Tenure | Средний стаж сотрудника | Зависит от отрасли |
Производительность и обучение
- Revenue per Employee: Выручка / Среднесписочная численность.
- Training ROI: $\frac{\text{Результат} - \text{Затраты}}{\text{Затраты}} \times 100%$.
4. Как построить аналитику: 5 шагов к зрелости
Шаг 1. Определите бизнес-цели
Зачем вам это? Чтобы сократить расходы на найм? Чтобы удержать топ-менеджмент? Аналитика без цели — это трата бюджета.
Шаг 2. Сбор и «гигиена» данных
Соберите данные из всех источников. Важно: если в 1С данные вносятся «на коленке», никакая BI-система вам не поможет. Чистота данных — приоритет №1.
Шаг 3. Выбор инструментов
- Уровень 1 (Excel/Google Sheets): сводные таблицы, графики. Достаточно для 80% задач.
- Уровень 2 (BI-системы: Power BI, Tableau): визуализация, автоматические дашборды, работа с большими массивами.
- Уровень 3 (Advanced: Python/R): прогностические модели, регрессии, поиск скрытых закономерностей.
Шаг 4. Проектирование дашбордов
Ваш дашборд для HR-директора должен содержать:
- Общий статус: численность (Headcount), ФОТ, текучесть.
- Воронка найма: Time to Hire, стоимость по каналам.
- Здоровье команды: eNPS, Retention, причины увольнений.
Шаг 5. Переход к действию
Отчет — это только начало. Если метрика «красная», вы должны предложить решение (например, пересмотреть систему мотивации или изменить процесс обучения).
5. Продвинутый уровень: прогноз и проактивность
Когда база готова, переходите к предсказаниям.
Прогнозирование текучести (Churn Prediction):
Используя исторические данные (стаж, оценка эффективности, частота переработок, изменения в зарплате), вы можете построить модель, которая подсветит сотрудников в «зоне риска» еще до того, как они напишут заявление.
Анализ компенсаций (Comp & Ben Analysis):
Сравнение внутренних зарплат с рыночными бенчмарками позволяет выявить перекосы, которые ведут к уходу ключевых специалистов.
6. Частые ошибки
Ошибка 1. Грязные данные (Garbage In — Garbage Out)
Если данные некорректны, отчет будет лгать. Автоматизируйте ввод.
Ошибка 2. Анализ ради анализа
Графики, которые никто не смотрит. Задайте себе вопрос: «Какое решение я приму на основе этого?» Если ответа нет — график не нужен.
Ошибка 3. Отсутствие контекста (Single Metric Trap)
Смотреть только на Time to Hire опасно. Нанимаете быстро, но новички уходят через месяц — эффективность отрицательная. Анализируйте метрики в связке.
Ошибка 4. Сложность ради сложности
Не внедряйте Python, если не можете построить сводную таблицу в Excel. Сначала — база.
7. Чек-лист: старт HR-аналитики
- Выбраны 3 ключевых вопроса от бизнеса.
- Определены источники данных (1С, ATS, опросы).
- Проведена чистка и проверка данных на корректность.
- Выстроена регулярность (еженедельный или ежемесячный сбор).
- Определены целевые показатели (Target) для каждой метрики.
FAQ
С чего начать маленькой компании?
С Excel. Соберите данные по текучести, ФОТ и количеству открытых вакансий. Этого хватит для старта.
Как убедить бизнес в необходимости аналитики?
Говорите на языке денег. Не «нам нужно считать eNPS», а «мы теряем X миллионов из-за того, что люди уходят из-за плохой атмосферы».
Заключение
HR-аналитика — это не про IT. Это про правильные вопросы.
Начните с малого:
- Сформулируйте 3 главных вопроса бизнеса.
- Найдите данные для ответа.
- Действуйте на основе цифр.
Хорошая аналитика — это не красивый отчет, а работающий инструмент. Это когда вы говорите: «Мы видим риск ухода в отделе продаж, меняем систему бонусов» — и это срабатывает.
Поделиться
