Документ посвящен автоматизации рекрутинговых процессов и использованию метрик для управления ресурсами в HR. Обсуждаются важные аспекты прогнозирования найма, эффективность рекрутинга и проблемы, которые могут возникать на разных этапах процесса. Включены детали о времени найма, затратах на вакансии и значении статистики в HR.

1. Занимательная
математика для
HRов
нАйТи
ответ!

2. О чём будем говорить?
Обо мне
О метриках
Об управлении
ресурсами
Об автоматизации
О жизни
2

3. Обо мне и о компании
Автоматизация рекрутинг
процессов, рекрутинг
метрики, прогнозировани
е найма.
Автоматизация процессов,
разработка корпоративных
порталов и SharePoint
евангелизм

4. Маленькое предупреждение

5. О метриках
Какой в этом
смысл?
Мы не умеем
разговаривать с
бизнесом
языком
цифр, по
этому…..
5

6. Зачем нужны метрики?
Метрики
Выполнен
ие
Внедрени
е
Идентифи
кация
сбоев
Корректир
ование
процесса

7. Статистика наше все

8. Что считаем?
Конвертация
резюме
Backlog
Прогноз по найму
Эффективность
ресурсов
SLA
Vacancy
cost

9. С чего начать?

10. Зачем строить процесс?
Определить этапы
процесса на которых
могут быть проблемы
Определить какие
метрики мы снимаем
Определить кто еще
кроме HRа виноват
Сделать прогноз

11. Конвертация резюме
100
Sum of Initial contact
93
90
Sum of Number of
submitted CVs
Number of CVs
80
Sum of Technical CV
screening
70
60
50
Sum of Passed HR int
48
40
40
30
Sum of Passed
technical int
23
21
Sum of Passed HM int
20
7
10
5
5
Sum of JO done
0
Total
Stages of recruiting process
Sum of JO accepted

12. Конвертация резюме

13. Прогноз по найму
Number of available Possibility
candidates
to hire
Enterprise Architect
(Business Applications)
Test Leader / Manager
Test Engineer
Oracle DBA (Analysis and
Development)
Infrastructure Architect
(Servers & Storage)
Infrastructure Specialist
(Servers & Storage)
Siebel Analyst
Average
salary (UAH)
5
20
50
0,65
2,6
6,5
Time for hiring of 1
person
from 8 weeks - lack
40 000 of specialists
17000 2-3 weeks
13360 2-3 weeks
100
13
12160 2-3 weeks
15
1,95
12000 4-5 weeks
200
20
26
2,6
12800 2-3 wekks
15750 6-8 weeks

14. Прогноз по найму

15. Где-то тут

16. Основные показатели эффективности

17. Эффективность рекрутинг ресурсов
450
400
350
Number of CVs
300
250
200
150
100
50
0
Corporate
site
Data Base
(Jira)
Job site
LinkedIn
(blank)
Referrals
Sum of Initial contact
26
424
233
52
265
104
Sum of Number of submitted CVs
14
61
36
18
30
55
Sum of Passed technical int
5
13
2
7
5
28
Sum of JO done
1
9
0
4
0
14

18. Сроки закрытия вакансий – основа SLA
Expected
Depart
ment
Duration
ALL
Average, calendar days
Average, weeks
ENG
Average, calendar days
Average, weeks
DSN
Average, calendar days
Average, weeks
QA
Average, calendar days
Average, weeks
# hires
33
17
2
14
Time-tostartdate
47
7
48
7
51
7
45
6
startdate
Vs
Recruitm
Actual
ent
stardate Process JO delay
17
33
1
2
5
0
14
29
14
2
4
2
13
34
2
2
5
0
20
37
2
3
5
0

19. Vacancy cost + Backlog
#1
#2
Outsourcing
projects
(man/hours)
Product
development
(grading; Hey’s
methodology)

20. Vacancy cost + Backlog

21. Вопросы модераторов
На каких объёмах
работает? (например
маленький объем
найма)
Когда метрики не
работают?
Когда это
экономически не
выгодно? (например
большие
трудозатраты)
21

22. Вопросы аудитории

23. Спасибо!
Ирина Топилина
Руководитель HR
Lizard Soft
+38093 380 9779
irina.topilina@lizard-soft.com
skype: topilina.ira