以下内容来自集团化招聘群第四期在线答疑~
阅读本文大约需要15分钟，读完或许你就能搞清楚这些咯：
1.人力资源数据决策对企业的价值有哪些？
2.大数据对招聘速度、招聘渠道、找准人才的影响？
3.决策金字塔如何构建？
HR接触很多数据：每个求职者、面试官、员工都会产生很多数据，未来的人才管理是数据驱动的管理，数据能帮我们修正很多东西、看到背后的一些真实事情。那怎么有效地利用数据为招聘做管理辅助呢？
对于人力资源的数据决策，对数据的不同应用深度会产生不同效力。把数据应用的深度越深，带来的商业价值就越大。
每个HR每天都能接收到很多数据。传统的做法是对数据结果进行分析，比如今年招了多少人、入职了多少人、走了多少人。这些数据告诉你什么事情已经发生了，就是结果数据。比如今天来了10个人，走了5个人，离职率就是50%。
（点开大图看更清晰哦）
如果把数据应用的层次更深一点，就是过程性分析。比如招聘周期是15天，在招聘广告的发布、简历筛选、面试、offer等阶段分别用了多少天？这就要依赖过程数据。
往上会应用到跨流程、跨体系的数据。比如我们常会把新员工招聘的数据跟绩效数据连接起来分析，会看到新员工一年后的绩效怎么样？也常会分析新员工在6个月内的离职率怎么样？假设我招了一个很好的新员工，他在6个月内流失了，这是一个比较差的招聘，这些就要用到跨流程数据分析。
再往上会应用到对标数据，比如我们觉得招聘周期是15天，在企业里还不错，但这个行业的招聘周期是多少天？就要用到对标数据。
过程数据、跨体系数据和对标数据的分析可以让我们知道问题在哪里，为什么发生。如果我们可以把数据做得更准确，基于很多模型做很多预测，未来就能从事后分析变到事前。例如想招一个技术工程师，在发送招聘广告时就预测发到哪个招聘渠道上最有效，这是预测分析。
数据对企业的价值就如上文呈现，那么对于招聘领域来讲，数据重要吗？
Linkedln发布的《中国人才招聘趋势报告》中可以看到，中国乃至全球对大数据在招聘领域的应用开始出现很多理解，需求涌现茂盛。如下图所示，超过55%的企业认为用大数据预测未来需求是非常重要的话题，超过60%的招聘者认为数据的应用对于未来的招聘管理是非常有用且有效的。在应用领域，预测未来人员需求、候选人职位匹配程度等，都能通过数据呈现。同时很多人对未来大数据是重塑行业和招聘领域持乐观态度。
（点开大图看更清晰哦）
每个招聘专员每天经手非常多的数据，这些数据如何分析呢？把数据分为两块，一块是基础运营数据，另一块是数据产生的价值。比如每天做的日常招聘工作，对于数据的有效之处可以从最基础的招聘工作开始跟踪；比如分析岗位空缺情况、招聘周期等，基于这些数据分析，可能会发生一些问题；又如，招聘周期很长，招聘某一类型的岗位很难，再往上基于这些问题诊断原因，是因为给的薪酬达不到竞争水平，还是招聘渠道选择得不对？再往上就是基于这些问题产生的结果，做一些决策性的分析、调整，调整更有竞争性的行程、选择更好的招聘渠道，或者建立雇主品牌形象。
（点开大图看更清晰哦）
我们所做的改善，或角色的改变，都是为了产生更大的商业价值，更好的招聘成果、更低的招聘成本、更高的招聘效率，这是基于数据验证的整体分析方法和分析理论。
在大量数据的基础上分析发现，超过一半的企业在面试安排上都在一到三天之内完成。招聘时人才竞争很激烈，特别是在特定的行业，比如互联网、高科技行业。晚接触到候选人一天，这个候选人可能就接受其他offer了。快速给候选人一些反馈，对候选人接受offer的影响很大。
（点开大图看更清晰哦）
北森HRVP刚到公司时，想看一看整个公司招聘的运营数据情况。此时我们就想到底怎么得到并呈现这些数据？我们把公司所有招聘平均周期拉出来，发现公司的招聘周期是36.9天，但是到底是好还是坏，不能给一个明确的结果。然后我们把这些数据和同行业数据做对比，发现了一些问题。互联网行业平均录用速度是23.8天，我们有10天左右的差距，发现时间差距后，差距差在哪？要怎么提高招聘速度、提高效率？需要更深层次的分析和数据呈现。
（点开大图看更清晰哦）
基于招聘端到端的流程，构建招聘速度的分析模型。招聘广告发布、候选人简历投递、简历初筛、面试安排、面试反馈、发offer、录用，每一个流程结点的时间间隔分别拉出来，就可以发现问题到底在哪，哪个环节能提高那10天的效率。最终呈现给HRVP的图表和报表，把HR处理简历速度、安排面试速度、面试官反馈速度、发送offer速度等每个环节都体现出来。
（点开大图看更清晰哦）
下面两个图把HR处理简历的数量和速度放到一个维度上看，HR每天要处理很多简历，简历怎么样？简历处理速度怎么样？都可以清晰地呈现出来。
（点开大图看更清晰哦）
每个面试官处理简历、候选人的数量和速度都可以清晰地通过上图呈现出来，就像打开了招聘的黑箱子，可以看到每个细节，这样对于未来面试官、简历处理、offer发放等环节的优化，都能做到有数据可查、有理可依。招聘是一个唯快不破的活，但是快在哪里，还需要很多数据支撑。
文章有点长，休息休息吧~
（运动运动，跟我唱：左三圈右三圈~）
马上回来！
企业招聘时，有很多渠道，招聘网站、猎头和其他渠道，招聘渠道的分析对招聘效率、招聘成本都会产生直接影响。
招聘渠道因行业和地域不同有很大差异。互联网行业在招聘渠道的选择上偏向于智联、51、猎头和内部推荐，但汽车、金融行业的渠道会不一样。金融行业的HR做招聘时，会把官网做得更好一点，体验更优一些，这样才更能吸引候选人投递简历。但这个数据只能呈现一定问题，不能呈现所有问题，举例来说，分析了每个渠道的首轮简历贡献量，这个渠道贡献简历多，但是不是有效的简历，就要打问号了。
（点开大图看更清晰哦）
进一步分析，下图是对某行业的分析，发现选用的渠道没有大的差别，还是传统的三大招聘网站、内部推荐、猎头等。但是这些简历进入offer阶段的比例完全不一样，大家都知道，各渠道的简历转化率中，最好的大多是内部推荐，内部推荐是企业内部非常重要的招聘渠道。
（点开大图看更清晰哦）
有时候在简历漏斗的上端留下了大量简历，比如某个渠道贡献了10万份简历，但是它流不下去。那么这些简历对招聘工作并未产生积极效果，只能带来冗余的工作量，这种简历不是好的简历。所以在做招聘渠道分析时，既要分析该渠道的简历数量，还要分析质量，分析这个渠道的转化率。
（点开大图看更清晰哦）
我们做过一些分析：互联网行业内推占招聘渠道比例40%以上，北森的内推比例也在40%左右，想要玩好内部推荐，就需要做更多思考。如果内部推荐现在只占百分之二十甚至百分之十几，还是有很大提升空间的。
如何提升内部推荐的数量和效率
过程化
所谓过程化激励，就是不管录用与否，推荐的人过一面，给积分或红包，过了二面给一些打赏、小激励，这样可以把整个内推激励化做起来。所以如果想把内推做好，要把激励变成过程化激励，而不是简单的结果化激励。
竞争化
告诉大家截至目前公司里内推前五名是谁，假设第一名推了10个，有人已经推荐了9个，那么再推荐1个，他也可以拿奖。可以把内推做成内部的竞赛，让内推变得竞争化。
游戏化
内推不仅要给一些现金或红包奖励，可以更游戏化。比如把内推和春节联系起来，回家的机票就可以作为奖励。
基于数据分析，把某些渠道更加有效利用起来时，可以通过很多手段落地想法。下图中，企业可以基于自己的数据把所有渠道呈现出来，每个渠道的简历转化率是怎样的，通过这种呈现可以更直观看到应该用哪个渠道，把哪个渠道建设得更好，未来要不要调整一些渠道，采用更有效的渠道，基于行业、地域等都可以做较深的洞察分析。
（点开大图看更清晰哦）
未来怎么利用大数据找对人才，也是一个大课题。在招聘漏斗的顶端可以有多种渠道，比如在招聘网站、猎头、企业门户、内推、流行的社交媒体等留下了大量简历，这些简历怎样利用，怎样用大数据技术对职位和候选人等进行匹配，这里就应用到人才库技术的模型。
（点开大图看更清晰哦）
当人才库中有大量简历时，Recruiter是很难主动挖掘的，通过人才挖掘技术对人才库进行分层，用打标签、搜索行为等技术，利用机器在背后主动挖掘库里的几十万份简历，把相应的候选人推到前端。
对于人才库顶端的被动求职者，这些人很难在市场上或人才库里找到，这时可以拓展招聘渠道了。很多高管都具有招聘职能，在找关键人员时，可以发动起来，（因为高管有很多参加行业会议、市场会议的机会，他们的交际面更广，接触到优秀人才的渠道也比较多），把高管的人脉作为外部人才库，让高管们与这些人才保持长期联系，并不断进行吸引动作。
总之，利用大数据技术可以让候选人与职位得到更好的匹配。那么如何匹配呢？简历中有很多学历、工作经验等描述，利用大数据技术可以对简历中的关键词做聚合，打上标签。比如，某人简历中提到，他在之前的公司写过Java，做过前端。利用大数据技术，为这份简历打上标签。这些标签有Java、工程师、前端的标签，这样Recruiter做简历筛选时，系统通过这些标签自动挖掘沉睡在人才库里的简历，实时推送出来。通过这个原理，就提升了效率。这是大数据在招聘中的深层次应用。
（点开大图看更清晰哦）
此外，我们还做了一些探索，比如做人才地图。市场人员都是流动的，特别是高精尖人才，知道Ta以前是哪个公司的，这样可以看到人才迁移和人才流动情况，对未来更好地识别人才、找准人才有很大帮助。基于未来人才需求，找到市场中关键的人，要做好人才迁移技术。
（点开大图看更清晰哦）
综上，我们讲了三个招聘领域中大数据深层次的应用和分析。其实招聘业务也需要用数据和关键指标来回答，将招聘业务问题呈现在四个方面：
招聘质量。一次招聘计划的达成率如何，招聘漏斗的转化率如何，录用率和Offer接收情况如何等，是对招聘质量的分析。
招聘效率。不同岗位、地区、行业的招聘周期是怎样的，在招聘周期中每个HR的工作效率如何，每个面试官的工作量如何等。
渠道效果。不同渠道对行业、地区、企业的效率如何，每个渠道转化率如何，渠道贡献简历的数量和质量怎样等，都是招聘渠道方面的分析。
招聘成本。招聘到最后要落到成本上，每个渠道的招聘成本是怎样的、每个部门每年的招聘成本怎样、平均录用一个人的成本、公司里的人力成本等，所有数据都可以构成招聘成本分析。
（点开大图看更清晰哦）
因此，对招聘业务的分析无外乎从招聘质量、招聘效率、渠道效果和招聘成本这四个方向，但是构成这些分析不应该只是结果数据，过程数据、行为数据、跨体系的数据放到一起做集成分析，才构成招聘大数据的分析。
在构建招聘系统和招聘平台时，要从这几个角度考虑。
（点开大图看更清晰哦）
多渠道的 All in one。无论从招聘网站、所有的招聘渠道、企业官网、社交媒体、猎头服务、内部推荐，还是内部招聘数据，都放在一个平台上管理，这样可以在一个平台上采集所有渠道的数据，做更好的分析。
全流程的All in one。从最前端的招聘计划、职位发布、简历初筛、测评考试、一面、二面、offer发放、录用管理等，都在这个平台上进行端到端的数据管理，这样就可以把所有过程数据完全体现出来。
（点开大图看更清晰哦）
多角色的All in one。招聘需要协同，招聘专员协助业务部门做职位空缺分析，招聘人与候选人、招聘人与面试官的协同等所有数据、角色都放在一个平台上。现在协同工具越来越多，PC端、移动端等，把所有端口和协同角色放到一起分析。因此，要做大数据分析，就要采集很多数据，包括所有的过程数据。在招聘平台上完成端到端All in one的流程，所有渠道的数据都可以在里面。在平台上可以看到All in one产品渠道、协同角色的分析，我们期望协同角色可以在体系上All in one地完成，这样大数据就不只是结果数据，还有过程数据。
（点开大图看更清晰哦）
人力资源管理逐渐进入大数据时代，数据的威力和价值远超我们想象，它可以为企业做更多决策。数据层次的应用，对于企业的未来价值越来越重要，希望各位能够在未来的招聘管理中应用好数据，让数据产生更多的价值、为招聘管理做服务。
注：文中部分图片素材来自北森9月10日生态用户大会内容。
联系客服
