О проекте

Компания Кронит постоянно нанимает разных разработчиков, специалистов DevOps, QA, бизнес-аналитиков и менеджеров проектов. Они могут быть приняты на работу в штат компании или специально на проект.
Настоящий рекрутинг — это эффективность канала и продуктивность как
отдельных рекрутеров, так и всей команды. Рекрутер не должен работать вслепую. И команда компании Кронит придумала решение для аналитики рекрутинга, чтобы специалисты принимали решения о найме на основе конкретных данных.

Компания Кронит
Разработка ПО
Инженер данных, BI-аналитик, QA-специалист, проектный менеджер

Задача

Долгое время рекрутеры нашей компании использовали Huntflow — профессиональную CRM для рекрутеров. Однако встроенная аналитика не была в достаточной степени информативной и подробной, чтобы соответствовать требованиям компании. Необходимо было решить следующие вопросы:

Решение

Одним из лучших и самых простых способов получить легкий доступ к данным в режиме реального времени является внедрение инструментов бизнес-аналитики. Современные технологии позволяют анализировать данные в больших объемах и в более сжатые сроки.

Поскольку компания Кронит использует Power BI для внутреннего анализа, мы решили интегрировать данные из Huntflow с этой системой. Каждые 24 часа все данные из Huntflow отправляются в облачное хранилище, к которому подключается Power BI для дальнейшего анализа и визуализации.

Решение постепенно разрабатывалось в тесном сотрудничестве как с руководителем отдела подбора персонала, так и с генеральным директором. В ходе проекта нам удалось сузить огромный объем данных вплоть до важных показателей. Всего было сделано 10+ информационных панелей, чтобы обеспечить первоклассную аналитику для различных ролей компании.

Вот несколько информационных панелей, которые используют рекрутеры компании Кронит:

Эти показатели также служат индикатором момента, когда процесс найма занимает слишком много времени. В личном кабинете разработанной нами системы есть возможность фильтровать из данных по областям знаний, местонахождению и временным рамкам. Важно то, что обзор времени для заполнения аналитики помогает предсказать, как долго кандидат будет принимать предложение и, как следствие, увеличиваются шансы на то, что он начнет работать над проектом вовремя.

Традиционно команды по привлечению талантов сосредотачиваются на показателях эффективности, таких как время найма или количество нанятых работников за заданный период. Эти рекрутинговые показатели полезны, поскольку помогают наблюдать отсутствие эффективности и возможности для улучшения процесса найма. Однако они реактивные, а не проактивные или прогностическими — не представляют особой важности для руководителей, в отличие от рекрутеров.

Ключевые фигуры для стратегических уровней — те, которые напрямую связаны с бизнес-результатами. Информационные панели, которые Генеральный директор обычно просматривает – Обзор, Воронка вакансий, Предложения и Время заполнения.

Ценность

Теперь, когда отдел по подбору персонала обладает всеми возможностями данных, они лучше понимают, как организация привлекает таланты и могут усовершенствовать процесс. С гибкой, расширяемой аналитикой, рекрутеры получили четкое представление о “конвейере талантов”, который показывает путь каждого кандидата из определённого источника на очередном этапе процесса найма.

Цифры говорят сами за себя – благодаря значительным знаниям в компании Кронит начали закрывать вакансии на 21% быстрее, чем раньше. Более того, тщательный анализ зарплатных ожиданий позволил руководству внести необходимые коррективы в шкалу заработной платы.

В целом, созданные метрики охватывают множество важных KPI, которые обеспечивают большую прозрачность при найме и, следовательно, делают возможным планирование работы компании. В настоящее время руководители могут не только регулировать зарплаты, чтобы соответствовать рынку, но и отслеживать тенденции в компетенции и навыках, мгновенно реагировать на них и планировать запуск клиентских проектов более надежно, поскольку они знают, сколько времени требуется, чтобы закрыть важную вакансию.

Технологии

mssql
MS SQL
azure
Azure
power bi
Power BI
huntflow
Huntflow API
googledocs
Google Docs
mysql
MySQL
postgresql
PostgreSQL
python
Python
1c
smart
SMART