招聘HR的出路在哪？

在企業里，招聘HR屬于職能崗，在日復一日的簡歷篩選、面邀、面試、辦理入職離職中（偶爾還遇到各種麻煩糟心事），HR們花費了大量的時間和精力。不過對企業來說，HR不能產生直接效益，屬于成本部門，不被重視，也沒啥話語權。

導致很多HR為公司勤勤懇懇工作了幾年，但成長性不大，薪資也在原地踏步。

不過市場中有一類HR，因為稀缺性，正變得越來越“值錢”，那就是會做數據分析的HR！

之前，華為40w年薪招聘HR數據分析師刷屏朋友圈，現在阿里、百度等大廠也紛紛在HR的招聘要求中提到了要具備數據分析能力。大公司的招聘要求，一定程度上代表著職業發展方向，未來不會數據分析的HR，必將沒有市場！

一、對招聘HR，會數據分析有多香？

HR們每天置身于繁瑣重復的招聘工作，忙得焦頭爛額，卻無法量化自己的投入和產出，出現問題也難以深挖原因，難以提出針對性的優化意見。

一旦招聘效果不理想，面對用人部門的詰問，HR往往自己都不知道原因。

而如果會做數據分析，就能通過關鍵數據對招聘的各環節過程化、量化，既能記錄投入和產出，展現自己工作成果，也能監控分析日常招聘數據，便于及時發現問題，找到原因，優化招聘策略。

二、招聘數據分析怎么做？

1、確定分析模型

先確定分析目標，根據目標確定分析模型。招聘HR有很多常用的分析模型，比如：

1）招聘漏斗分析

招聘漏斗是指，通過招聘的各個環節，逐漸淘汰不合適的候選人，層層篩選出最合適的人的過程。對各個環節的轉化率進行統計，就可以進行招聘漏斗分析。

各環節轉化率能直觀反映招聘效能和效率，暴露出各環節存在的問題。比如，當招聘完成率不達標時，可追查offer接受率的情況。如果發現offer接受率明顯低于標準時，就需進一步分析放棄offer的原因，進而優化招聘策略。

2）招聘周期分析

崗位招聘周期過長，是很多HR深感頭疼的問題。在現有招聘方式下，每個崗位成功招到一個人才需要多長時間？從崗位發布到人員入職，整個流程要多久？下一個階段大概要招多少人？HR要明確了解這些信息，才能改善現狀并提前準備。

3）招聘渠道分析

每個招聘渠道的投入產出比如何？每個渠道的貢獻率如何？現有招聘渠道是否夠用？這些數據也是HR需要重點關注的，那做一張各渠道的招聘效果分析圖，對比觀察是很有必要的。

2、數據獲取

根據分析***，可以確定需要獲取的數據。

招聘數據一般有四類指標：關鍵績效、招聘過程、渠道效果和招聘成本。不同的指標有不同的計算方式，參考下圖即可。原始數據來自數據采集，有錢任性的可以嘗試下北森、SHL等第三方數據庫，沒錢樣本數小的用EXCEL也可以達到效果。

比較重要的指標有簡歷投遞數量、到面率、招聘完成率、人均招聘成本、平均招聘周期等。很多公司把到面率作為HR的考核KPI。

3、數據處理

當我們拿到密密麻麻的數據，經常不知道如何下手，數據處理這一塊對大多數HR而言是短板，因此很多公司HR都需要獲得數據分析人才和IT部門的協助。

但隨著分析工具的進步，現在不懂技術的HR也能自行進行數據分析了。就拿主流的數據分析工具FineBI來說，主打的特點就是***、好用、易上手。它不會展示出整屏的數據讓你眼花繚亂，而會引導你一步步靠近自己的目標，而且無需敲代碼，鼠標操作就能進行各種數據處理，比Excel還好用，對非技術群體很友好。

4、數據分析

處理好數據，就要按照原定模型進行分析。還是以FineBI為例，金字塔模型、KANO分析模型、RFM模型、四象限模型......只需鼠標拖拽就能快速搭建出各種模型，輕松做出各種圖表，而且可以隨時調整更新。

把多張圖表放到一起，就能做出一張“招聘駕駛艙”的大屏，方便對招聘數據進行實時監控和分析，而這些對數據分析新手來說很容易就能學會。

很多HR對招聘和人才理論掌握熟練，也大概知道做HR數據分析的意義，但是大部分人甘愿躺在舒適區，日復一日做著繁瑣的工作，做匯報時，就把各項數據簡單統計，最多畫畫餅圖、折線圖，以為就完事了，但這樣其實不能真正挖掘出數據背后的價值，對工作的指導意義也不大。

科學的招聘數據分析，能幫助企業提高招聘效率和人才質量，也能幫助HR洞察數據背后的價值，從招聘困局中解放出來。HR如果想在職業上獲得突破，為自己增值，我建議多學學數據分析。

回個“數據分析”就能獲得工具！