Подолання проблем у зборі статистики рекрутингу: ефективне використання Google Sheets
У сучасному світі управління даними стає невід'ємною частиною будь-якого бізнес-процесу, включно з рекрутингом. Компанії стикаються з необхідністю аналізувати ефективність різних каналів набору співробітників, що дає змогу оптимізувати процеси та підвищувати їхню ефективність.
У цій статті ми розглянемо, як вирішується проблема збору та аналізу даних про рекрутинг за допомогою простого, але потужного інструменту – Google Sheets.
Ідентифікація проблеми в рекрутингу та аналіз рішень
Проблема, з якою зіткнулася наша компанія, полягала у відсутності систематизованої інформації про рекрутингові канали. Це створювало труднощі при оцінці ефективності різних платформ і методів залучення кандидатів. Без чіткого розуміння, які канали працюють ефективно, складно оптимізувати ресурси та планувати рекрутингові заходи на майбутнє.
Проблеми, виявлені в процесі:
Порівняльна таблиця рішень
У процесі вибору відповідних інструментів для створення уніфікованої системи обліку рекрутингової статистики були розглянуті різні платформи. Важливим аспектом стала можливість інтеграції цих платформ, щоб забезпечити єдину точку доступу до даних.
У таблиці нижче представлено популярні рекрутингові платформи та їхню здатність до інтеграції з іншими інструментами, що є ключовим для створення мультифункціонального дашборда:
Сервіси пошуку роботи + інтеграція |
Ми прийняли рішення розробити дашборд у Google Sheets, оскільки це дає змогу швидко і з мінімальними витратами розпочати роботу із систематизації та аналізу даних.
Створення бази даних у Google Sheets
Вибір Google Sheets як основного інструменту для створення бази даних і дашборда для аналізу рекрутингових даних був обумовлений кількома ключовими факторами:
Для порівняння, ось витрати на рік для 20 співробітників у різних подібних сервісах:
Приклад реалізації використання Google Sheets у сфері рекрутингу
На практиці, створення бази даних починається з визначення ключових показників, які необхідно відстежувати. У нашому випадку, це охоплює дані про канали рекрутингу, позиції, кількість поданих заявок, джерела залучення кандидатів і їхню ефективність. Потім створюються таблиці, які систематизують ці дані за різними параметрами, як-от дата публікації, платформа, кількість переглядів, відгуків, запрошень на інтерв'ю та успішних наймів.
Для кожної публікації вакансії налаштовується запис даних у розрізах, необхідних для аналізу в дашборді. Наприклад, для кожної платформи вносяться дані про кількість переглядів і відгуків. Це дає змогу рекрутерам не тільки бачити загальну картину, а й аналізувати ефективність кожного каналу в динаміці.
Google Sheets виявився ідеальним інструментом для створення уніфікованої системи збору та аналізу даних про рекрутинг. Він забезпечує гнучкість, масштабованість і можливість спільної роботи, що вкрай важливо для вимог сучасних бізнес-процесів, що динамічно змінюються, у сфері управління людськими ресурсами.
Як ми застосували Google Sheets для процесів рекрутингу
Щоб розв'язати проблему збору та аналізу даних у рекрутингу, ми використовували такий підхід:
- Спочатку ми уточнили у замовників і кінцевих користувачів, які саме дані їм необхідні і які показники вони хочуть бачити на дашборді. Це допомогло нам чітко зрозуміти, яку інформацію і в якому вигляді ми маємо надавати.
- Потім ми вивчили, як і де зараз зберігаються дані. Вони могли бути розкидані по різних документах, блокнотах або навіть перебувати в цифровому вигляді на різних платформах.
- Після цього ми створили єдину базу даних, куди стали систематично збирати всю необхідну інформацію. Це забезпечило уніфікацію і доступність даних.
- На останньому етапі ми розробили дашборд, який дав змогу візуалізувати зібрані дані в зручному для аналізу вигляді, згідно з вимогами замовника.
Ці кроки являють собою простий і послідовний шлях до створення ефективної системи для аналізу рекрутингової діяльності. Якби нам потрібно було порекомендувати цей процес комусь, хто стикається з аналогічною проблемою, ми б запропонували слідувати цьому ж плану, приділяючи особливу увагу чіткому визначенню вимог і систематизації даних.
Плюс список корисних матеріалів, з якими варто ознайомитися:
Что такое User Story и как её создать
User interviewing — how and why?
Turning User research into User stories
HOW TO WRITE BETTER USER STORIES TO BUILD BETTER PRODUCTS
How to write user stories that matter
Стандартизація формату публікацій для ефективного рекрутингу
У підсумку ми розробили уніфікований формат публікації для всіх рекрутингових платформ. Кожна публікація тепер містить основні дані про вакансію, як-от назву, посилання для зручності доступу та платформу розміщення, що є однією з обов'язкових вимог.
Додатково, ми врахували умови та вартість публікації на кожній з платформ, щоб розуміти фінансові витрати на рекрутинг. Важливою частиною стали статичні дані: дати активності публікації, які дають змогу фільтрувати інформацію за часовими періодами та аналізувати ефективність на основі переглядів, відгуків, результатів скринінгу, співбесід і найму. Ці параметри критичні для розуміння процесу підбору кандидатів і є стандартними для рекрутингу.
Щоб додати прозорості в роботу команди, в кожну публікацію було включено поле "Відповідальний рекрутер" і коментар рекрутера. Це дає змогу порівнювати ефективність роботи окремих менеджерів усередині команди, ==роблячи процес більш організованим і зрозумілим для аналізу.
Найбільша проблема під час розробки дашборда
Під час створення дашборда для рекрутингу виникли проблеми, пов'язані з людським фактором, особливо з нерозумінням вимог з боку команди рекрутерів. Початковий прототип дашборда, швидко розроблений для демонстрації концепції, не був зрозумілий команді через відмінності у баченні процесу рекрутингу. Це призвело до конфлікту поглядів і сповільнило прогрес проєкту.
Усвідомлення цієї проблеми наголосило на важливості ретельного збору та аналізу вимог перед початком розробки. Взаємодія і детальне уточнення вимог з командою рекрутерів могло б запобігти багатьом складнощам. Підхід до формування технічного завдання повинен включати конкретні питання про функції, процеси автоматизації та важливі дані, необхідні для аналізу ефективності рекрутингу.
ТОП 10 запитань рекрутеру при формуванні ТЗ для створення дашборду
- Яку проблему потрібно вирішити, чому вона виникла?
- Чи є якесь рішення вже зараз або чи планувалися якісь рішення раніше? Чому нинішні рішення вас не влаштовують/минулі рішення не спрацювали?
- Які функціональні можливості ви очікуєте від готового рішення? Опишіть те, як ви хочете з ним працювати і що отримувати в результаті.
- З якими іншими інструментами має синхронізуватися рішення?
- Яку інформацію потрібно збирати і як аналізувати?
- Які процеси мають бути автоматизовані в пріоритеті? Чи є можливість користуватися платними сервісами автоматизації?
- Як ви оцінюєте успіх ваших рекрутингових зусиль?
- Які вимоги до безпеки даних?
- Які аспекти зручності використання для вас критичні (платформи, безкоштовна основа та інші)?
- Які особливості роботи вашого відділу слід врахувати під час розробки?
Також для усунення непорозумінь між рекрутерами та розробниками продукту допоможуть ці статті:
How to get client feedback into your dev process
How to utilise user feedback for software development
What are the best practices for responding to user feedback in software development?
User Feedback, an Ultimate Guide: How To Collect and Make it Valuable Every Time
7 Steps to Perform User Feedback Analysis for Software Development
Правильне визначення та розуміння очікувань усіх зацікавлених сторін від початку проєкту є ключовими для успішної реалізації та зниження ризиків непорозуміння в команді.
Чи можна поліпшити наявне рішення?
Завжди можна зробити щось кращим і потужнішим. Початкове завдання полягало в тому, щоб фахівці могли аналізувати дані в єдиному просторі та швидше отримувати відомості й оцінювати кандидатів. У подальшій версії продукту можна автоматизувати вивантаження даних з різних платформ в окремі бази.
Як саме реалізувати додаткові покращення розробки дашборду в гугл таблицях?
Для реалізації проєкту, насамперед, було б проведено дослідження можливостей API різних платформ. Це включало б спілкування з менеджерами цих платформ для забезпечення підтримки та допомоги в інтеграції. Після цього розглянула б можливість застосування сторонніх автоматизацій, таких як Make, Zapier, та Apix Drive, які могли б допомогти зібрати необхідну статистику безпосередньо з платформ.
Також була б оцінена можливість інтеграції з HRM-системами через їхні API, щоб відстежувати процес кандидатів після їхньої взаємодії з платформами. У разі платформ без API, наприклад, Happy Monday, знадобилося б шукати альтернативні методи збору даних, можливо, через створення спеціалізованих форм або продовження роботи вручну.
Крім того, було б розглянуто можливість використання парсингу даних як альтернативного методу для збору інформації з платформ, які важко інтегрувати за допомогою API. Парсинг може слугувати як додатковий спосіб для дослідження і збору даних, особливо коли стандартні методи виявляються недоступними.
Необхідні навички та знання для розробки дашборда для рекрутингу в Google Sheets
У процесі реалізації проєкту зі створення дашборда для рекрутингу, ми виявили низку необхідних навичок, які виявилися критично важливими для успіху. Основою для успішної роботи стало розуміння процесу рекрутингу, яке було зміцнене завдяки попередньому досвіду в цій сфері. Це знання допомогло нам точно визначити, які функціональні можливості дашборда будуть найбільш затребувані рекрутерами.
Також ми приділили велику увагу розумінню людської психології, що має величезне значення в роботі рекрутера. Це дозволило нам адаптувати інструменти до реальних потреб користувачів і зробити їхнє використання максимально ефективним.
Технічні аспекти реалізації
З технічного боку, важливою навичкою стало вміння працювати з базами даних і формулами Google Sheets. Ми активно використовували функцію Query для обробки та фільтрації даних у дашборді. Це дало нам змогу створити гнучкий інструмент, здатний адаптуватися під різні завдання аналізу даних. Використання умовних операторів і вкладених запитів у Query значно розширило можливості дашборда, роблячи його не тільки функціональним, а й масштабованим для майбутнього розвитку.
Щоб краще розібратися з Query, ознайомтеся з наступними статтями:
What Is an SQL Query?
Всемогущая функция Query — подробное руководство
Функция Query
Power Query: простая работа с данными
QUERY - cамая мощная функция Google Таблиц
Що далі робити з даними, зібраними рекрутером у Google Sheets
Використовувати в роботі. Якщо не знаєте, як саме рекрутеру використовувати зібрані дані, ось кілька корисних матеріалів, які допоможуть правильно застосовувати ці цифри:
15 метрик эффективности рекрутинга и сорсинга: методы оценки эффективности рекрутеров в 2021 году
HR metrics and analytics for data-driven decision making ******
HR In 2024: HR Analytics and Data-Driven Decision-Making
How to Use Data to Improve HR Decision-Making
Building a Data-Driven HR Strategy: 10 Tried and Tested Tips
ВИСНОВКИ
У процесі розробки дашборда для рекрутингу ми зіткнулися з низкою викликів, від технічних аспектів до розуміння людської психології. Досвід у рекрутингу та глибоке знання потреб користувачів дали нам змогу створити ефективний та адаптивний інструмент, який сприяє оптимізації процесів найму. Ми переконалися, що успішна реалізація проєкту вимагає комплексного підходу: від точного визначення вимог до використання просунутих технічних рішень.
Цей проєкт підкреслив важливість співпраці, адаптивності та безперервного навчання в розробці бізнес-інструментів, що робить його цінним досвідом для нашої команди та потенційно цікавим рішенням для інших компаній у сфері рекрутингу.