招聘HR的出路在哪？

在企业里，招聘HR属于职能岗，在日复一日的简历筛选、面邀、面试、办理入职离职中（偶尔还遇到各种麻烦糟心事），HR们花费了大量的时间和精力。不过对企业来说，HR不能产生直接效益，属于成本部门，不被重视，也没啥话语权。

导致很多HR为公司勤勤恳恳工作了几年，但成长性不大，薪资也在原地踏步。

不过市场中有一类HR，因为稀缺性，正变得越来越“值钱”，那就是会做数据分析的HR！

之前，华为40w年薪招聘HR数据分析师刷屏朋友圈，现在阿里、百度等大厂也纷纷在HR的招聘要求中提到了要具备数据分析能力。大公司的招聘要求，一定程度上代表着职业发展方向，未来不会数据分析的HR，必将没有市场！

一、对招聘HR，会数据分析有多香？

HR们每天置身于繁琐重复的招聘工作，忙得焦头烂额，却无法量化自己的投入和产出，出现问题也难以深挖原因，难以提出针对性的优化意见。

一旦招聘效果不理想，面对用人部门的诘问，HR往往自己都不知道原因。

而如果会做数据分析，就能通过关键数据对招聘的各环节过程化、量化，既能记录投入和产出，展现自己工作成果，也能监控分析日常招聘数据，便于及时发现问题，找到原因，优化招聘策略。

二、招聘数据分析怎么做？

1、确定分析模型

先确定分析目标，根据目标确定分析模型。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，通过招聘的各个环节，逐渐淘汰不合适的候选人，层层筛选出最合适的人的过程。对各个环节的转化率进行统计，就可以进行招聘漏斗分析。

各环节转化率能直观反映招聘效能和效率，暴露出各环节存在的问题。比如，当招聘完成率不达标时，可追查offer接受率的情况。如果发现offer接受率明显低于标准时，就需进一步分析放弃offer的原因，进而优化招聘策略。

2）招聘周期分析

岗位招聘周期过长，是很多HR深感头疼的问题。在现有招聘方式下，每个岗位成功招到一个人才需要多长时间？从岗位发布到人员入职，整个流程要多久？下一个阶段大概要招多少人？HR要明确了解这些信息，才能改善现状并提前准备。

3）招聘渠道分析

每个招聘渠道的投入产出比如何？每个渠道的贡献率如何？现有招聘渠道是否够用？这些数据也是HR需要重点关注的，那做一张各渠道的招聘效果分析图，对比观察是很有必要的。

2、数据获取

根据分析方法，可以确定需要获取的数据。

招聘数据一般有四类指标：关键绩效、招聘过程、渠道效果和招聘成本。不同的指标有不同的计算方式，参考下图即可。原始数据来自数据采集，有钱任性的可以尝试下北森、SHL等第三方数据库，没钱样本数小的用EXCEL也可以达到效果。

比较重要的指标有简历投递数量、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为HR的考核KPI。

3、数据处理

当我们拿到密密麻麻的数据，经常不知道如何下手，数据处理这一块对大多数HR而言是短板，因此很多公司HR都需要获得数据分析人才和IT部门的协助。

但随着分析工具的进步，现在不懂技术的HR也能自行进行数据分析了。就拿主流的数据分析工具FineBI来说，主打的特点就是专业、好用、易上手。它不会展示出整屏的数据让你眼花缭乱，而会引导你一步步靠近自己的目标，而且无需敲代码，鼠标操作就能进行各种数据处理，比Excel还好用，对非技术群体很友好。

4、数据分析

处理好数据，就要按照原定模型进行分析。还是以FineBI为例，金字塔模型、KANO分析模型、RFM模型、四象限模型......只需鼠标拖拽就能快速搭建出各种模型，轻松做出各种图表，而且可以随时调整更新。

把多张图表放到一起，就能做出一张“招聘驾驶舱”的大屏，方便对招聘数据进行实时监控和分析，而这些对数据分析新手来说很容易就能学会。

很多HR对招聘和人才理论掌握熟练，也大概知道做HR数据分析的意义，但是大部分人甘愿躺在舒适区，日复一日做着繁琐的工作，做汇报时，就把各项数据简单统计，最多画画饼图、折线图，以为就完事了，但这样其实不能真正挖掘出数据背后的价值，对工作的指导意义也不大。

科学的招聘数据分析，能帮助企业提高招聘效率和人才质量，也能帮助HR洞察数据背后的价值，从招聘困局中解放出来。HR如果想在职业上获得突破，为自己增值，我建议多学学数据分析。

回个“数据分析”就能获得工具！