Часть экосистемы HRlead и mirHR

HR-аналитика и People Analytics: от данных к обоснованным решениям

Практический ресурс о том, как работать с данными о персонале: ставить аналитические вопросы, выбирать HR-метрики, проверять качество данных, строить дашборды, сегментировать показатели и интерпретировать результаты без поспешных причинных выводов.

130 HR-метрик в справочнике
6 ключевых этапов анализа
1 единая логика: вопрос → данные → вывод
Как устроена HR-аналитика Открыть HR-метрики

HR-аналитика: что это и какие задачи она решает

HR-аналитика — это системная работа с данными о персонале и HR-процессах для описания ситуации, поиска закономерностей, проверки гипотез и поддержки управленческих решений. Она начинается не с дашборда и не с выбора «главных метрик», а с вопроса: что именно мы хотим понять и какое решение будет зависеть от ответа?

People Analytics использует те же данные, но обычно подразумевает более широкий аналитический подход: объединение источников, сегментацию, статистические методы, исследование взаимосвязей и, когда это оправдано, прогнозные модели. Названия пересекаются, поэтому важнее не термин, а качество постановки задачи и методики.

Хорошая HR-аналитика отделяет наблюдение от объяснения. Например, рост текучести — факт в данных. Причина роста не следует из самого показателя: её нужно проверять через сегменты, изменения условий, интервью, опросы и другие источники информации.

01

Вопрос и гипотеза

Сформулируйте бизнес- или HR-вопрос, определите, какое решение требуется принять и какие альтернативные объяснения нужно проверить.

02

Данные и методика

Зафиксируйте определения событий, период, популяцию, источники данных, правила включения и исключения записей.

03

Анализ и интерпретация

Смотрите динамику и сегменты, проверяйте качество данных и не превращайте корреляцию или изменение показателя в доказанную причину.

Из чего состоит сильная HR-аналитика

Сильный аналитический контур соединяет несколько уровней: корректные данные, понятные метрики, анализ различий и динамики, визуализацию, интерпретацию и последующее решение. Пропуск любого из этих этапов снижает ценность даже красивого отчёта.

A

HR-метрики

Показатели найма, текучести, удержания, численности, отсутствий, обучения, вовлечённости и других процессов. Главное — единое определение и воспроизводимая формула.

Справочник метрик →
B

People Analytics

Более глубокая работа с вопросами о персонале: сегментация, проверка гипотез, анализ взаимосвязей, статистика и оценка неопределённости.

Разобрать подход →
C

HR-дашборды

Визуальный слой аналитики: показатели, динамика, фильтры, сегменты и контекст. Дашборд должен помогать задавать вопросы, а не просто показывать цифры.

Как строить дашборды →
D

Качество HR-данных

Полнота, согласованность справочников, история изменений, единицы анализа и правила расчёта. Ошибка в данных не исправляется сложной визуализацией.

Работа с HR-данными →
E

HR-аналитик

Роль на стыке HR, данных и бизнеса: постановка задачи, подготовка данных, анализ, визуализация и перевод результата в понятный управленческий язык.

Профессия и навыки →
F

Аналитический цикл

Вопрос → данные → метод → результат → проверка → решение → наблюдение за последствиями. Аналитика полезна, когда этот цикл можно повторить.

Полная методика →

Интерактивный дашборд

Попробуйте демо-версию дашборда по HR-метрикам. Нажимайте на карточки, смотрите, как меняются данные.

15.3%
Текучесть
+2.1%
45 200 ₽
Cost-per-hire
-5%
32 дня
Time-to-hire
-3 дня

*Данные обновляются при клике на карточку. В реальном дашборде можно фильтровать по отделам, датам, должностям.

HR-метрики: не список цифр, а система измерения

Метрики становятся полезными только после того, как зафиксированы определения, границы расчёта и сценарий интерпретации. Универсальные «нормы» без источника, отрасли, периода и методики сравнения редко дают надёжную основу для решения.

Найм

Time to Hire, Time to Fill, Cost per Hire, Offer Acceptance Rate, конверсии этапов и другие показатели помогают описывать скорость, стоимость и структуру процесса найма.

Текучесть и удержание

Turnover Rate, Voluntary Turnover, Early Turnover, Retention Rate и сегментные показатели показывают разные стороны движения персонала. Их нельзя смешивать в один показатель без потери смысла.

Опыт и вовлечённость

Результаты опросов и индексов полезно анализировать вместе с охватом, структурой выборки, формулировками вопросов и динамикой по сопоставимым группам.

Обучение и развитие

Охват, завершение, применение знаний, изменения навыков и бизнес-результаты находятся на разных уровнях. Финансовый эффект нельзя автоматически приписывать обучению без дизайна оценки.

Открыть справочник из 130 HR-метрик

Интерактивные калькуляторы

Используйте калькуляторы для проверки механики расчёта. Результат следует интерпретировать в контексте вашей компании и сопоставимых данных.

📊 Калькулятор текучести

15%
текучесть за период
Показатель описывает долю увольнений за выбранный период. Для интерпретации сравнивайте сопоставимые периоды и сегменты и отдельно анализируйте причины ухода.

💰 Калькулятор cost-per-hire

Работные сайты, реклама, платные источники
Внутренние затраты по принятой методике и/или внешние агентства
ATS, базы кандидатов и другие расходы, которые вы включаете в методику
Добавляйте только те расходы, которые последовательно учитываете в Cost per Hire
41 000 ₽
cost-per-hire
Реклама: 45 000 ₽
Рекрутеры: 120 000 ₽
Софт: 15 000 ₽
Адаптация: 25 000 ₽
Всего затрат: 205 000 ₽
Cost per Hire зависит от состава расходов, который вы включаете в методику. Для сравнения периодов используйте одинаковые категории затрат и правила учёта.

Практические сценарии HR-аналитики

Ниже — не «истории успеха» с универсальным эффектом, а типовые аналитические сценарии: какой вопрос поставить, какие данные проверить и где легко сделать ошибочный вывод.

IT-компания

Сценарий: анализ факторов текучести

Сегментация может показать, в каких группах текучесть выше и какие факторы стоит проверить. После изменений важно сравнивать сопоставимые периоды и учитывать другие возможные причины.

Методика анализа →
Ритейл

Сценарий: прогнозирование риска увольнения

Модель может оценивать вероятность события на основе исторических данных, но прогноз не равен причине и не должен использоваться как единственное основание для решений о конкретном сотруднике.

Подход People Analytics →
Производство

Сценарий: оценка эффекта обучения

Для оценки эффекта обучения заранее определяют показатели результата и способ сравнения. Финансовую отдачу корректно считать только тогда, когда вклад обучения можно обоснованно отделить от других факторов.

Как оценивать результат →

Тест: Ваш профиль в HR-аналитике

8 вопросов — узнаете свои сильные стороны и получите персональные рекомендации по развитию

1. Что вас больше всего привлекает в HR-аналитике?

📈 Возможность находить закономерности и тренды в данных
👥 Понимать, что стоит за цифрами — мотивацию и поведение людей
💼 Влиять на бизнес-решения и стратегию компании
🛠️ Осваивать новые инструменты и автоматизировать процессы

2. Какой отчет вам интереснее всего готовить?

📊 Дашборд с динамикой текучести по отделам и причинам
📋 Анализ результатов опроса вовлеченности и eNPS
💰 Расчет ROI обучения и cost-per-hire для топ-менеджмента
⚙️ Автоматизацию ежемесячной HR-отчетности

3. Какой инструмент вы хотите освоить в первую очередь?

🐍 Python для анализа данных и прогнозирования
📝 Системы для опросов и сбора обратной связи
📊 Power BI или Tableau для визуализации
📈 Продвинутый Excel / Google Sheets

4. Какая метрика вам ближе всего?

📊 Текучесть в разрезе отделов, стажа, причин
❤️ eNPS (индекс лояльности) и вовлеченность
💰 ROI обучения и cost-per-hire
⏱️ Time-to-hire и время закрытия вакансий

5. Что для вас самое сложное в работе с данными?

🧮 Выбор правильных статистических методов
💬 Интерпретация цифр и перевод на язык бизнеса
📢 Презентация результатов руководству
🔄 Сбор и очистка данных из разных источников

6. Какой проект вам хотелось бы реализовать?

🔮 Модель прогнозирования увольнений
🎯 Систему оценки вовлеченности и satisfaction
📈 HR-дашборд для CEO и совета директоров
🤖 Автоматизацию HR-отчетности

7. Что вы читаете / смотрите для развития?

📚 Книги по статистике и анализу данных
🧠 Психологию, социологию, организационное поведение
🏢 Бизнес-литературу и стратегический менеджмент
💻 Блоги про Excel, Python, новые инструменты

8. Какая задача вдохновляет вас больше всего?

🔍 Найти неочевидную закономерность в данных
🤝 Помочь сотруднику через анализ его потребностей
🚀 Повлиять на стратегию компании через HR-метрики
Оптимизировать процесс и сэкономить время
1 / 8

Обучение HR-аналитике и работе с данными

Подборка программ по HR-аналитике, People Analytics, Excel, BI и смежным навыкам, наиболее часто упоминаемых участниками HR-сообщества:

Загрузка курсов...

Присоединяйтесь к сообществу

Обсуждайте метрики, делитесь кейсами, задавайте вопросы экспертам. Вместе мы делаем HR-аналитику понятнее и полезнее.

Вопросы об HR-аналитике и People Analytics

С чего начать HR-аналитику в компании?
Начните не с BI-системы, а с одного управленческого вопроса. Зафиксируйте, какие данные нужны, кто отвечает за их качество, как определяется каждая метрика и с чем результат будет сравниваться. Первый аналитический продукт может быть простым: воспроизводимый отчёт по одному процессу с понятной сегментацией и описанной методикой.
Какие HR-метрики считать главными?
Универсального набора «главных» метрик нет. Выбор зависит от задачи. Для найма важны одни показатели, для удержания — другие, для планирования численности — третьи. Лучше начинать с вопроса и решения, а затем выбирать минимальный набор показателей, которые действительно помогают этот вопрос разобрать.
Чем HR-аналитика отличается от People Analytics?
Термины часто используются как близкие. HR-аналитика может обозначать весь спектр работы с HR-данными — от регулярной отчётности до исследований. People Analytics чаще подчёркивает аналитический подход: объединение источников, сегментацию, проверку гипотез, статистические методы и оценку неопределённости. На практике важнее метод, чем название.
Нужен ли HR-аналитику Python?
Не обязательно на старте. Во многих задачах достаточно качественной модели данных, Excel или SQL и BI-инструмента. Python становится особенно полезен для автоматизации, воспроизводимых исследований, статистики, больших объёмов данных и моделей, которые неудобно реализовывать вручную.
Как понять, что HR-дашборд полезен?
Полезный дашборд связан с конкретными решениями. Пользователь понимает, что изменилось, где именно произошло изменение, может перейти от общего показателя к релевантным сегментам и знает, какое действие или дополнительную проверку предполагает увиденный сигнал.
Можно ли по HR-метрике определить причину проблемы?
Обычно нет. Метрика описывает наблюдаемое состояние или изменение, но сама по себе не доказывает причину. Для причинного вывода нужны дополнительные данные, дизайн исследования или хотя бы последовательная проверка альтернативных объяснений.
Как сравнивать HR-метрики между подразделениями?
Сначала убедитесь, что определения, период, правила включения сотрудников и источники данных одинаковы. Затем учитывайте различия в размерах команд, структуре ролей, сезонности, географии и других факторах. Сравнение несопоставимых групп создаёт ложную точность.
Нужны ли внешние бенчмарки?
Они могут дать ориентир, если известны источник, выборка, период, отрасль и методика расчёта. Но внутренний тренд и сравнение сопоставимых сегментов часто важнее «среднего по рынку». Бенчмарк лучше использовать как контекст, а не как автоматическую норму.
Какую роль играет качество данных?
Критическую. Пропуски, дубли, меняющиеся справочники должностей, разная трактовка событий и отсутствие истории изменений способны исказить результат сильнее, чем выбор аналитического метода. Поэтому контроль качества — часть аналитики, а не техническая подготовка перед ней.