Websoft

вторник, июня 30, 2015

KPI на основе аналитики

Еще покажу, как Вебтютор можно использовать в целях аналитики.

Кейс из поста Кейс по оптимизации масс рекрутинга.
Ваша задача простая - тщательно фиксировать все этапы рекрутинга
После собеседования с руководителем (и если кандидат одобрен руководителем), кандидата проверяет служба безопасности. После проверки кандидату звонят с предложением о выходе на работу. При этом, многие кандидаты отказываются выходить на работу или просто не берут трубку. Достаточно очевидной кажется мысль, что решение кандидата определяется сроками проверки: чем больше кандидата проверяют, тем больше вероятность, что он выйдет в другое место, просто передумает.
Вопрос в том, чтобы не просто сократить сроки проверки, а понять, в какие именно сроки нужно проверять кандидата.
Мы установили такое распределение отказов / выходов кандидатов в зависимости от времени проверки
Кейс: как устанавливать KPI на основе аналитики
По оси X - время проверки кандидатов в днях
По оси Y - плотность распределения кандидатов из каждой группы по каждому дню (т.е. например пик проверки кандидатов приходится на три дня проверки).
Это еще далеко не весь анализ.
Далее машинка (акцентирую, что границы устанавливает машинка, а не человек. Здесь я не указываю алгоритм, иначе пост был бы про другое) устанавливает границы соотношения выходов / отказов
Кейс: как устанавливать KPI на основе аналитики
На диаграмме: в столбиках - отношение выходов / отказов кандидатов, По оси X - сроки проверки кандидатов в днях.
Заметно, что критичным является срок в шесть календарных дней - три четверти кандидатов отказываются выходить на работу.
Далее уже дело техники посчитать, сколько для компании стоит в рублях потери кандидатов из-за увеличения сроков проверки.
Удачи вам в развитии аналитики в ваших компаниях.


Комментариев нет: