После метрики «Время найма навыка» пошел дальше.
Если мы можем измерить, сколько времени занимает поиск навыка, следующий вопрос: а какова рыночная стоимость этого навыка?
Так появилась идея метрики Skill Market Value — рыночной стоимости навыка. Эта идея ложится в логику skill-based подхода — одного из главных направлений развития современного HR. Мы начинаем анализировать рынок через конкретные навыки. Не «сколько стоит HR-аналитик», а:
сколько сегодня стоит SQL?
сколько стоит Python?
Как это посчитать?
Берем все вакансии, где есть конкретный навык.
Например, хотим оценить стоимость Excel.
Есть вакансия HR-аналитика, где в требованиях указан Excel.
На нее откликнулось 10 человек. После первичного отбора до собеседования дошли 5 кандидатов.
Их зарплатные ожидания: 130 тыс. ₽, 145 тыс. ₽, 150 тыс. ₽, 160 тыс. ₽, 180 тыс. ₽.
Медианное значение — 150 тыс. ₽.
Но одной вакансии недостаточно. Берем другие вакансии, где требуется этот навык.
Например, бизнес-аналитик с Excel.
На нее откликнулось 20 человек, до собеседования дошли 8 кандидатов. Их зарплатные ожидания: 140 тыс. ₽, 150 тыс. ₽, 155 тыс. ₽, 160 тыс. ₽, 170 тыс. ₽, 180 тыс. ₽, 190 тыс. ₽, 220 тыс. ₽.
Дальше объединяем всех кандидатов, которые прошли фильтр релевантности:
5 кандидатов с вакансии HR-аналитика + 8 кандидатов с вакансии бизнес-аналитика.
Всего — 13 специалистов.
И считаем медианное зарплатное ожидание этих кандидатов.
Это и есть оценка стоимости навыка Excel на рынке.
✅Почему именно кандидаты после собеседования?
Это фильтр. Если брать всех откликнувшихся, мы получим много нерелевантных людей: случайные отклики, кандидатов без нужного опыта или с другим уровнем компетенций. Специалисты, дошедшие до собеседования, уже прошли первичную проверку и лучше отражают реальный рынок людей с этим навыком. Конечно, в модели нужно учитывать больше факторов:
• уровень специалиста;
• опыт работы;
• регион;
• отрасль;
• сочетание навыков;
• дефицитность компетенции.
Но базовая логика такая: Стоимость навыка = медианное зарплатное ожидание кандидатов, прошедших отбор на вакансии, где этот навык является требованием.
✅Какая от этого польза?
Для рекрутера
Какие навыки сложно найти, но и какие навыки делают найм дороже. Например, поиск специалиста с SQL может быть одновременно более долгим и более дорогим, чем поиск специалиста с Excel.
Для руководителя
Какие требования к вакансии сильнее всего влияют на стоимость кандидата. Иногда добавление одного редкого навыка существенно меняет бюджет найма.
Для обучения и развития
Если навык дорогой на внешнем рынке, а компании он нужен постоянно, возможно, выгоднее развивать его внутри. Так появляется еще один инструмент для определения приоритетов upskilling.
📌Для проектирования новых вакансий
Конструктор стоимости вакансии. Сегодня мы обычно начинаем с должности:
«Нам нужен HR-аналитик».
Но за каждой должностью стоит набор навыков. HR-аналитик:
Excel + Power BI + SQL + Python + статистический анализ.
Если мы знаем стоимость отдельных навыков, можно примерно оценить, как набор требований влияет на стоимость такого профиля.
+ SQL — меняется рынок кандидатов.
+ Python — увеличивается стоимость поиска.
Убираем необязательный редкий навык — возможно, расширяем воронку и снижаем стоимость найма. То есть еще до публикации вакансии можно задавать вопросы:
Какие требования делают вакансию дорогой?
Какие навыки действительно нужны?
Какие компетенции дешевле развить внутри, чем покупать на рынке?
Конечно, это не точный расчет будущей зарплаты кандидата.
Это приблизительная модель стоимости skill-профиля вакансии.
📌Для HR-аналитики
Можно строить рейтинг самых дорогих навыков, отслеживать динамику их стоимости и видеть, как меняется рынок труда.
Рынок постепенно движется от профессий к навыкам.
И тогда появляются новые вопросы:
Сколько сегодня стоит SQL?
Сколько стоит Python?
Сколько стоит конкретная технология или компетенция?
Мы в телеге | Наш канал в макс | Наш канал в VK
ПыСы. На диаграмме реальные данные одной компании за период 2023-2026