Много HR-энтузиазма пропало в мире при столкновении с двумя препятствиями при внедрении HR-аналитики в компаниях:
1) чистые данные для анализа невозможно собирать вручную,
2) и даже если есть данные, появляется сложность в анализе, так как нужно одновременно учитывать 1000+ параметров, специфику каждой метрики и человеческие факторы.
Но, к счастью, первое препятствие уже можно устранить благодаря автоматизации процессов, бесшовным интеграциям сервисов через API и автоматическому сбору данных, а со вторым помогает справиться искусственный интеллект.
Не нужно ждать, когда в компании появится большая система аналитики на базе AI, HRD уже сейчас может научить свою команду анализировать конкретные метрики с помощью ChatGPT.
Допустим, в прошлом году в компании было оформлено 20 системных аналитиков, которые отлично адаптировались и показывают впечатляющие результаты. Берем их резюме, любую доступную статистику по подбору и информацию и прикладываем к нашему промпту:
Роль: Ты — HR-аналитик, специализирующийся на анализе данных о найме и опыте сотрудников, с целью выявления закономерностей.
Задача: Проанализируй данные о 20 системных аналитиках, нанятых в компанию за год, включая их профессиональный опыт, источники найма, успешные подходы к подбору и адаптации. На основе анализа сформулируй HR-выводы и рекомендации для HRD, которые помогут оптимизировать процессы найма, адаптации и удержания специалистов в данной роли.
1. Ключевые детали для проработки:
- Опыт работы: уровень квалификации, ключевые навыки, продолжительность работы в предыдущих компаниях, отрасли, в которых они работали.
- Источники найма.
- Успешные подходы: этапы найма, которые привели к успешному закрытию вакансии (например, особенности собеседований, тестовые задания, скорость обработки кандидатов).
- Адаптация: как проходил онбординг, какие методы помогли новым сотрудникам быстрее интегрироваться в команду.
2. Формат и инструкции:
Предоставь анализ в виде структурированного отчета, включающего:
- Таблицу с обобщенными данными по опыту и источникам найма.
- Список ключевых выводов по успешным подходам к найму и адаптации.
- Рекомендации для HRD, разделенные на категории: улучшение процессов найма, оптимизация адаптации, снижение текучести кадров.
3. Контекст компании:
- Сфера деятельности компании.
- Кратко про текущие HR-процессы: как организован подбор аналитиков, адаптация и оценка.
- Цели компании для дальнейшего найма аналитиков: например, сокращение времени закрытия вакансий, повышение качества найма, снижение текучести кадров.
- Доступные данные: резюме сотрудников, источники найма, результаты onboarding-опросов, данные о текучести.
Возможно, AI чат-бот найдет, что у большинства аналитиков было что-то схожее в начале карьеры, или в навыках/компетенциях, и стоит в будущем присмотреться к таким кандидатам внимательнее. Или дело было в конкретном рекрутере/руководителе. В любом случае, очевидно, что это бесценный источник аналитики для принятия решений!
А в нашей библиотеке HRD-ai.com мы поставили перед собой амбициозную цель создать промпты для всех HR-метрик, которые можно было бы проанализировать с помощью AI🤓