Зачем покупать стартапы? 🎯
Чувак из универа Пенсильвании провел глобальное исследование ради одной картинки.
Он сравнил текучесть сотрудников из стартапов и просто новых сотрудников. Т.е. многие техкомпании покупают стартапы. Ради новых скилов. Покупают с людьми.
И результат не очень. Сотрудники из стартапа почти в три раза быстрее уходят из компании в первый год.
На диаграмме: по оси X - стаж в годах, по оси Y - доля оставшихся в компании на конкретный год.
Т.е. через год уходит уже 34 % стартаперов (или 66 % остается), в то время как просто новые сотрудники - 12 % уходят в первый год.
Через три года остается 47 % просто новичков и 38 % бывших стартаперов.
Поражает объем работ исследования: он вытащил 482,371 профиль сотрудников стартапов на LinkedIn (там же профили просто новых сотрудников).
зафиксировал 28,512 подтвержденных сделок поглощения tech-стартапов в Crunchbase.
Источник
Понравился пост? Порекомендуй
Телеграм канал HRTech коллегам и друзьям
Чувак из универа Пенсильвании провел глобальное исследование ради одной картинки.
Он сравнил текучесть сотрудников из стартапов и просто новых сотрудников. Т.е. многие техкомпании покупают стартапы. Ради новых скилов. Покупают с людьми.
И результат не очень. Сотрудники из стартапа почти в три раза быстрее уходят из компании в первый год.
На диаграмме: по оси X - стаж в годах, по оси Y - доля оставшихся в компании на конкретный год.
Т.е. через год уходит уже 34 % стартаперов (или 66 % остается), в то время как просто новые сотрудники - 12 % уходят в первый год.
Через три года остается 47 % просто новичков и 38 % бывших стартаперов.
Поражает объем работ исследования: он вытащил 482,371 профиль сотрудников стартапов на LinkedIn (там же профили просто новых сотрудников).
зафиксировал 28,512 подтвержденных сделок поглощения tech-стартапов в Crunchbase.
Источник
Понравился пост? Порекомендуй
Телеграм канал HRTech коллегам и друзьям
👍6
Связь IQ государства и ВВП на душу населения📈
Корреляция 0, 82. Суровый приговор, кстати.
Источник: работа Lynn & Vanhanen — IQ and the Wealth of Nations
Они вытаскивали данные тестирований, поэтому данные далеко не везде и всегда корректные, их за это критиковали, но тренд, тем не менее, ясен.
По оси X - IQ граждан страны, по оси Y - ВВП на душу населения. Правда, это не сам ВВП, а его логарифм - десятичный логарифм. Они это сделали, чтобы показать линейную связь. Ну так типа более ясно. Перевод такой:
4.0 = логарифм (10⁴) = $10,000 на человека
4.5 ≈ логарифм (10⁴․⁵) = $31,600
5.0 = логарифм (10⁵) = $100,000
России я здесь не нашел.
Недавно читал воспоминания Ли Куан Ю - премьер министра Сингапура. У него была идея фикс - делать нацию умнее. Даже умных с умными пытался спаривать. Он считал, что богатство нации определятся ее интеллектом. Обратите внимание, Сингапур в правом верхнем углу.
Прав был Ли Куан Ю?
Понравился пост? Порекомендуй
Телеграм канал HRTech коллегам и друзьям
Корреляция 0, 82. Суровый приговор, кстати.
Источник: работа Lynn & Vanhanen — IQ and the Wealth of Nations
Они вытаскивали данные тестирований, поэтому данные далеко не везде и всегда корректные, их за это критиковали, но тренд, тем не менее, ясен.
По оси X - IQ граждан страны, по оси Y - ВВП на душу населения. Правда, это не сам ВВП, а его логарифм - десятичный логарифм. Они это сделали, чтобы показать линейную связь. Ну так типа более ясно. Перевод такой:
4.0 = логарифм (10⁴) = $10,000 на человека
4.5 ≈ логарифм (10⁴․⁵) = $31,600
5.0 = логарифм (10⁵) = $100,000
России я здесь не нашел.
Недавно читал воспоминания Ли Куан Ю - премьер министра Сингапура. У него была идея фикс - делать нацию умнее. Даже умных с умными пытался спаривать. Он считал, что богатство нации определятся ее интеллектом. Обратите внимание, Сингапур в правом верхнем углу.
Прав был Ли Куан Ю?
Понравился пост? Порекомендуй
Телеграм канал HRTech коллегам и друзьям
👍6
Скоринговая модель новичка🎯
Есть исследования Google и Microsoft, что должен делать руководитель с новичком в первые дни работы последнего. По ссылке ссылка на выжимку исследований Лучшая статья по адаптации персонала
Я создал для компании – клиента на основе вышеупомянутых исследований опросник – триггеры увольнения. Идея очень простая: в конце первой недели работы новичок заполняет анкету, а мы на основе его ответов высчитываем скоринговые баллы – т.е. если например, руководитель встретился с новичком не в первый день работы, если не поставил цели на испытательный срок и т.п.. – это все в минус – повышает риски увольнения (еще и веса по каждому баллу). Конечно, мы это должны статистически апрувить. И сам опросник.
Опросник для новичка — взаимодействие с руководителем в первую неделю
1️⃣ В какой день вы впервые лично встретились с вашим руководителем (очно, если вы работаете в офисе, или в видеозвонке, если работаете удалённо)?
• В первый день
• Во второй день
• Позже
• Не встречались лично
2️⃣ Какие из следующих действий совершил ваш руководитель во время первой встречи с вами? (если встреча состоялась) (Отметьте все, что применимо)
• Личное знакомство, установление контакта
• Постановка целей на период адаптации
• Объяснение, с кем вы будете взаимодействовать, и кто будет получать результат вашей работы (внутренние и/или внешние клиенты)
• Озвучены инструкции или документы, которые нужно изучить
• Представление ключевых коллег или команды
• Обозначение целей и задач работы подразделения
• Обсуждение ожидаемых результатов от вашей работы
• Обозначены предпочтительные каналы и правила коммуникации
• Назначен бадди / наставник
• Назначены регулярные встречи, контрольные точки или синки
• Руководитель объяснил, почему именно вы были выбраны на эту позицию
• Спросил о ваших ожиданиях от работы
• Другое
3️⃣ Что из указанного выше, но не выполненного, было сделано позже?
• Постановка целей на период адаптации
• Объяснение, с кем вы будете взаимодействовать, и кто будет получать результат вашей работы (внутренние и/или внешние клиенты)
• Озвучены инструкции или документы, которые нужно изучить
• Представление ключевых коллег или команды
• Обозначение целей и задач работы подразделения
• Обсуждение ожидаемых результатов от вашей работы
• Обозначены предпочтительные каналы и правила коммуникации
• Назначен бадди / наставник
• Назначены регулярные встречи, контрольные точки или синки
• Руководитель объяснил, почему именно вы были выбраны на эту позицию
• Спросил о ваших ожиданиях от работы
• Другое
4️⃣ Как можно описать формат взаимодействия с вашим руководителем?
• Можете обращаться по любым вопросам
• Можете обращаться по ограниченному кругу вопросов / в определённых ситуациях
• Формат взаимодействия не был обозначен
5️⃣ Сколько раз за первую неделю вы контактировали с руководителем (в любом формате)?
• 1 раз
• 2–3 раза
• 4 и более
• Ни разу
6️⃣ Кто чаще инициировал эти контакты?
• Руководитель
• Вы
• Примерно поровну
• Контактов не было
7️⃣ Получали ли вы обратную связь от руководителя в первую неделю (даже краткую)?
• Да
• Нет
• Затрудняюсь ответить
8️⃣Чувствуете ли вы, что можете задать руководителю вопрос без опасения быть оценённым негативно?
• Да
• Скорее да
• Скорее нет
• Нет
Понравился пост? Порекомендуй
Телеграм канал HRTech коллегам и друзьям
Есть исследования Google и Microsoft, что должен делать руководитель с новичком в первые дни работы последнего. По ссылке ссылка на выжимку исследований Лучшая статья по адаптации персонала
Я создал для компании – клиента на основе вышеупомянутых исследований опросник – триггеры увольнения. Идея очень простая: в конце первой недели работы новичок заполняет анкету, а мы на основе его ответов высчитываем скоринговые баллы – т.е. если например, руководитель встретился с новичком не в первый день работы, если не поставил цели на испытательный срок и т.п.. – это все в минус – повышает риски увольнения (еще и веса по каждому баллу). Конечно, мы это должны статистически апрувить. И сам опросник.
Опросник для новичка — взаимодействие с руководителем в первую неделю
1️⃣ В какой день вы впервые лично встретились с вашим руководителем (очно, если вы работаете в офисе, или в видеозвонке, если работаете удалённо)?
• В первый день
• Во второй день
• Позже
• Не встречались лично
2️⃣ Какие из следующих действий совершил ваш руководитель во время первой встречи с вами? (если встреча состоялась) (Отметьте все, что применимо)
• Личное знакомство, установление контакта
• Постановка целей на период адаптации
• Объяснение, с кем вы будете взаимодействовать, и кто будет получать результат вашей работы (внутренние и/или внешние клиенты)
• Озвучены инструкции или документы, которые нужно изучить
• Представление ключевых коллег или команды
• Обозначение целей и задач работы подразделения
• Обсуждение ожидаемых результатов от вашей работы
• Обозначены предпочтительные каналы и правила коммуникации
• Назначен бадди / наставник
• Назначены регулярные встречи, контрольные точки или синки
• Руководитель объяснил, почему именно вы были выбраны на эту позицию
• Спросил о ваших ожиданиях от работы
• Другое
3️⃣ Что из указанного выше, но не выполненного, было сделано позже?
• Постановка целей на период адаптации
• Объяснение, с кем вы будете взаимодействовать, и кто будет получать результат вашей работы (внутренние и/или внешние клиенты)
• Озвучены инструкции или документы, которые нужно изучить
• Представление ключевых коллег или команды
• Обозначение целей и задач работы подразделения
• Обсуждение ожидаемых результатов от вашей работы
• Обозначены предпочтительные каналы и правила коммуникации
• Назначен бадди / наставник
• Назначены регулярные встречи, контрольные точки или синки
• Руководитель объяснил, почему именно вы были выбраны на эту позицию
• Спросил о ваших ожиданиях от работы
• Другое
4️⃣ Как можно описать формат взаимодействия с вашим руководителем?
• Можете обращаться по любым вопросам
• Можете обращаться по ограниченному кругу вопросов / в определённых ситуациях
• Формат взаимодействия не был обозначен
5️⃣ Сколько раз за первую неделю вы контактировали с руководителем (в любом формате)?
• 1 раз
• 2–3 раза
• 4 и более
• Ни разу
6️⃣ Кто чаще инициировал эти контакты?
• Руководитель
• Вы
• Примерно поровну
• Контактов не было
7️⃣ Получали ли вы обратную связь от руководителя в первую неделю (даже краткую)?
• Да
• Нет
• Затрудняюсь ответить
8️⃣Чувствуете ли вы, что можете задать руководителю вопрос без опасения быть оценённым негативно?
• Да
• Скорее да
• Скорее нет
• Нет
Понравился пост? Порекомендуй
Телеграм канал HRTech коллегам и друзьям
🔥4❤3
Ожидания vs зарплата – риски увольнения. 📊
Достаточно очевидную вещь посчитал, но тем не менее, решил дать пост.
Посчитал в одной компании. Взял реальную зарплату при выходе на работу и ожидания по зарплате, которые озвучивают кандидаты на этапе интервью, посчитал разницу.
Результат на диаграмме.
0 означает, что ожидания и зарплата совпали
Отрицательные значения показывают, что реальная зарплата оказалась ниже, чем ожидание кандидата.
Положительные – выше.
Шаг – в тысячах рублей.
Т.е. 45 новичков получили реальную зарплату на 10 000 рублей больше, чем ожидали.
Возникает вопрос, как может иметь место ситуация, когда кандидату дали зарплату меньше, чем он озвучил на собесе?
И главное. Разница в ожиданиях и реальной зарплате влияет на отток сотрудников.
🎯Результат такой:
3, 4 % это не очень много, но это только на 1 000 рублей. Т.е. снижение зарплаты в сравнении с ожиданиями на 30 000 рублей это уже увеличение рисков на 100 % или по-другому: у человека, которому дали зарплату на 30 000 рублей ниже, чем он просил, риск увольнения вырастает в 2 раза в сравнении с тем, как если бы ему дали столько, сколько он просил.
Понравился пост? Порекомендуй
Телеграм канал HRTech коллегам и друзьям
Достаточно очевидную вещь посчитал, но тем не менее, решил дать пост.
Посчитал в одной компании. Взял реальную зарплату при выходе на работу и ожидания по зарплате, которые озвучивают кандидаты на этапе интервью, посчитал разницу.
Результат на диаграмме.
0 означает, что ожидания и зарплата совпали
Отрицательные значения показывают, что реальная зарплата оказалась ниже, чем ожидание кандидата.
Положительные – выше.
Шаг – в тысячах рублей.
Т.е. 45 новичков получили реальную зарплату на 10 000 рублей больше, чем ожидали.
Возникает вопрос, как может иметь место ситуация, когда кандидату дали зарплату меньше, чем он озвучил на собесе?
И главное. Разница в ожиданиях и реальной зарплате влияет на отток сотрудников.
🎯Результат такой:
Снижение / увеличение зарплаты на 1 000 рублей в сравнении с ожиданиями увеличивает / снижает риски увольнения кандидата на 3, 4 %
3, 4 % это не очень много, но это только на 1 000 рублей. Т.е. снижение зарплаты в сравнении с ожиданиями на 30 000 рублей это уже увеличение рисков на 100 % или по-другому: у человека, которому дали зарплату на 30 000 рублей ниже, чем он просил, риск увольнения вырастает в 2 раза в сравнении с тем, как если бы ему дали столько, сколько он просил.
Понравился пост? Порекомендуй
Телеграм канал HRTech коллегам и друзьям
👍6🔥1
Зарплатная аналитика: засада 75 персентиля🎯
Заметил, что чаще c&b меня просто не понимают, когда я начинаю объяснять, в чем засада с 75 персентилем. Поэтому в этом посте очень подробно, что с ним не так.
Т.е. мы смотрим распределение рынка зарплат, находим значение 75 персентиля и платим по нему. Здравая идея? Даже очень.
Теперь следите за руками. Российские обзоры AMT дают третий квартиль (можно сказать, что третий квартиль = 75 персентиль), но не дают доверительные интервалы. Представьте, вы измерили рост всех жителей Красноярска, вы уверены, что среднее значения роста жителей Красноярска будет равно среднему значению роста всех жителей России? Скорее эти значения будут плюс минус в каких-то границах – это и есть доверительные интервалы. Т.е. мы высчитываем рост жителей Красноярска и говорим, что среднее значение роста всей России будет 177 см плюс минус 5 см. С зарплатой тоже самое.
Смотрим на диаграмму. В данном случае нам нужно определить не просто 75 персентиль, а еще его доверительные интервалы, и я смоделировал ситуацию распределения. Допустим мы смотрим позицию бизнес-аналитика 1С по Москве. Собрали 40 значений зарплаты (реальное значение?) с медианой = 170 000 р, минимальное 140 000, максимальное 220 000 р. Обратите внимание, распределение зарплат отличается от нормального – это лог нормальное распределение – длинный хвост вправо. Почему важно? Потому что у логнормальных распределений верхняя граница доверительного интервала больше «плавает» - сложнее определить, чем у нормального. Я создал распределение, близкое к нормальному, пожалел вас, не стал драматизировать ситуацию, чтобы оценки параметров были не столь фантастическими (коэффициент асимметрии всего 2,5 на данном графике, реально же на рынке зарплатные распределения имеют от 3 до 5 - т.е. хвост растет вправо еще сильней, а значит доверительные интервалы еще больше плывут. Это данные исследований США, но не думаю, что в России другие законы рынка. И коэффициент зависит от конкурентности рынка, чем больше конкуренция, тем выше коэффициент асимметрии - т.е. там, где сильнее нужен показатель, там труднее его определять ).
🎯Результат:
N = 40
Медиана = 170 000 - красный цвет на диаграмме,
75 персентиль = 182107 - зеленый,
Доверительные интервалы = 173 000 нижний и 191000 верхний - желтый цвет.
Т.е. наше искомое значение находится в границах от 173 до 191 тысячи с разбросом в почти 20 тысяч рублей.
В целом есть два способа исправления решения: набрать выборку – нужно хотя бы 100 строк данных, но где же мы их возьмем, или использовать статистические методы – но кто из этого у нас доходит из c&b? Ведь мы даже не знаем характер распределения – нам AMT дает только значения медианы, квартилей и т.п..
Есть еще более простой вариант: мы определяем доверительные интервалы медианы (они будут Уже), и «на глазок» платим больше. В нашем случае доверительные интервалы 162 000 и 176 000, поэтому платим плюс N тысяч рублей к 176 000 – верхней границе доверительного интервала медианы
📌Главный вывод: данных AMT недостаточно
Что будете делать в этой ситуации на месте c&b?
Понравился пост? Порекомендуй
Телеграм канал HRTech коллегам и друзьям
Заметил, что чаще c&b меня просто не понимают, когда я начинаю объяснять, в чем засада с 75 персентилем. Поэтому в этом посте очень подробно, что с ним не так.
Практика 75 персентиля была оформлена компаниями Mercer, McKinsey, Radford (Aon) и Willis Towers Watson (еще в конце 90-х прошлого века) – платить выше 75 % компаний по рынку для удержания талантов и т.п...
Т.е. мы смотрим распределение рынка зарплат, находим значение 75 персентиля и платим по нему. Здравая идея? Даже очень.
Теперь следите за руками. Российские обзоры AMT дают третий квартиль (можно сказать, что третий квартиль = 75 персентиль), но не дают доверительные интервалы. Представьте, вы измерили рост всех жителей Красноярска, вы уверены, что среднее значения роста жителей Красноярска будет равно среднему значению роста всех жителей России? Скорее эти значения будут плюс минус в каких-то границах – это и есть доверительные интервалы. Т.е. мы высчитываем рост жителей Красноярска и говорим, что среднее значение роста всей России будет 177 см плюс минус 5 см. С зарплатой тоже самое.
Смотрим на диаграмму. В данном случае нам нужно определить не просто 75 персентиль, а еще его доверительные интервалы, и я смоделировал ситуацию распределения. Допустим мы смотрим позицию бизнес-аналитика 1С по Москве. Собрали 40 значений зарплаты (реальное значение?) с медианой = 170 000 р, минимальное 140 000, максимальное 220 000 р. Обратите внимание, распределение зарплат отличается от нормального – это лог нормальное распределение – длинный хвост вправо. Почему важно? Потому что у логнормальных распределений верхняя граница доверительного интервала больше «плавает» - сложнее определить, чем у нормального. Я создал распределение, близкое к нормальному, пожалел вас, не стал драматизировать ситуацию, чтобы оценки параметров были не столь фантастическими (коэффициент асимметрии всего 2,5 на данном графике, реально же на рынке зарплатные распределения имеют от 3 до 5 - т.е. хвост растет вправо еще сильней, а значит доверительные интервалы еще больше плывут. Это данные исследований США, но не думаю, что в России другие законы рынка. И коэффициент зависит от конкурентности рынка, чем больше конкуренция, тем выше коэффициент асимметрии - т.е. там, где сильнее нужен показатель, там труднее его определять ).
🎯Результат:
N = 40
Медиана = 170 000 - красный цвет на диаграмме,
75 персентиль = 182107 - зеленый,
Доверительные интервалы = 173 000 нижний и 191000 верхний - желтый цвет.
Т.е. наше искомое значение находится в границах от 173 до 191 тысячи с разбросом в почти 20 тысяч рублей.
В целом есть два способа исправления решения: набрать выборку – нужно хотя бы 100 строк данных, но где же мы их возьмем, или использовать статистические методы – но кто из этого у нас доходит из c&b? Ведь мы даже не знаем характер распределения – нам AMT дает только значения медианы, квартилей и т.п..
Есть еще более простой вариант: мы определяем доверительные интервалы медианы (они будут Уже), и «на глазок» платим больше. В нашем случае доверительные интервалы 162 000 и 176 000, поэтому платим плюс N тысяч рублей к 176 000 – верхней границе доверительного интервала медианы
📌Главный вывод: данных AMT недостаточно
Что будете делать в этой ситуации на месте c&b?
Понравился пост? Порекомендуй
Телеграм канал HRTech коллегам и друзьям
❤7🔥2
This media is not supported in your browser
VIEW IN TELEGRAM
Компания Dyson создала огромную роботизированную теплицу в Англии, где ИИ самостоятельно выращивает и собирает тонны клубники — без участия человека.Клубника растёт круглый год под контролем ИИ: датчики регулируют температуру и влажность, а установки вращаются, обеспечивая каждому листу максимальное количество света
👍5
Дашборд парсинга вакансий с ХХ.ру🎯
Сделали для одного клиента дашборд, он оказался невостребованным, поэтому красоты на картинке не ищите, но идея мне, тем не менее, кажется интересной.
🎯Задача: мониторинг позиций Бизнес-аналитиков по Москве.
Мы начали вести недавно – успели захватить самый конец марта. Дашборд содержит данные:
1️⃣Динамика числа вакансий по месяцам;
2️⃣Общая медиана зарплаты;
3️⃣Динамика медианы зарплаты по месяцам;
4️⃣Число вакансий, содержащих данные о зарплате;
5️⃣Динамика формата работы (удаленка, гибрид, офис);
5️⃣Требуемые навыки;
6️⃣Предлагаемые бенефиты.
✅Фильтры по месяцу и опыту (есть новички, 1-3 года, более 6 лет и т.п – фактически уровень бизнес-аналитика).
Зарплата считалась как среднее между полями «зарплата от» и «зарплата до», брали net, т.е. если ЗП указывалась gross, то вычитали % налогов и т.п...
Навыки и бенефиты извлекались из описания вакансии и переводились в поинты.
Дашборд был практически автоматическим – нужно было только менять креды от ХХ, все остальное – код Python по расписанию. Скрипт забирал раз в неделю вакансии, извлекал навыки и бенефиты, считал зарплаты, потом отправлял на сервер, а с сервера данные автоматом шли на дашборд.
Не бином ньютона, скорее просто гигиенический уровень аналитики, что бы я еще прикрутил:
1️⃣Метчинг с вакансиями компании. Мы по описанию вакансий нашей компании выбираем самые близкие вакансии с ХХ (мера схожести в границах от 0 до 1, где 0 совершенно не похожа на нашу, 1 – 100 % совпадение), задаем, например, что сравниваем только с вакансиями, близкими не менее чем 0, 7 и этим фильтруем дашборд.
2️⃣Распределение зарплат. Я вчера давал пост с зарплатной аналитикой, где критиковал подход только на основе зарплатных обзоров. Нам не хватает не просто данных, нам нужно распределение зарплат – по нему мы можем судить о рынке: насколько мало кандидатов, можем прогнозировать рост зарплат и т.п... я покажу в последующих постах эту аналитику. И да, все это можно получать из данных ХХ. Не так уж и мало, верно?
А что бы вы изменили / добавили / убрали на дашборде?
Понравился пост? Порекомендуй
Телеграм канал HRTech коллегам и друзьям
Сделали для одного клиента дашборд, он оказался невостребованным, поэтому красоты на картинке не ищите, но идея мне, тем не менее, кажется интересной.
🎯Задача: мониторинг позиций Бизнес-аналитиков по Москве.
Мы начали вести недавно – успели захватить самый конец марта. Дашборд содержит данные:
1️⃣Динамика числа вакансий по месяцам;
2️⃣Общая медиана зарплаты;
3️⃣Динамика медианы зарплаты по месяцам;
4️⃣Число вакансий, содержащих данные о зарплате;
5️⃣Динамика формата работы (удаленка, гибрид, офис);
5️⃣Требуемые навыки;
6️⃣Предлагаемые бенефиты.
✅Фильтры по месяцу и опыту (есть новички, 1-3 года, более 6 лет и т.п – фактически уровень бизнес-аналитика).
Зарплата считалась как среднее между полями «зарплата от» и «зарплата до», брали net, т.е. если ЗП указывалась gross, то вычитали % налогов и т.п...
Навыки и бенефиты извлекались из описания вакансии и переводились в поинты.
Дашборд был практически автоматическим – нужно было только менять креды от ХХ, все остальное – код Python по расписанию. Скрипт забирал раз в неделю вакансии, извлекал навыки и бенефиты, считал зарплаты, потом отправлял на сервер, а с сервера данные автоматом шли на дашборд.
Не бином ньютона, скорее просто гигиенический уровень аналитики, что бы я еще прикрутил:
1️⃣Метчинг с вакансиями компании. Мы по описанию вакансий нашей компании выбираем самые близкие вакансии с ХХ (мера схожести в границах от 0 до 1, где 0 совершенно не похожа на нашу, 1 – 100 % совпадение), задаем, например, что сравниваем только с вакансиями, близкими не менее чем 0, 7 и этим фильтруем дашборд.
2️⃣Распределение зарплат. Я вчера давал пост с зарплатной аналитикой, где критиковал подход только на основе зарплатных обзоров. Нам не хватает не просто данных, нам нужно распределение зарплат – по нему мы можем судить о рынке: насколько мало кандидатов, можем прогнозировать рост зарплат и т.п... я покажу в последующих постах эту аналитику. И да, все это можно получать из данных ХХ. Не так уж и мало, верно?
А что бы вы изменили / добавили / убрали на дашборде?
Понравился пост? Порекомендуй
Телеграм канал HRTech коллегам и друзьям
👍9🔥4❤3👏2
HR-автоматизация в российских компаниях: что происходит сейчас и что нас ждёт в ближайшие два года?
*краткий обзор по результатам исследования HRtech-платформы Jinn
📌 Что уже налажено
Большинство российских компаний наладили базовые HR-процессы:
✔️найм сотрудников автоматизирован у 88% компаний;
✔️расчёт зарплаты и кадровый учёт — 77%.
Это фундамент, без которого HR-отделы не могут функционировать.
📊 Что планируют автоматизировать в 2025–2026 гг.
— адаптация персонала (38%);
— оценка (32%);
— обучение и развитие (31%);
— индивидуальные планы развития (26%);
— постановка целей (25%).
Это показывает тенденцию перехода HR от рутинных задач к стратегическому управлению талантами.
Несмотря на доступность HRtech-решений, компании в России автоматизируют процессы поэтапно и сдержанно.
⚠️ Автоматизация ≠ зрелость HR
53% компаний не оценивают эффективность от автоматизации и не могут связать HR-инициативы с бизнес-результатами. Что плохо сказывается на обосновании бюджета на автоматизацию.
🚧 Основные сложности при внедрении платформ
Только 6% компаний не столкнулись с трудностями. Самые частые барьеры:
— цена: нет бюджета (37%);
— нет опыта внедрения (34%);
— мало ресурсов у HR-команды (25%);
— незнание методологии (17%).
📈 43% компаний увеличат бюджет на автоматизацию в ближайшие два года
Компании, которые измеряют эффективность от автоматизации, готовы вкладывать в неё больше денег. Почему? Бизнес видит оцифрованный результат.
Еще больше информации можете найти в полном отчёте Jinn в комментариях под постом.
*краткий обзор по результатам исследования HRtech-платформы Jinn
📌 Что уже налажено
Большинство российских компаний наладили базовые HR-процессы:
✔️найм сотрудников автоматизирован у 88% компаний;
✔️расчёт зарплаты и кадровый учёт — 77%.
Это фундамент, без которого HR-отделы не могут функционировать.
Однако чем крупнее компания, тем сильнее фокус на развитии сотрудников: оценке эффективности, ИПР, постановке целей, обратной связи. Автоматизация обучения и развития охватывает 33% таких компаний, оценки сотрудников — 30%.
📊 Что планируют автоматизировать в 2025–2026 гг.
— адаптация персонала (38%);
— оценка (32%);
— обучение и развитие (31%);
— индивидуальные планы развития (26%);
— постановка целей (25%).
Это показывает тенденцию перехода HR от рутинных задач к стратегическому управлению талантами.
Несмотря на доступность HRtech-решений, компании в России автоматизируют процессы поэтапно и сдержанно.
Даже крупные компании планируют автоматизировать в среднем 2,8 процесса в ближайшие два года.
⚠️ Автоматизация ≠ зрелость HR
53% компаний не оценивают эффективность от автоматизации и не могут связать HR-инициативы с бизнес-результатами. Что плохо сказывается на обосновании бюджета на автоматизацию.
🚧 Основные сложности при внедрении платформ
Только 6% компаний не столкнулись с трудностями. Самые частые барьеры:
— цена: нет бюджета (37%);
— нет опыта внедрения (34%);
— мало ресурсов у HR-команды (25%);
— незнание методологии (17%).
📈 43% компаний увеличат бюджет на автоматизацию в ближайшие два года
Компании, которые измеряют эффективность от автоматизации, готовы вкладывать в неё больше денег. Почему? Бизнес видит оцифрованный результат.
👍4❤3🔥3
Задачка по аналитике рекрутинга
🎯Дано: ИТ компания, основные позиции разраб, бизнес-аналитик, РП и т.п.
данные по 2023 и 2024 годам.
В 2024 нанято значительно больше сотрудников, чем в в 2023, число рекрутеров выросло, но не критично - число закрытых вакансий на рекрутера выросло.
Но сроки закрытия вакансий упали!
1 день снижения это кажется практически незаметным, но изменения значимые, т.е. в среднем компания в 2024 годы закрывала вакансии на 1 день быстрее.
✅ВОПРОС: как бы вы объяснили этот результат? Если нагрузка на рекрутера растет, то сроки, казалось бы, должны тоже расти, но здесь обратная ситуация
Цифры я взял из реальной компании, только изменил пропорционально, чтобы не быть узнанными.
Понравился пост? Порекомендуй
Телеграм канал HRTech коллегам и друзьям
🎯Дано: ИТ компания, основные позиции разраб, бизнес-аналитик, РП и т.п.
данные по 2023 и 2024 годам.
В 2024 нанято значительно больше сотрудников, чем в в 2023, число рекрутеров выросло, но не критично - число закрытых вакансий на рекрутера выросло.
Но сроки закрытия вакансий упали!
1 день снижения это кажется практически незаметным, но изменения значимые, т.е. в среднем компания в 2024 годы закрывала вакансии на 1 день быстрее.
✅ВОПРОС: как бы вы объяснили этот результат? Если нагрузка на рекрутера растет, то сроки, казалось бы, должны тоже расти, но здесь обратная ситуация
Цифры я взял из реальной компании, только изменил пропорционально, чтобы не быть узнанными.
Понравился пост? Порекомендуй
Телеграм канал HRTech коллегам и друзьям
Как ИИ пытался управлять бизнесом и что из этого вышло✅
В офисе Anthropic поставили холодильник с напитками, корзины с едой и iPad для оплаты. Выглядело как обычный вендинговый автомат. Но владелец у него был необычный — Claude Sonnet 3.7, языковая модель, которую прозвали Claudius.
Claudius получил задачу:
— зарабатывай,
— не уходи в минус,
— заказывай товары,
— меняй цены,
— общайся с клиентами в Slack.
Помогать физически могли сотрудники Andon Labs. Но только по команде от AI.
У Claudius был доступ к:
— фейковому email для запросов,
— веб-поиску,
— внутреннему блокноту (вместо памяти),
— управлению ценами,
— Slack-чату с клиентами.
Примерно такой набор выдали ему для ведения бизнеса.
Claudius не просто реагировал на команды — он пытался быть предпринимателем. Ключевое: пытался!
Один сотрудник в шутку попросил вольфрамовый кубик 😅
AI не растерялся: нашёл, заказал и начал продавать "спецметаллы" как отдельную категорию.
Другой сотрудник захотел шоколадное молоко Chocomel из Нидерландов.
Claudius через поиск нашёл сразу двух поставщиков и добавил напиток в ассортимент.
А чуть позже запустил мини-сервис предзаказов — "Custom Concierge" — для редких товаров по запросу.
Но чем дальше — тем хуже. Claudius не понимал, что такое прибыль. Он ставил цены, не зная себестоимости. Не сравнивал предложения. И не понимал, выгодно ли то, что он продаёт.
Сотрудник предложил $100 за упаковку Irn-Bru. Claudius мог купить её за $15. Но вместо сделки ответил вежливо: "Я подумаю об этом в будущем". AI не увидел маржу размером в 600%. И просто "прошёл" мимо.
Coke Zero он продавал за $3. В то же время в офисе рядом стоял холодильник с таким же напитком — бесплатно. Сотрудники сказали ему об этом напрямую. Claudius понял. Но ничего не поменял в своём подходе
Он легко раздавал скидки:
— "Сделаешь дешевле?"
— "Конечно."
Он выдавал промокоды, снижал цены, дарил чипсы.
Иногда отдавал товары даром — просто, потому что его об этом просили. Настоящий антибизнес.
Он обещал сам доставить товар, грозился сменить поставщика и делал много других глупостей.
🎯Результат: компания разработчик пошла исправлять модель
Источник
На диаграмме – финансовый результат ИИ
Понравился пост? Порекомендуй
Телеграм канал HRTech коллегам и друзьям
В офисе Anthropic поставили холодильник с напитками, корзины с едой и iPad для оплаты. Выглядело как обычный вендинговый автомат. Но владелец у него был необычный — Claude Sonnet 3.7, языковая модель, которую прозвали Claudius.
Claudius получил задачу:
— зарабатывай,
— не уходи в минус,
— заказывай товары,
— меняй цены,
— общайся с клиентами в Slack.
Помогать физически могли сотрудники Andon Labs. Но только по команде от AI.
У Claudius был доступ к:
— фейковому email для запросов,
— веб-поиску,
— внутреннему блокноту (вместо памяти),
— управлению ценами,
— Slack-чату с клиентами.
Примерно такой набор выдали ему для ведения бизнеса.
Claudius не просто реагировал на команды — он пытался быть предпринимателем. Ключевое: пытался!
Один сотрудник в шутку попросил вольфрамовый кубик 😅
AI не растерялся: нашёл, заказал и начал продавать "спецметаллы" как отдельную категорию.
Другой сотрудник захотел шоколадное молоко Chocomel из Нидерландов.
Claudius через поиск нашёл сразу двух поставщиков и добавил напиток в ассортимент.
А чуть позже запустил мини-сервис предзаказов — "Custom Concierge" — для редких товаров по запросу.
Но чем дальше — тем хуже. Claudius не понимал, что такое прибыль. Он ставил цены, не зная себестоимости. Не сравнивал предложения. И не понимал, выгодно ли то, что он продаёт.
Сотрудник предложил $100 за упаковку Irn-Bru. Claudius мог купить её за $15. Но вместо сделки ответил вежливо: "Я подумаю об этом в будущем". AI не увидел маржу размером в 600%. И просто "прошёл" мимо.
Coke Zero он продавал за $3. В то же время в офисе рядом стоял холодильник с таким же напитком — бесплатно. Сотрудники сказали ему об этом напрямую. Claudius понял. Но ничего не поменял в своём подходе
Он легко раздавал скидки:
— "Сделаешь дешевле?"
— "Конечно."
Он выдавал промокоды, снижал цены, дарил чипсы.
Иногда отдавал товары даром — просто, потому что его об этом просили. Настоящий антибизнес.
Он обещал сам доставить товар, грозился сменить поставщика и делал много других глупостей.
🎯Результат: компания разработчик пошла исправлять модель
Источник
На диаграмме – финансовый результат ИИ
Понравился пост? Порекомендуй
Телеграм канал HRTech коллегам и друзьям
👍5🤣1
Идея бизнеса для рекрутеров.
Вот где настоящая HR-аналитика, а не вот эти ваши HR-метрики....
Сколько вы проводите интервью зря? Если бы каждый кандидат покупал по стаканчику кофе на вашем аппарате, вы бы уже не страдали так от потока бессмысленных собесов. Вы можете и провайдеров приглашать. Мол, хотим внедрить новую HR-систему, приходите всей командой... И скучные встречи заиграют новыми красками.
Донаты за идею переводить на Тбанк по номеру 8 925 514 4807
Понравился пост? Порекомендуй
Телеграм канал HRTech коллегам и друзьям
Вот где настоящая HR-аналитика, а не вот эти ваши HR-метрики....
Сколько вы проводите интервью зря? Если бы каждый кандидат покупал по стаканчику кофе на вашем аппарате, вы бы уже не страдали так от потока бессмысленных собесов. Вы можете и провайдеров приглашать. Мол, хотим внедрить новую HR-систему, приходите всей командой... И скучные встречи заиграют новыми красками.
Донаты за идею переводить на Тбанк по номеру 8 925 514 4807
Понравился пост? Порекомендуй
Телеграм канал HRTech коллегам и друзьям
🤣6🔥3👍2
Зарплатная аналитика: за пределами 75 персентиля🎯
Этот пост в продолжение и развитие поста Зарплатная аналитика: засада 75 персентиля
Основная идея постов: есть куча других показателей, которые нужно отсматривать спецам по зарплатам кроме медианы и 75 персентиля. В прошлый раз посмотрели на доверительные интервалы.
Сегодня – на характер распределения зарплат.
Я изучил исследования на эту тему и зафиксировал выводы в трех диаграммах. Сразу предупреждаю: это данные не России, вполне себе подозреваю, что «умом Россию не понять, аршином мерным не измерить», поэтому у нас могут быть свои вывихи (особенно с учетом вмешательства государства в бизнес).
Так вот. Основная цель, зачем мы смотрим на распределение зарплат – прогноз, куда движется рынок. Будут ли расти зарплаты или застой.
Для этого нам нужны два показателя:
1️⃣Собственно распределение
2️⃣Tightness – отношение числа вакансий к числу активно ищущих работу, т.е. безработных. У ХХ.ру есть свой индекс, но он не совсем корректен для наших целей. И дело не в том, что делят наоборот: резюме на вакансии, а в том, что считают все резюме. В том числе тех, кто работает, но его резюме активно, т.е. он в пассивном поиске. Ребята из департмента информационных технологий Москвы изучали проблему, выяснили, что при индексе три резюме на вакансию безработных реально примерно 0, 8. Согласитесь, рынок труда играет несколько иными красками при таком раскладе.
Да, так вот, если распределение логнормальное – длинный хвост вправо – ждем роста зарплат. Что такое длинный хвост вправо? Это значит некоторые компании, видимо, не найдя кандидатов при зарплатах близких к нормальному распределению или не имея времени ждать, пока откликнутся, начинают предлагать сильно выше рынка (от 90 персентиля). Это такие локомотивы, которые тянут рынок за собой вверх.
Это, конечно, не единственное распределение, которое возможно даже на перегретом рынке. По российскому рынку я вообще не встречал подобных исследований – вполне возможно вы что-то читали, поделитесь в комментах. Нам стоит развивать и двигаться в этом направлении анализа.
А я в комменты кину распределение зарплат бизнес-аналитиков по Москве – апрель, май, июнь. Поделитесь своими данными, если качаете.
См. также в тему Дашборд парсинга вакансий с ХХ.ру
Крутой пост? Порекомендуй
Телеграм канал HRTech коллегам и друзьям
Этот пост в продолжение и развитие поста Зарплатная аналитика: засада 75 персентиля
Основная идея постов: есть куча других показателей, которые нужно отсматривать спецам по зарплатам кроме медианы и 75 персентиля. В прошлый раз посмотрели на доверительные интервалы.
Сегодня – на характер распределения зарплат.
Я изучил исследования на эту тему и зафиксировал выводы в трех диаграммах. Сразу предупреждаю: это данные не России, вполне себе подозреваю, что «умом Россию не понять, аршином мерным не измерить», поэтому у нас могут быть свои вывихи (особенно с учетом вмешательства государства в бизнес).
Так вот. Основная цель, зачем мы смотрим на распределение зарплат – прогноз, куда движется рынок. Будут ли расти зарплаты или застой.
Для этого нам нужны два показателя:
1️⃣Собственно распределение
2️⃣Tightness – отношение числа вакансий к числу активно ищущих работу, т.е. безработных. У ХХ.ру есть свой индекс, но он не совсем корректен для наших целей. И дело не в том, что делят наоборот: резюме на вакансии, а в том, что считают все резюме. В том числе тех, кто работает, но его резюме активно, т.е. он в пассивном поиске. Ребята из департмента информационных технологий Москвы изучали проблему, выяснили, что при индексе три резюме на вакансию безработных реально примерно 0, 8. Согласитесь, рынок труда играет несколько иными красками при таком раскладе.
Да, так вот, если распределение логнормальное – длинный хвост вправо – ждем роста зарплат. Что такое длинный хвост вправо? Это значит некоторые компании, видимо, не найдя кандидатов при зарплатах близких к нормальному распределению или не имея времени ждать, пока откликнутся, начинают предлагать сильно выше рынка (от 90 персентиля). Это такие локомотивы, которые тянут рынок за собой вверх.
Это, конечно, не единственное распределение, которое возможно даже на перегретом рынке. По российскому рынку я вообще не встречал подобных исследований – вполне возможно вы что-то читали, поделитесь в комментах. Нам стоит развивать и двигаться в этом направлении анализа.
А я в комменты кину распределение зарплат бизнес-аналитиков по Москве – апрель, май, июнь. Поделитесь своими данными, если качаете.
См. также в тему Дашборд парсинга вакансий с ХХ.ру
Крутой пост? Порекомендуй
Телеграм канал HRTech коллегам и друзьям
👍4🔥2👏1
Физический труд больше не удел человека🙅♂️
На диаграмме: сравнение почасовой стоимости гуманоида и средней стоимости рабочей силы (2025, USD)
Страны:
США: $40/час
Германия: $25/час
Япония: $20/час
Бразилия: $6/час
Мексика: $4.5/час
Китай: $4/час
Индия: $2/час
Стоимость гуманоида:
Если робот стоит $50,000, его почасовая стоимость (при 5 годах работы) становится ниже, чем даже зарплата работника в Индии ($2/час).
💰 Стоимость гуманоидов (2025):
• Tesla Optimus — ориентировочно $20 000–$25 000
Илон Маск заявил, что цель — «дешевле автомобиля». Массовое производство ещё не начато, но первые прототипы тестируются.
• Agility Robotics Digit — около $80 000–$120 000
Уже используется Amazon на складах. Умеет ходить, переносить коробки, работать в логистике.
• Figure 01 (Figure AI) — $150 000+
Самый технологически продвинутый. Пилоты идут с BMW. Робот с руками, зрением и взаимодействием с объектами.
• Unitree H1 (Китай) — примерно $90 000
Коммерчески доступен, физически продаётся. Может ходить, бегать, переносить груз. Делает ставку на доступность.
• Xiaomi CyberOne — цена не объявлена
Прототип, пока не продаётся. Заявлен как промомодель для презентаций и ИИ-демонстраций.
Источник
Понравился пост? Порекомендуй
Телеграм канал HRTech коллегам и друзьям
На диаграмме: сравнение почасовой стоимости гуманоида и средней стоимости рабочей силы (2025, USD)
Страны:
США: $40/час
Германия: $25/час
Япония: $20/час
Бразилия: $6/час
Мексика: $4.5/час
Китай: $4/час
Индия: $2/час
Стоимость гуманоида:
Если робот стоит $50,000, его почасовая стоимость (при 5 годах работы) становится ниже, чем даже зарплата работника в Индии ($2/час).
💰 Стоимость гуманоидов (2025):
• Tesla Optimus — ориентировочно $20 000–$25 000
Илон Маск заявил, что цель — «дешевле автомобиля». Массовое производство ещё не начато, но первые прототипы тестируются.
• Agility Robotics Digit — около $80 000–$120 000
Уже используется Amazon на складах. Умеет ходить, переносить коробки, работать в логистике.
• Figure 01 (Figure AI) — $150 000+
Самый технологически продвинутый. Пилоты идут с BMW. Робот с руками, зрением и взаимодействием с объектами.
• Unitree H1 (Китай) — примерно $90 000
Коммерчески доступен, физически продаётся. Может ходить, бегать, переносить груз. Делает ставку на доступность.
• Xiaomi CyberOne — цена не объявлена
Прототип, пока не продаётся. Заявлен как промомодель для презентаций и ИИ-демонстраций.
Источник
Понравился пост? Порекомендуй
Телеграм канал HRTech коллегам и друзьям
👍4
This media is not supported in your browser
VIEW IN TELEGRAM
Идея бизнеса.
Напомню, наш канал не просто про HRtech, мы даем полезные советы, как зарабатывать на этом рынке, вот, например, совет рекрутерам
На видео в этом посте историй индийского программиста Сохам Пареха.
Чувак заработал 0, 5 млн$ если что - так что не отмахивайтесь - его история едва ли не самая обсуждаемая на западном рынке рекрутинга. В комментах скину его резюме.
Понравился пост? Порекомендуй
Телеграм канал HRTech коллегам и друзьям
Напомню, наш канал не просто про HRtech, мы даем полезные советы, как зарабатывать на этом рынке, вот, например, совет рекрутерам
На видео в этом посте историй индийского программиста Сохам Пареха.
Чувак заработал 0, 5 млн$ если что - так что не отмахивайтесь - его история едва ли не самая обсуждаемая на западном рынке рекрутинга. В комментах скину его резюме.
Понравился пост? Порекомендуй
Телеграм канал HRTech коллегам и друзьям
Media is too big
VIEW IN TELEGRAM
Цифровая ИК🔞
Мне тут претензии пошли, а где, мол, собственно контент HRtech, исправляюсь, вот собственно контент HRtech - или скажете, что не в тему? Очень даже в тему.
А вы бы установили у себя такое на работе? Производительность попрет в гору
Во Владимирской области испытали «Цифровую ИК» — систему тотальной слежки за заключенными с помощью ИИ
Во ФСИН заявили о запуске пилотного проекта «Цифровая ИК», его тестируют на базе исправительной колонии № 6 в Мелехово Владимирской области.
Как сообщает пресс-служба ведомства, новая система в реальном времени анализирует поведение заключенных для выявления «подозрительной активности»:
«Цифровизация ИК включает в себя применение системы, фиксирующей голос и изображение лица, обеспечивающей биометрический учет с автоматическим формированием цифровых профилей. Также применяется бесконтактная биометрическая система, а интеллектуальные алгоритмы отслеживают перемещения на территории, оперативно выявляя подозрительную активность. Внедрение технологий позволит усилить безопасность, оптимизировать учет и повысить оперативность реагирования на потенциальные угрозы в учреждениях УИС».
Владимирская область стала первым регионом, в котором тестируется подобная технология.
Видео: «Вести»
Ага, хорошо неделя у нас в канале начинается.
Понравился пост? Порекомендуй
Телеграм канал HRTech коллегам и друзьям
Мне тут претензии пошли, а где, мол, собственно контент HRtech, исправляюсь, вот собственно контент HRtech - или скажете, что не в тему? Очень даже в тему.
А вы бы установили у себя такое на работе? Производительность попрет в гору
Во Владимирской области испытали «Цифровую ИК» — систему тотальной слежки за заключенными с помощью ИИ
Во ФСИН заявили о запуске пилотного проекта «Цифровая ИК», его тестируют на базе исправительной колонии № 6 в Мелехово Владимирской области.
Как сообщает пресс-служба ведомства, новая система в реальном времени анализирует поведение заключенных для выявления «подозрительной активности»:
«Цифровизация ИК включает в себя применение системы, фиксирующей голос и изображение лица, обеспечивающей биометрический учет с автоматическим формированием цифровых профилей. Также применяется бесконтактная биометрическая система, а интеллектуальные алгоритмы отслеживают перемещения на территории, оперативно выявляя подозрительную активность. Внедрение технологий позволит усилить безопасность, оптимизировать учет и повысить оперативность реагирования на потенциальные угрозы в учреждениях УИС».
Владимирская область стала первым регионом, в котором тестируется подобная технология.
Видео: «Вести»
Ага, хорошо неделя у нас в канале начинается.
Понравился пост? Порекомендуй
Телеграм канал HRTech коллегам и друзьям
🔥2❤1🤡1🤣1
Forwarded from Alfa Digital
This media is not supported in your browser
VIEW IN TELEGRAM
Отпуск запланирует искусственный интеллект, а отдохнёт сотрудник 🥰
Поговорили на подкасте «Мы обречены» про нашу внутреннюю платформу Alfa People. Мария Ахмадиева, CTO платформы для сотрудников Alfa People, рассказала про экосистему, которая включает в себя паркшеринг, коворкинг, обеды, отпуск, спортзал и многое другое, а также про то, как сделать работу интересной и комфортной.
Смотреть и слушать выпуск:
🔗 VK видео
🔗 Mave
#анонс #hrtech
➿ ➿ ➿ ➿ ➿ ➿
@alfadigital_jobs — канал о работе в IT и Digital в Альфа-Банке
Поговорили на подкасте «Мы обречены» про нашу внутреннюю платформу Alfa People. Мария Ахмадиева, CTO платформы для сотрудников Alfa People, рассказала про экосистему, которая включает в себя паркшеринг, коворкинг, обеды, отпуск, спортзал и многое другое, а также про то, как сделать работу интересной и комфортной.
Смотреть и слушать выпуск:
#анонс #hrtech
@alfadigital_jobs — канал о работе в IT и Digital в Альфа-Банке
Please open Telegram to view this post
VIEW IN TELEGRAM
Alfa Digital
Отпуск запланирует искусственный интеллект, а отдохнёт сотрудник 🥰 Поговорили на подкасте «Мы обречены» про нашу внутреннюю платформу Alfa People. Мария Ахмадиева, CTO платформы для сотрудников Alfa People, рассказала про экосистему, которая включает в себя…
Media is too big
VIEW IN TELEGRAM
Автоматический расчет отпусков 📊
В продолжение поста Альфы.
Показываю примерный алгоритм планирования отпусков на "пальцах" в Excel.
Понятно, что в Альфе алгоритм понавороченнее, но принцип все равно тот же.
Называется алгоритм "целочисленное программирование" и реализуем он далеко не только в Альфе, а в компании любого размера. Можно легко написать на Python.
Проблема же основная не в написании самого алгоритма, а, как всегда, в менеджменте: нужно строго прописать условия и ограничения.
Т.е. например, чтобы из 10 РПшников одновременно в отпуске было не более 2, чтобы на лето приходилось не более 2 недель отпуска (я фантазирую) и так далее.... Потому что если не прописать это, начнется бардак. А бардак, как известно, не в клозетах, а головах. Поэтому у Альфы это, безусловно, достижение менеджмента в первую очередь.
Если видео неудобно смотреть здесь, вот ссылка на видео в ВК
Понравился пост? Порекомендуй
Телеграм канал HRTech коллегам и друзьям
В продолжение поста Альфы.
Показываю примерный алгоритм планирования отпусков на "пальцах" в Excel.
Понятно, что в Альфе алгоритм понавороченнее, но принцип все равно тот же.
Называется алгоритм "целочисленное программирование" и реализуем он далеко не только в Альфе, а в компании любого размера. Можно легко написать на Python.
Проблема же основная не в написании самого алгоритма, а, как всегда, в менеджменте: нужно строго прописать условия и ограничения.
Т.е. например, чтобы из 10 РПшников одновременно в отпуске было не более 2, чтобы на лето приходилось не более 2 недель отпуска (я фантазирую) и так далее.... Потому что если не прописать это, начнется бардак. А бардак, как известно, не в клозетах, а головах. Поэтому у Альфы это, безусловно, достижение менеджмента в первую очередь.
Если видео неудобно смотреть здесь, вот ссылка на видео в ВК
Понравился пост? Порекомендуй
Телеграм канал HRTech коллегам и друзьям
👍2
ELTV: расчет выхода на точку безубыточности.📊
Создал симулятор ELTV, который позволяет рассчитать точку, когда сотрудник начинает приносить прибыль компании. Сразу предупреждаю, цифры взял из головы
Знакомы с концепцией ELTV? На диаграмме: по оси X время работы сотрудника в компании, по оси Y – отдача от сотрудника. В первый день начинает он с минусов, поскольку компания инвестировала в поиск, найм, потом адаптация, первичное обучение и т.п.. Потом отдача растет, достигает пика, какое-то время плато, потом начинает снижаться, за счет выгорания, усталости, за счет того, что выплаты растут, а эффективность уже нет и т.п.
Так вот. Я поставил задачу создать модель ELTV, где мы можем определить точку выхода на безубыточность. На диаграмме: розовая область — это инвестиции компании (косты), а синяя область – это прибыль, которой работник перекрывает косты.
В чем особенная фишка модели? Обратите внимание, синяя область заметно больше розовой. Т.е. сотрудник должен принести прибыли больше, чем в него вложили? Да! Почему? Потому что он отрабатывает не только за себя, а еще «за того парня». Модель создана на основе трех функций:
1️⃣Перформанс – динамика эффективности работы сотрудника
2️⃣Затраты – сколько в какой момент мы тратим на сотрудника (зарплата, найм, обучение и т.п.)
3️⃣Дожитие – анализ оттока сотрудников. Т.е. если у нас в первый год уволилось 20% вновь принятых (это наш чистый убыток), то оставшиеся должны отработать за них.
Поэтому синяя область больше, чем розовая.
Таким образом, зная эти три функции по своей компании, мы можем выстраивать стратегию ELTV: выбирать мероприятия оптимизации площади под кривой (площадь под кривой — это прибыль от сотрудника). Понятно, что самое сложное – вычленить производительность (косты и дожитие вычленить сравнительно просто), но тоже можно – через финансоовые показатели (средние значения), экспертные опросы.
Красиво? Вопросы?
Понравился пост? Порекомендуй
Телеграм канал HRTech коллегам и друзьям
Создал симулятор ELTV, который позволяет рассчитать точку, когда сотрудник начинает приносить прибыль компании. Сразу предупреждаю, цифры взял из головы
Знакомы с концепцией ELTV? На диаграмме: по оси X время работы сотрудника в компании, по оси Y – отдача от сотрудника. В первый день начинает он с минусов, поскольку компания инвестировала в поиск, найм, потом адаптация, первичное обучение и т.п.. Потом отдача растет, достигает пика, какое-то время плато, потом начинает снижаться, за счет выгорания, усталости, за счет того, что выплаты растут, а эффективность уже нет и т.п.
Так вот. Я поставил задачу создать модель ELTV, где мы можем определить точку выхода на безубыточность. На диаграмме: розовая область — это инвестиции компании (косты), а синяя область – это прибыль, которой работник перекрывает косты.
В чем особенная фишка модели? Обратите внимание, синяя область заметно больше розовой. Т.е. сотрудник должен принести прибыли больше, чем в него вложили? Да! Почему? Потому что он отрабатывает не только за себя, а еще «за того парня». Модель создана на основе трех функций:
1️⃣Перформанс – динамика эффективности работы сотрудника
2️⃣Затраты – сколько в какой момент мы тратим на сотрудника (зарплата, найм, обучение и т.п.)
3️⃣Дожитие – анализ оттока сотрудников. Т.е. если у нас в первый год уволилось 20% вновь принятых (это наш чистый убыток), то оставшиеся должны отработать за них.
Поэтому синяя область больше, чем розовая.
Таким образом, зная эти три функции по своей компании, мы можем выстраивать стратегию ELTV: выбирать мероприятия оптимизации площади под кривой (площадь под кривой — это прибыль от сотрудника). Понятно, что самое сложное – вычленить производительность (косты и дожитие вычленить сравнительно просто), но тоже можно – через финансоовые показатели (средние значения), экспертные опросы.
Красиво? Вопросы?
Понравился пост? Порекомендуй
Телеграм канал HRTech коллегам и друзьям
HR-тренды от Deloitte 2025: Как бизнесу выжить в эпоху перемен?🎯
Отчет Deloitte 2025 Global Human Capital Trends выделяет 9 ключевых трендов, которые перевернут подход к управлению людьми. Разбираем главное (на самом деле это очень краткая выжимка)
1️⃣Лидерство в условиях неопределенности
Компании больше не могут ждать «идеальных условий» – успех за теми, кто превращает хаос в возможности. Лидеры будущего балансируют между краткосрочными результатами и долгосрочной ценностью.
2️⃣Stagility: Стабильность + гибкость
Сотрудники хотят предсказуемости, а бизнес – скорости. Ответ: «стагильность» – системы, где люди чувствуют уверенность, а организация быстро адаптируется.
3️⃣Борьба с «ненужной работой»
41% рабочего времени тратится впустую. Решение – «разгрузка» процессов, автоматизация рутины и создание «свободного времени» для стратегических задач.
4️⃣EVP в эпоху ИИ
ИИ меняет работу – теперь ценностное предложение для сотрудников должно включать:
✔️ Совместное использование выгод от автоматизации
✔️ Гарантии развития «человеческих» навыков
✔️ Этичное использование данных
5️⃣Кризис опыта
Организации требуют опыт, но не дают возможностей его получить. Решение: стажировки, менторство, переосмысление ролей и партнерство с вузами.
6️⃣ Новая ценность технологий
Старые аргументы («это ускорит процессы») больше не работают. Теперь ИИ и автоматизация должны улучшать опыт сотрудников, а не просто сокращать издержки.
7️⃣Мотивация на уровне «единицы»
Универсальные KPI умирают. Будущее – за гиперперсонализацией: пониманием, что движет каждым сотрудником, и адаптацией стимулов под него.
8️⃣Performance management 3.0
Оценка эффективности больше не работает через ежегодные ревью. Вместо этого – постоянная обратная связь и фокус на развитии, а не контроле.
9️⃣Нужны ли менеджеры?
Иерархии рушатся, но полностью отказываться от управленцев рано. Их новая роль – коучи, интеграторы и архитекторы команд, а не контролеры.
Здесь полный отчет Источник
Понравился пост? Порекомендуй
Телеграм канал HRTech коллегам и друзьям
Отчет Deloitte 2025 Global Human Capital Trends выделяет 9 ключевых трендов, которые перевернут подход к управлению людьми. Разбираем главное (на самом деле это очень краткая выжимка)
1️⃣Лидерство в условиях неопределенности
Компании больше не могут ждать «идеальных условий» – успех за теми, кто превращает хаос в возможности. Лидеры будущего балансируют между краткосрочными результатами и долгосрочной ценностью.
2️⃣Stagility: Стабильность + гибкость
Сотрудники хотят предсказуемости, а бизнес – скорости. Ответ: «стагильность» – системы, где люди чувствуют уверенность, а организация быстро адаптируется.
3️⃣Борьба с «ненужной работой»
41% рабочего времени тратится впустую. Решение – «разгрузка» процессов, автоматизация рутины и создание «свободного времени» для стратегических задач.
4️⃣EVP в эпоху ИИ
ИИ меняет работу – теперь ценностное предложение для сотрудников должно включать:
✔️ Совместное использование выгод от автоматизации
✔️ Гарантии развития «человеческих» навыков
✔️ Этичное использование данных
5️⃣Кризис опыта
Организации требуют опыт, но не дают возможностей его получить. Решение: стажировки, менторство, переосмысление ролей и партнерство с вузами.
6️⃣ Новая ценность технологий
Старые аргументы («это ускорит процессы») больше не работают. Теперь ИИ и автоматизация должны улучшать опыт сотрудников, а не просто сокращать издержки.
7️⃣Мотивация на уровне «единицы»
Универсальные KPI умирают. Будущее – за гиперперсонализацией: пониманием, что движет каждым сотрудником, и адаптацией стимулов под него.
8️⃣Performance management 3.0
Оценка эффективности больше не работает через ежегодные ревью. Вместо этого – постоянная обратная связь и фокус на развитии, а не контроле.
9️⃣Нужны ли менеджеры?
Иерархии рушатся, но полностью отказываться от управленцев рано. Их новая роль – коучи, интеграторы и архитекторы команд, а не контролеры.
Здесь полный отчет Источник
Понравился пост? Порекомендуй
Телеграм канал HRTech коллегам и друзьям
❤7🔥4