配置數(shù)據(jù)源,洞察數(shù)據(jù)背后的故事

在整理數(shù)據(jù)的過程中,BI使用者需要創(chuàng)建維度、選用維度,并挖掘更多的數(shù)據(jù)維度。6月30日,Moka資深客戶成功經理楊建林在BI系列公開課中,帶領大家洞察數(shù)據(jù)奧妙,挖掘其背后故事。

數(shù)據(jù)源與它的小伙伴

若想弄清數(shù)據(jù)源的含義,就需要了解其本身定義及與其相關的幾個概念:

· 字段:招聘系統(tǒng)每個對象上的顆粒維度,組成每個實體業(yè)務對象的元素。Moka BI中有500+系統(tǒng)自帶字段,同時支持Moka ATS后臺用戶在職位、候選人、Offer及HC字段管理模塊下創(chuàng)建的自定義字段。

字段維度舉例:職位名稱,職位招聘流程,職位需招人數(shù),候選人姓名、郵箱、電話

· 實體:系統(tǒng)中每個業(yè)務對象,劃分自定義字段的類別。Moka BI目前提供30+個實體。

· 數(shù)據(jù)源:是配置報表的源頭,即報表字段/條件的獲取來源。對數(shù)據(jù)源里的實體或實體連接進行修改,會直接影響到使用該數(shù)據(jù)源的報表數(shù)據(jù)結果,同?數(shù)據(jù)源可作為數(shù)據(jù)模型用來建立多個報表。

· 關聯(lián)關系:是可根據(jù)報表配置需求搭配,每個實體之間都存在關聯(lián)關系。如果配置的連接關系不同,則配置完成的報表數(shù)據(jù)呈現(xiàn)就可能不同。

實現(xiàn)系統(tǒng)維度,配置數(shù)據(jù)源

了解數(shù)據(jù)源及相關概念后,可對數(shù)據(jù)源配置進行學習。本系列的前三節(jié)課涉及到許多報表維度,怎樣可以在系統(tǒng)中實現(xiàn)這些維度?

1. 內置數(shù)據(jù)源

產品基于上千家客戶制作報表的需求而形成。因此,在產品側預先設置好的實體連接關系,基本可以覆蓋80%~90%的用戶報表配置需求。

然而,在實際業(yè)務過程中,也有一部分報表需求不能被內置數(shù)據(jù)源所解決,此時便需要我們搭建自定義數(shù)據(jù)源。

2. 通過需求反推數(shù)據(jù)源

通過需求反推數(shù)據(jù)源就是搭建數(shù)據(jù)源的案例之一。比如,現(xiàn)需統(tǒng)計招聘HR工作量及識人精準度,則需要查看候選人被操作轉推至其他崗位的數(shù)據(jù)。

該命題涉及了三個對應數(shù)據(jù)源,第一數(shù)據(jù)源為“用戶”,第二數(shù)據(jù)源為“用戶操作”。當HR將候選人推至其他崗位時,需用到的第三個數(shù)據(jù)源為“申請”。

數(shù)據(jù)源已知,就可在系統(tǒng)中創(chuàng)建這三項數(shù)據(jù)。操作步驟如下:

·在報表中心處,進入報表配置需求模塊,點擊數(shù)據(jù)源-添加數(shù)據(jù)源;

·在左側尋找“用戶”“用戶操作”與“申請”三個數(shù)據(jù),并將其拖拽至右側畫布;

·點擊添加連接關系-彈出實體-通過字段連接;

·完成數(shù)據(jù)源配置,即可返回報表中心-新建報表-選擇剛剛創(chuàng)建的數(shù)據(jù)源;

·拖拽用戶姓名、用戶操作候選人、推薦職位申請及推薦候選人是否入職等數(shù)據(jù)維度,生成明細表。

以上就是數(shù)據(jù)源概念及字段連接講解,大家如想深入了解具體配表步驟,可與客戶成功經理進行交流。

PS:在實體對象數(shù)量如此之多的情況下,用戶需要依照實體關系對照表,以知曉哪些字段間可以連接。該表可通過客戶成功經理獲得。

洞察數(shù)據(jù),聆聽數(shù)據(jù)語言

數(shù)據(jù)洞察模型

基于招聘數(shù)據(jù)與操作系統(tǒng)留痕,企業(yè)可追蹤、分析背后規(guī)律,通過這些規(guī)律指導后續(xù)行為與決策,將招聘團隊從繁瑣工作量中解放出來,控制招聘可預見范圍,并以數(shù)據(jù)支持決策,最終達到降本增效的目的。

見“招”拆招,用數(shù)據(jù)分析!

給大家出個問題:如果我們現(xiàn)在接到任務,希望在2個月內招聘100名軟件工程師。那在這個指令下,企業(yè)需要哪些人手,又需要做好哪些準備?

你可以先想想這個問題,再來看看怎么運用工具解決。

1. 招聘漏斗表

分析過去三年軟件工程師崗位的招聘通過率,并結合目前在招聘系統(tǒng)流程中的人員儲備,可推算軟件開發(fā)工程師崗位的招聘人數(shù)。

基于現(xiàn)有每階段轉化率、各階段簡歷量,通過對應比例相乘、四者加和,在簡歷處理完畢的基礎上,可計算出,企業(yè)預計可完成約73個軟件工程師的招聘量。

2.尋找差距

若想完成指標100的數(shù)量,還需招27人,通過反推,企業(yè)在初篩階段還需引進約2300封簡歷。

關鍵策略為,加大尋訪力度,并提高階段轉化率,盡量縮短完成周期。反推計算過程如圖:

3. 預測招聘進展

基于以往三年各崗位各階段平均數(shù),可預測40天后的招聘人數(shù)量,如下圖所示,計算結果為在未來一段時間內,企業(yè)大概能完成的HC招聘數(shù)量。

此外,如果企業(yè)試圖增大目標量,則需要在各階段、各流程中提升人效。

4. 預測Recruiter

在當前人效基礎上,企業(yè)需要招聘10個新候選人。完成該指標需要HR看50份簡歷,或做10個電話面試,或安排30個面試,或溝通10個offer。那么,完成該項目共需要多少HR?

如下圖計算過程所示,基于目前系統(tǒng)數(shù)據(jù)及要引進新數(shù)據(jù),需375人天,即如果一個HR完成以上項目,共需375天。如果企業(yè)要在63天招聘周期內完成該項目,則需6個HR完成。

以上就是通過數(shù)據(jù)層面對招聘數(shù)據(jù)的預測,該結果也是未來匯報的依據(jù)。

總被拒絕?讓數(shù)據(jù)診斷原因!

招聘過程中,HR常在發(fā)了offer后被候選人無情拒絕。究其原因,是因工作地點、發(fā)展路徑,還是薪資水平?

以薪資維度為例,企業(yè)該如何透過此維度,為其未來招聘做出決策呢?

基于以往數(shù)據(jù)可統(tǒng)計出候選人在投遞時的期望平均薪資水平,或發(fā)出offer平均薪資及接收offer候選人平均薪資,以及另外兩個維度——拒絕offer的平均薪資期望,和拒絕offer的平均工齡。

觀察數(shù)據(jù)統(tǒng)計下反映的現(xiàn)象:

·對于工作2年左右的客戶成功經理,其平均薪資期望大概在16000左右,在此薪資水平下,候選者接受offer的概率較高;

·社招中,大部分參與人都希望在家庭所在城市工作。由此可知,工作所在城市是候選人考慮的重要因素之一。

從薪資方面來說,HR可通過相關現(xiàn)象知曉市面不同工齡、年限職員的期望薪資范圍,并以此作為內部盤點標準,為企業(yè)制定星級及招聘預算提供參考。這樣與市面對標后,企業(yè)可盡量減少由于薪資原因拒絕offer的候選人數(shù)量。

透過數(shù)據(jù)報表層面,看透數(shù)據(jù)背后的隱藏故事,學會通過數(shù)據(jù)進行輔助決策。以上就是本節(jié)課的內容。

下節(jié)課,Moka將為你分享行業(yè)優(yōu)秀BI報表案例,讓你在擁有理論知識的基礎上,為實現(xiàn)最佳實踐做好準備!

(免責聲明:本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿,凡在本網站出現(xiàn)的信息,均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性,但不保證有關資料的準確性及可靠性,讀者在使用前請進一步核實,并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏,概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時,應及時向本網站提出書面權利通知或不實情況說明,并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后,將會依法盡快聯(lián)系相關文章源頭核實,溝通刪除相關內容或斷開相關鏈接。 )