技能一：中小企业也能用数据锁定人才

　　招聘，首先得弄明白自己要“猎”的是什么样的人才目标。许多中小企业招聘时面临的痛点是缺乏数据支持，只能靠经验打招呼。数据驱动的招聘法宝，其实中小企业也可以使用。

　　某游戏创业团队在招Android开发工程师时，试用了简易的数据收集：用Excel记录了历史3年的所有应聘者信息、面试评分等数据。分析发现，深圳大学&电子科技大学的应届生中，代码能力测评过80分的候选人，入职3年持续率高达90%。

　　有了这一人才画像定位，创业团队在目标院校和专业发布招聘信息，锁定了20名潜在人选，筛选出5名代码测评优秀者参加面试，效率提升了3倍。

　　所以，中小企业也可以通过数据发现规律，锁定对的人才目标。轻量级地应用数据，就能持续优化招聘流程，避免大量依赖经验和主观判断。

　　技能二：优化流程，警示招聘“雷区”

　　招聘可不是随随便便就能完成的，求职者从投递简历到入职，要经过层层筛选。其中每一个环节，都会对最终结果产生积极或消极的影响。在这里要讲的，就是如何运用数据找出招聘流程中的“雷区”。

　　方法很简单，通过统计每道流程的历史数据，比如简历筛选进入面试的比例、面试通过率等，就能发现哪里设置过松或过严。

　　比如某岗位笔试进面试比例只有5%，可能筛选条件太苛刻；而某岗位面试通过率达到95%，面试评分标准很可能存在漏洞。

　　发现了“雷区”，又如何改进呢？

　　收集历史流程数据：

　　针对每个招聘岗位，提取简历投递量、简历筛选量、面试量、Offer量等历史数据。数据时间跨度需要足够（如1年）。

　　计算关键指标：

　　基于收集的数据，可以计算出每个关键流程的转换率，例如：

　　简历筛选率=筛选进入面试简历数/总应聘简历数

　　面试通过率=收到Offer简历数/约面试简历数

　　判定合理阈值：

　　根据行业数据与经验值，确定每个流程转换率的合理阈值。例如，该岗位的合理面试通过率为50%。

　　识别不合理设置：

　　当实际转换率长期偏离阈值，即表明该流程设置可能过松或过严。例如面试通过率低于30%，考虑面试设置过严。

　　调整流程设置：

　　根据偏差方向和原因分析，调整相关设置，如修改筛选条件、优化面试考核机制等，将转换率拉回至合理水平。

　　持续优化：

　　收集流程优化后的数据，定期迭代上述步骤，实现招聘流程的持续优化。

　　通过这种基于数据闭环分析的方式，可以使招聘流程设置更加贴合实际。

　　技能三：用数据分析控制招聘成本

　　招聘成本的控制对任何企业都至关重要，中小企业尤其如此。那么我们如何利用数据来有效控制招聘预算支出？

　　方法之一是分析历史费用数据。

　　可以收集发布招聘信息时在不同平台和位置的实际投放费用，以及产生应聘的效果数据。对各渠道的投入产出进行分析比对。

　　举例来说，某中小公司统计发现，在大型招聘网站首页推广的平均成本为200元/天，而产生的应聘量仅仅高出社区论坛10%。考虑到预算有限，公司决定下一步将更多招聘投放放在成本更低的论坛。

　　这样通过对实际数据的统计分析，就可以优化市场投放，最大化地利用有限招聘预算，避免盲目花钱。

　　当然，使用简单Excel统计就可以开始这样的分析。数据并不需要很复杂的算法，重要的是形成定量化分析和决策的思维模式。这也是中小企业实施数据驱动的第一步。

　　方法二是通过应聘数据判断峰值期。

　　除了分析投放成本，应聘数据的统计也可以帮助我们节约招聘预算。

　　我们可以收集并统计企业历史数年的应聘量数据，绘制出时间序列图表。这样就可以清楚看到一个岗位的求职应聘高峰期是在什么时间。

　　例如，绝大多数应届生会在每年3-5月递交简历找工作。所以这一时段申请量极高。而如果8月才发招聘需求，可能申请量会偏低。

　　利用简单的历史数据统计分析，就可以实现对招聘预算和时机的科学管理，减少成本的浪费，这也是中小企业可以借鉴的方法。

　　技能四：建模预测业绩表现，减少刚招不久又走的尴尬

　　招聘远不止完成一个入职，最重要的是新员工能否持续为公司创造价值。如果刚招聘不久又提出离职，岂不尴尬。

　　我们可以收集员工的入职时间、绩效考核等业绩数据，建立预测模型，评估不同候选人、不同岗位的预期表现，事先避开不稳定因素。再者，也可以预测新员工的离职风险，针对高危人群实施关怀计划。

　　向数据驱动转型，不仅提升了招聘的时效性、准确度与质量，也为企业搭建了一个智能化的人才竞争力堡垒。所以，无论是规模巨头，还是中小企业，都可以从中获得启发，用科学决策的力量，实现对人才市场的主动洞察。