Зачем бизнесу HR-аналитик

HR-аналитик приводит в порядок данные о людях из HRM, систем подбора, расчёта зарплаты и опросов, считает ключевые метрики — текучесть, стоимость и скорость найма, eNPS, воронки подбора, структуру ФОТ — и собирает их в дашборды для HR-директора и собственника. Дальше он ищет причины: почему растёт текучесть в подразделении, где воронка теряет кандидатов, какие команды в зоне риска. Итог его работы — не отчёт ради отчёта, а понятная картина, на которой видно, какое кадровое решение принесёт деньги, а какое их сожжёт.

Когда решения по людям стоят дорого, а принимаются на ощущениях. Сигналы: текучесть растёт, но никто не назовёт её точную цифру и стоимость; найм затягивается, а где теряются кандидаты — непонятно; ФОТ растёт быстрее выручки; HR-отчёты собираются вручную в Excel и устаревают к моменту готовности. Если штат вырос настолько, что «по ощущениям» уже не работает, а ошибка в найме и удержании измеряется сотнями тысяч рублей, бизнесу нужен человек, который переводит кадры в цифры и прогнозы.

Универсального списка нет — важны метрики, связанные с деньгами и решениями бизнеса. Базовый набор почти всегда включает текучесть (общую, по подразделениям и по сроку работы), стоимость найма и текучести, скорость закрытия вакансий и конверсию воронки подбора, eNPS и вовлечённость, долю и динамику ФОТ. Хороший HR-аналитик не гонится за количеством метрик, а связывает их с бизнес-показателями: показывает не «текучесть 18%», а сколько это стоит компании и где теряются деньги.

HR-менеджер ведёт людей и процессы и принимает решения: нанимает, адаптирует, удерживает, работает с руководителями. HR-аналитик решений по людям не принимает — он даёт под них фактуру: считает метрики, ищет причины текучести и провалов воронки, строит дашборды и прогнозы, проверяет гипотезы. Грубо: HR-менеджер отвечает за действие, HR-аналитик — за то, чтобы оно опиралось на данные, а не на интуицию. В небольшой компании роли совмещают, но с ростом штата аналитику выгоднее выделять отдельно.

Сильный HR-аналитик уверенно работает с данными: продвинутый Excel и SQL для выгрузок, Power BI или Yandex DataLens для дашбордов, понимание HRM- и ATS-систем как источников данных. Плюс статистика и основы People Analytics: модели атрибуции причин текучести, прогнозирование оттока, корректная проверка гипотез без ложных выводов. Не менее важен бизнес-контекст — умение переводить цифры на язык денег и решений и доносить выводы до руководства понятно, без перегруза терминами.

Смотрите не на знание формул, а на бизнес-мышление и доказанный результат. Попросите разобрать реальный кейс: как он считал стоимость текучести, как находил причину оттока в команде, какое решение бизнес принял на его данных и что изменилось. Хороший признак — кандидат сам уточняет контекст и оговаривает ограничения данных, а не выдаёт корреляцию за причину. Проверьте инструменты на практике (выгрузка, дашборд, простая модель) и оцените, насколько ясно он объясняет выводы человеку без аналитического бэкграунда — именно это отличает аналитика, который влияет на решения, от того, кто рисует красивые графики.