听得见的声音

【摘要】招聘量化同时可以作为人力资源部发现问题、改善问题的一个方法，调整一些传统的固有思维模式，用一些更为精准，更为量化，更高效率的方式为公司各个岗位提供合适的人才。当然，量化...

在一个金钱导向、结果导向的社会氛围里，企业主们都倾向认为向外拓展营业额开发的销售部门是公司中最重要的部门，其他的相关职能部门则只能关着门，忍受着营运部门对于各项事务的要求。我们在与HR交流的过程中，也时常听见HR们表示自己的部门不受重视，感觉像是在完成任务，而非去创造，老板或者经理人无法用表格数据量化自己部门的绩效，委屈者有之，抱怨者有之，愤而转向营运部门者有之。对于具体工作而言，繁琐的大量感性的文字资料，人情世故也让很多HR们压力颇大，羡慕销售部门可以用表格数据以及量化指标去考量，用电脑和标准代替繁琐的肉眼扫描和大脑分析。那人力资源真的就无“数”可算，无“量”可考，无“据”可估了吗？

结果自然不是如此，本期焦点聚焦就将和科锐国际公司招聘流程外包（RPO）业务运营总监董晓峰先生一起，带领各位读者走进一个人力资源的量化世界，在这样的世界里，HR们的声音终于能够被高层管理者们清晰地听见。

量化先锋——招聘

人力资源部相较于公司其他的部门，尤其是营运、市场及销售部门而言，具有相当的特殊性，很多工作是属完成任务、配合其他部门、组织协调的性质，不具备可以建立抽象模型去量化的前提，很多事务性工作都必须具体情况具体操作。

人力资源各个功能中，招聘是最具结果导向性，是最能够也最应该用数字说话的。

招聘量化同时可以作为人力资源部发现问题、改善问题的一个方法，调整一些传统的固有思维模式，用一些更为精准，更为量化，更高效率的方式为公司各个岗位提供合适的人才。当然，量化招聘模块除了能够更为有效地分析求职者与岗位的匹配度，完成招聘工作以外，无形中也给了老板和经理人们一些更加有力的数据和信息展现应聘者的职业素养以及招聘本身完成的好坏程度。

招聘工作的量化可以从两个维度上进行考虑，第一个维度即是说招聘量化的数字本身的特点，第二个维度是对招聘的量化数字进行有效预测、管理以及优化。第一维度从数字本身来讲，按照招聘的属性，可以从效率、效能、运营这三个不同的角度构建量化指标。

效率：直观过程性指标

招聘的效率的量化指标第一个是时间上的，一个部门或者整个公司的平均招聘时间（Time to Fill），即一个职位从展开招聘到结束招聘这样的一个招聘周期。与招聘周期不同，从展开招聘到人力资源部推荐候选人，是另外一个时间概念——推荐候选人周期（Time to Shortlist）。另外一个指标，显而易见，就是招聘人员的生产力（Recruiter Productivity），它反应出一个HR在特定时间的平均招聘成果，每个月可以成功完成多少数量的招聘人数。招聘人数是一种比较普遍的衡量产能的方法，但不同的部门和职能岗位存在不同的要求，从而产能的衡量方式可能会存在差异，比如销售人员的招聘也许就以完成地区的多少来衡量，校园招聘就以完成学校的多少来计算产能。

命中率（Hit Ratio）是在整个量化指标中比较重要的概念，招聘的过程就是一个概率反复使用的过程。从初筛到推荐，从推荐到一面，从一面到终面，终面到发送offer，再到候选者接受offer入职，这整个流程中，关键节点的命中比率都是关系到整个招聘效率的重要指标。在整个招聘工作的实施过程中，招聘团队工作效率（Fulfill rate）同样也是指示着整个招聘效率的重要指标。如年初设定了招聘计划，好的招聘团队在年尾就可以完成90%，特别优秀的甚至可以百分百完成，而一些差的团队则只能完成70%，甚至更少。对内是工作效率，对外就涉及不同渠道的利用率，包括猎头、广告、内部推荐、其他非传统渠道等。高成本渠道的使用情况，是招聘人员要特别关注的，我们通常用渠道依赖（Agency Reliance）来衡量，特指猎头渠道使用的比例。

上诉指标都是一种完成性指标，而招聘成本（Cost Per Hire）则是一种消耗性指标。包括直接在各环节的材料成本，猎头费用、广告费用，还有间接的一些费用，比如说招聘团队的工资及分摊成本。甚至相关业务部门花在面试上的时间，也是可以被计算进去的。招聘成本的衡量取决于公司处于怎样的发展阶段和战略性目标。

效能：结果指示性指标

招聘的效率是以过程作为指向的量化指标类型，而招聘的效能即为指示结果的量化指标类型，对于整体的量化分析同样起着十分重要的作用。

整个招聘的效能首先是基于客户满意（Voice of Customer），这反应了内部客户对于招聘过程和结果的一个综合评估。对于招聘部门而言，所谓内部客户也就是企业内部有招聘需求的用人经理。此外，招聘结果的质量，即人力资源部所推荐职位候选人的质量，也可以用一些量化指标来衡量，比如试用期通过率（Probation Passing Rate）和高/低绩效员工率（High/Low Performer Rate）这两个指标来衡量。当然，对于后者，不适用于绩效强制分布的公司。

候选人多样性（Candidate Diversity）是目前国内企业较少用到的一个指标，一些500强的外资企业，会选择这样一个指标作为招聘质量的衡量方式之一。这些企业希望能尽可能避免“单一性倾向”给企业带来一些负担甚至是法律风险。这种单一性包括：地域，毕业学校，性别，种族，等等。这种多样性，其实在中国的文化里也有体现，即“中庸”和“制衡”，员工的多元化、多样化可以帮助管理者在无形之中完成竞争环境和制衡环境的制定。

运营：过程控制性指标

而从运营的角度上来看，长龄职位比率（Long～aging%）展示了一些展开招聘很久都没有完成的职位所占全部招聘职位的比例，这样一个比例越大，则表示招聘过程中出现了越多的问题。招聘取消率（Cancellation Rate）也是非常重要的一个指标，取消的职位越多，说明整个过程中消耗的无用功越多，也许招聘从一开始的计划便出了问题。招聘过程中，数据精准度（Data Accuracy）的高低和对于重大问题的一些投诉（Escalation Rate）都是可以反映运营过程好坏的一些具体指标。

在整个招聘质量的量化管理中，除了上述侧重与结果直接相关的指标，同样也有一些更偏向长期的、战略性的管理标准。比如企业人才数据库（Talent Database）的丰富程度，在人力资源市场上的雇主品牌认知（Brand Perception），以及相关核心职位的人才储备（Talent Retention）等。

量化指标的建立过程

第一维度我们建立了一些量化指标对招聘进行了有效的评估和鉴定，而在完成了这样一些数据汇总之后，对数据进行处理，有效分析现状，预测未来，管理和优化现有的招聘系统将是我们的下一步工作。

人力资源部门一般都会在一个工作年初做出预测，包括成本预算，今年度需要开展哪些职位的招聘，以及招聘团队人员的分工等。这样一些预测，根据不同公司的不同操作方式也存在差异，每个企业的核心需求不同，导致企业所需要的核心指标不同。企业一般根据自身需求，选择3～6个核心指标，辅以2～3个次要指标，进行有重点、有取舍的管理。不同的公司根据自己目前的状况，包括所处的行业背景、发展阶段、财务状况、营收状况，以及招聘急迫性会做出不同的抉择。招聘工作本身其实是一种寻求候选人的质量、招聘时间和招聘成本这三者平衡的过程。有些企业急需招聘某些职位的人才，那么时间就是他们最看重的指标，有些企业招聘预算不多，营收紧张，那么成本的管理控制就一定是提到第一位的因素。

对于数据的分析管理也不是一个绝对化的过程，大多数时候是一种相对化的过程，即负责制定招聘计划的负责人不是在绝对的一个“123”上做文章，而是就公司所处行业以及招聘职位的职能特点进行有针对性的分析判断，依据更多的是一些行业的最佳实践经验。行业内有大量的成功案例，而在那些成功案例的背后，一定有一个非常良性健康的各项指标组合，那么在制定招聘计划和具体实施的过程中，参照这样一些成功的指标进行相对化的对比分析和改良对于企业而言是具有相当的实施意义的。在一个招聘阶段结束过后，人力资源部门应对所有招聘的量化指标进行剖析，找出问题和解决方案，弥补与行业最佳的差距。

企业分析数据的最终目的是为了获取一个好的结果，实现好的结果就必须实现制定符合公司特性的目标，而且需要在完成目标的过程中不断地根据现状灵活处理和修正，在每一个招聘周期结束后要进行一个大的回顾，在每个小的时间阶段进行一个小的回顾。量化终究不能为了数据而数据，而是将数据应用到实际需要中去，不断提升和改变。所有的量化指标和分析预测都是依赖于数据，而数据则是依赖于专业的招聘管理系统，因此系统的优良性和健康性是分析预测准确有效的基本保证。定期检查和修正系统，保证系统处于最佳且最适合公司当前状态尤其显得重要。

招聘量化的益处和挑战

量化指标是一种有效而科学的评估方式，可以更为准确地对招聘活动进行总结、改善和预测。通过对量化指标的合理运用，可以提升招聘效率，改善招聘结果，优化招聘流程，减轻HR的工作负担，提升雇主品牌，让雇主的专业性和公平性得到认同。

应用了量化指标，文初HR们的难题终于也就得以解决了，关注结果的高层管理者们可以用量化指标直观地了解和挖掘招聘工作开展的好坏得失，了解招聘工作对公司经营现状的影响。而对于HR们来说，终于有一种简单客观的方式向高层证明自己的工作，同时也可以非常直观地比较两位招聘主管的工作和两家公司的招聘工作的好坏。

量化指标无疑对于每一个企业都会有不同程度的益处，但量化指标只是一个工具，真正运用工具的是人。决策者如何选择适合企业自身状况的指标，如何衡量指标所带来的成本和效益是否处于最优或者次优的状态，如何利用量化指标中的数据对企业进行短期、中期、长期的招聘指导？在数据背后看到了问题和缺陷后，如何从数据出发走向现实提出解决方案并执行？在方案的执行中如何平衡各项需求，以量变带来质变，以微观调整带来宏观改变？这些都是人力资源决策者和HR们应该共同去探讨和面对的挑战。