Что такое HR-аналитика и какие метрики действительно важны

HR-директор приходит на совет директоров с презентацией: «Мы наняли 340 человек, провели 12 тренингов, текучесть — 18 %». Генеральный директор спрашивает: «Это много или мало? Почему люди уходят? Что будет через полгода?» — и получает молчание. Знакомая ситуация. Данные есть, но они не превращаются в решения.

По данным Deloitte, только 9 % компаний считают свою HR-аналитику зрелой. Остальные собирают цифры, но не могут объяснить, что за ними стоит. Между тем people analytics — не роскошь технологических гигантов, а необходимый инструмент любой компании, которая хочет управлять людьми на основе фактов, а не интуиции.

Что такое HR-аналитика

HR-аналитика (people analytics) — это систематический сбор, обработка и интерпретация данных о персонале для принятия управленческих решений. Ключевое слово — «решения». Если данные не приводят к конкретному действию, это не аналитика, а отчётность ради отчётности.

На практике HR-аналитика отвечает на три класса вопросов. Первый — описательный: «Какова текучесть в отделе продаж за последний квартал?». Второй — причинный: «Почему в региональных филиалах текучесть вдвое выше, чем в головном офисе?». Третий — прогностический: «Какие сотрудники с наибольшей вероятностью уволятся в ближайшие 90 дней?». Чем дальше по этой шкале продвигается компания, тем больше бизнес-ценности она извлекает из данных.

Важно не путать HR-аналитику с HR-отчётностью. Отчётность фиксирует прошлое: «В январе уволились 28 человек». Аналитика объясняет причины и предлагает действия: «28 увольнений связаны с отсутствием карьерного роста у сотрудников со стажем 2–3 года; запуск программы внутренней мобильности снизит риск на 35 %».

Четыре уровня HR-аналитики

Зрелость HR-аналитики описывается четырьмя последовательными уровнями. Большинство компаний находятся на первом или втором; задача — осознанно двигаться вверх.

Описательная аналитика (Descriptive): «Что произошло?» Базовый уровень — сбор и визуализация ключевых показателей: headcount, текучесть, средний стаж, стоимость найма. Описательная аналитика отвечает на вопросы факта. Она необходима, но недостаточна: знать, что текучесть выросла на 4 п.п., полезно, но без понимания причин эта цифра не даёт оснований для действий.

Диагностическая аналитика (Diagnostic): «Почему это произошло?» Следующий шаг — поиск причинно-следственных связей. Почему текучесть в отделе логистики втрое выше среднего? Может быть, дело в сменном графике, в конкретном руководителе или в отсутствии программы адаптации. Диагностическая аналитика сопоставляет HR-метрики с контекстом — организационной структурой, результатами опросов, данными из HR-дашборда — и находит корневые причины.

Предиктивная аналитика (Predictive): «Что произойдёт?» Модели машинного обучения на исторических данных прогнозируют будущие события: вероятность увольнения, сроки закрытия вакансий, риск выгорания. Если модель показывает, что сотрудник с определённым набором признаков уволится с вероятностью 82 % в ближайшие 60 дней, HR-бизнес-партнёр может вмешаться до того, как заявление ляжет на стол. Подробнее о том, как работают такие модели, — в нашем материале о предиктивной аналитике увольнений.

Предписывающая аналитика (Prescriptive): «Что делать?» Самый зрелый уровень. Система не только прогнозирует исход, но и рекомендует конкретное действие: «Предложить сотруднику ротацию», «Повысить до уровня Senior», «Назначить ментора». Предписывающая аналитика замыкает цикл «данные → инсайт → действие» и позволяет масштабировать экспертизу лучших HR-менеджеров на всю организацию.

Переход между уровнями требует инвестиций в данные, инструменты и компетенции, но не обязательно огромных бюджетов. Начните с качественной описательной аналитики — и вы уже опередите 80 % рынка.

15 ключевых HR-метрик

Метрики — это язык HR-аналитики. Ниже — пятнадцать показателей, сгруппированных по четырём направлениям, которые формируют минимально необходимый набор для управления персоналом на основе данных.

Метрики рабочей силы (Workforce)

1. Headcount (численность персонала). Общее количество сотрудников с разбивкой по подразделениям, локациям, типу занятости. Кажется тривиальным, но точный headcount в реальном времени есть далеко не у всех. Без него невозможен ни один расчёт — от текучести до FTE-стоимости.

2. Turnover rate (коэффициент текучести). Доля сотрудников, покинувших компанию за период. Формула: (Количество увольнений / Средняя численность) × 100 %. Критически важно разделять добровольную и вынужденную текучесть, а также считать текучесть по сегментам: роли, стаж, руководитель. Средний показатель по рынку — 12–15 %, но «нормальность» зависит от отрасли.

3. Absenteeism rate (уровень абсентеизма). Доля рабочих дней, пропущенных по болезни или без уважительной причины. Высокий абсентеизм — ранний индикатор проблем с вовлечённостью, условиями труда или управлением. Формула: (Пропущенные дни / Доступные рабочие дни) × 100 %.

4. Diversity ratio (показатели разнообразия). Распределение персонала по полу, возрасту, опыту и другим параметрам. Метрика позволяет отслеживать прогресс в построении инклюзивной среды и выявлять дисбалансы на уровне подразделений, грейдов и функций.

Метрики привлечения талантов (Talent Acquisition)

5. Time to hire (время закрытия вакансии). Количество дней от публикации вакансии до принятия оффера кандидатом. Долгий найм — это не только упущенная продуктивность, но и риск потери лучших кандидатов. Бенчмарк — 30–45 дней для типовых позиций.

6. Cost per hire (стоимость найма). Совокупные затраты на привлечение одного сотрудника: рекрутинговые платформы, агентства, реферальные бонусы, время рекрутера и нанимающего менеджера. Средний показатель для российского рынка — от 50 до 300 тысяч рублей в зависимости от уровня позиции.

7. Quality of hire (качество найма). Комплексная метрика, которая оценивает, насколько нанятый сотрудник соответствует ожиданиям. Обычно считается как среднее из: результатов performance review за первый год, скорости выхода на продуктивность и факта удержания на 12-й месяц. Quality of hire — главный индикатор эффективности всей воронки найма.

8. Internal fill rate (доля внутренних назначений). Процент вакансий, закрытых внутренними кандидатами. Высокий показатель говорит о зрелости системы развития и карьерного планирования. Бенчмарк — 20–30 %; лидеры рынка достигают 40 %+.

Метрики вовлечённости (Engagement)

9. eNPS (Employee Net Promoter Score). Ответ на вопрос «Насколько вероятно, что вы порекомендуете компанию как работодателя?» (шкала 0–10). eNPS = % промоутеров (9–10) − % детракторов (0–6). Показатель от +10 до +30 считается хорошим. Замеряйте ежеквартально и анализируйте динамику, а не абсолютное значение.

10. Engagement score (индекс вовлечённости). Результат комплексного опроса, который охватывает несколько измерений: удовлетворённость работой, отношение к руководителю, ощущение смысла, возможности роста. В отличие от eNPS, engagement score даёт диагностическую глубину — вы видите, какие именно факторы проседают.

11. Retention rate (коэффициент удержания). Доля сотрудников, оставшихся в компании за период. Формула: ((Численность на конец периода − Нанятые за период) / Численность на начало периода) × 100 %. Retention rate — зеркало текучести, но акцент на позитивном: сколько людей компания сохранила.

Метрики обучения (Learning & Development)

12. Completion rate (процент завершения обучения). Доля сотрудников, прошедших назначенные курсы в срок. Низкий completion rate — сигнал о проблемах с контентом, форматом или мотивацией. О том, какие отчёты нужны для полноценного анализа обучения, мы подробно писали в статье об аналитике обучения.

13. Skill gap closure (закрытие пробелов в навыках). Дельта между требуемым и фактическим уровнем компетенций до и после обучающей программы. Метрика показывает, решает ли обучение реальную проблему или является ритуалом. Измеряется через pre/post-тесты и оценку руководителей.

14. Training ROI (возврат инвестиций в обучение). Формула: ((Выгоды от обучения − Затраты на обучение) / Затраты на обучение) × 100 %. Самая сложная из L&D-метрик, потому что требует изоляции эффекта обучения от других факторов. Но именно она превращает L&D из центра затрат в центр создания ценности.

15. Participation rate (уровень участия в добровольном обучении). Доля сотрудников, которые проходят необязательные курсы по собственной инициативе. Высокий participation rate — индикатор культуры обучения в компании и косвенный показатель вовлечённости.

Как построить аналитическую функцию в HR

Знать, какие метрики считать, — половина дела. Вторая половина — выстроить инфраструктуру, которая обеспечит регулярный и достоверный расчёт.

Источники данных. HR-аналитика питается из нескольких систем: HRIS (кадровый учёт, оргструктура, стаж), ATS (воронка найма), LMS (обучение и оценка), платформы опросов (eNPS, engagement), учёт рабочего времени и ERP. Ключевая задача — интеграция: данные должны стекаться в единое хранилище с общими идентификаторами сотрудников. Платформа HRBP.ru объединяет данные об адаптации, обучении и вовлечённости в одном интерфейсе и предоставляет готовую аналитическую панель с настраиваемыми метриками.

Инструменты. Для старта достаточно связки «HRIS + Excel/Google Sheets + BI-инструмент (Power BI, Tableau, DataLens)». По мере роста зрелости добавляются специализированные платформы: people analytics solutions, ML-сервисы для предиктивных моделей, средства автоматизированной визуализации. Главное правило — инструмент не заменяет мышление. Самый дорогой BI бесполезен, если аналитик не знает, какой вопрос задать данным.

Команда. Минимальная конфигурация: HR-аналитик (сбор, очистка, визуализация данных), HRBP (интерпретация в бизнес-контексте) и спонсор на уровне HRD или CHRO (приоритеты и бюджет). В крупных организациях добавляются data engineer (интеграции, ETL-процессы) и data scientist (предиктивные модели). Но начать можно с одного человека, который умеет работать с данными и понимает HR-процессы.

Качество данных: главный вызов

Самая красивая модель бесполезна, если построена на грязных данных. Проблемы качества — барьер номер один для HR-аналитики.

Типичные проблемы: дублирование записей при переводе сотрудников между юрлицами, устаревшие должности в HRIS, ручной ввод дат (формат «12.01.2026» vs «01/12/2026»), неполные данные по причинам увольнений, рассинхронизация между HRIS и табелем.

Решение начинается с аудита: пройдите по каждому источнику данных, зафиксируйте полноту, актуальность и согласованность. Установите data governance — правила ввода, ответственных за каждый справочник, периодичность актуализации. Автоматизируйте валидацию: скрипты, которые проверяют данные на входе и сигнализируют об аномалиях. Не пытайтесь добиться идеала — начните с тех метрик, где данные уже приемлемого качества, и расширяйте периметр постепенно.

Как презентовать HR-данные руководству

Даже идеальная аналитика бесполезна, если остаётся в файлах HR-отдела. Умение презентовать данные руководству — навык, который определяет, будут ли принятые решения подкреплены данными.

Говорите на языке бизнеса. Руководителю не нужен «индекс вовлечённости 67 баллов». Ему нужно: «Падение вовлечённости в отделе продаж коррелирует с ростом текучести на 8 п.п., что стоит компании 4,2 млн рублей за квартал». Каждую метрику переводите в деньги, сроки или риски.

Используйте визуализацию. Одна диаграмма заменяет страницу текста. Trend-линии, heatmaps, waterfall-диаграммы — выбирайте формат, который мгновенно передаёт суть. Стройте дашборды, которые руководитель может открыть самостоятельно, без запроса в HR.

Предлагайте действия, а не просто цифры. Каждый слайд аналитического отчёта должен заканчиваться рекомендацией: «Запустить stay-интервью в топ-20 % risk-сотрудников», «Пересмотреть компенсационную политику для грейда L4», «Увеличить бюджет на реферальную программу на 30 %».

Задайте каденцию. Определите, какие метрики руководство видит еженедельно (headcount, воронка найма), ежемесячно (текучесть, абсентеизм, completion rate) и ежеквартально (eNPS, engagement score, training ROI). Регулярность превращает аналитику из разового проекта в управленческий ритуал.

Этика и конфиденциальность данных

HR-аналитика работает с самыми чувствительными данными в компании — персональными данными сотрудников. Небрежное обращение с ними не просто нарушает закон, но разрушает доверие.

Правовая рамка. В России обработка персональных данных регулируется ФЗ-152. Любая аналитика, использующая данные сотрудников, должна основываться на законном основании: согласии, исполнении трудового договора или легитимном интересе работодателя. Убедитесь, что политика обработки данных охватывает аналитические сценарии — часто она написана только под кадровый учёт.

Принцип минимизации. Собирайте только те данные, которые необходимы для конкретной аналитической задачи. Не нужно отслеживать перемещения сотрудников по офису, чтобы посчитать текучесть. Чем меньше данных вы храните, тем ниже риск утечки и злоупотреблений.

Агрегация и анонимизация. Представляйте данные на уровне групп, а не индивидов. Дашборд с текучестью по отделам — допустимо. Список конкретных сотрудников с «оценкой риска увольнения» — требует строгих протоколов доступа. Установите минимальный размер группы для отчётов (обычно 5–10 человек): если в подразделении три человека, индивидуальные данные легко идентифицируются даже в агрегированном виде.

Прозрачность. Сотрудники должны знать, какие данные собираются и для чего используются. Открытая коммуникация снижает тревожность и повышает готовность участвовать в опросах и оценках. Компании, которые тайно внедряют мониторинг и предиктивные модели, получают обратный эффект — падение доверия и рост текучести.

Предотвращение предвзятости. Предиктивные модели могут воспроизводить исторические bias: если раньше на руководящие позиции продвигали преимущественно мужчин, модель «научится» считать пол предиктором успеха. Регулярно аудируйте модели на предмет дискриминации по защищённым признакам и привлекайте к этому не только аналитиков, но и юристов.

HR-аналитика — не проект с датой завершения, а непрерывная практика. Начните с пяти метрик, которые можете посчитать уже сегодня. Обеспечьте качество данных. Научитесь переводить цифры на язык бизнеса. И главное — принимайте решения на основе данных, а не вопреки им. Именно это отличает компанию, которая «собирает HR-статистику», от компании, которая управляет людьми через аналитику.