HR招聘要分析哪些数据，如何分析，有

Posted 2023-05-11

从持续改进的角度来看，招聘活动的各个环节都有分析改进的空间，对于招聘的分析重点可以关注以下几个方面：
1. 招聘结果的分析：
招聘计划的完成情况：是否在要求的到岗时间内完成招聘工作。
2. 招聘周期分析：
分析不同类岗位、不同职务级别的平均招聘周期，可以为未来为招聘活动争取更合理的招聘时间。
3. 招聘成本分析：
a) 分析各个招聘渠道的投入和产出情况。可以在某一类招聘渠道内进行数据分析，也可以在进行多个招聘渠道的横线比较。比如可以将网络、校招、内部推荐、招聘会等渠道进行分析对比，也可以对同时使用的多个招聘网站，进行分析，看到不同招聘网站投入的招聘费用和产出（到岗人数、有效简历数，甚至于到岗人数）之间的比值，就可以看出哪个招聘渠道效果更好。
b) 分析人均的招聘到岗成本：为制订招聘预算以及降低招聘成本提供依据。
4. 招聘各环节的转化率分析：
a) 即从简历收取到邀约数、到面人数、录用人数之间的比率：这些数据像一个漏斗一样是逐级转化，最终产生合适的录用者。当招聘目标未达成时，可以进一步关注是哪个环节不足。另外，不断缩小比例可以提高录用效率，降低招聘成本。
5. 招聘流程分析：
a) 分析当前招聘流程是否有可优化的空间。比如对于不同层次的人员是否建立了清晰的面试和决策流程，流程存在什么问题，是否可以优化？
6. 甄选标准的分析：
a) 分析当前甄选标准是否清晰。对于那些招聘进入公司后，因不胜任工作辞退辞职的人员，要着重回顾分析是哪个环节出现了问题，是甄选标准不清楚，或者是面试活动中随意性太强？
b) 是否采用了合适的面试方式，比如技术人员的面试过程中，通常要包含技术笔试的内容，而有的企业仅凭面试官与应聘者的简单沟通确定其技术能力，当人员录用后则发现能力不足的情况。
7. 对面试官能力的分析：
面试官是否具体有足够的能力，能够按照特定的用人标准对应聘人员是否满足招聘要求做出判断？ 参考技术A

HR在每个公司都起着重要作用，他们的工作涉及人才招聘、员工关系、员工培训、薪酬绩效等等，而这些模块中的每个环节又都会产生大量的数据。

如何高效利用这些数据优化工作流程？

如何生成简单易懂的报告让领导一目了然？

这是HR们最关心的两个问题。

传统报告流程之殇

数据统计耗时长 

以招聘数据为例：简历收取量、初筛量、进入面试人员数量、邀约量、实际到场初试量、复试量、背调通过量、offer发放量 、入职量等一系列数据，会形成一个招聘数据漏斗，帮助HR观察每个环节的数据流失。

另外按职位、按渠道对这些数据进行汇总，可以发现目前市场上该职位人才招聘的难易程度以及不同招聘渠道的质量。

在传统的Excel处理过程中，要满足上述需求，往往需要建立多个sheet对这些数据做关联。

每次对这些表根据不同维度进行统计，都要耗费HR 2-3个小时的时间。

数据统计运算繁杂

以简历投递量为例，上表例子中，我司HR对每个职位每天的投递量进行了汇总，但是如果想对每个月每个职位在各渠道的简历投递量进行统计观察，在Excel中的操作步骤是如何的呢？ 

首先在原有表格上新插入一行，或者在其他工作区域，按时间按渠道对投递量进行汇总，得到汇总数据之后，再根据这些数据生成对应的图表。 

这个过程繁琐、废时且极易出错。 

被动报告，可扩展性差

以往HR给相关负责人提供报告，所有的“套路”都是既定的。

比如每个月的招聘数据报告中，会提供各职位的投递量、通过量等，如果领导突然想知道这些已入职的人员分别都是来源于哪些渠道，这时HR就又需要重新进行统计，然后再汇报。 

这还仅仅只是一个小需求，并且我司作为创业公司，数据量相对没那么大。但是如果是在一个成熟的大公司，领导的每一个新增需求都会是HR的噩梦。 

如何利用DataHunter提升工作效率？

自动统计，随意拖拽生成图表

无论哪种维度的统计，只需将对应的维度字段拖入到维度区，选择合适的图表类型即可。

传统流程中的数据筛选、选择、统计、生成图表的过程，都被一步完成了。

探索式分析，应对多种需求 

在DataHunter中，将完整的原始数据上传，并生成对应图表，后续就可对这些图表进行下钻以满足不同维度的查看需求。 

如果想知道已入职的人员分别都是来源于哪些渠道，将渠道和人数分别拖进维度和度量，就能生成柱状图查看。

如果想在基础上查看某个渠道入职人员都去了哪些部门，只需右键相应的柱子，选择部门，就可显示。

自定义看板，超越传统报告

HR可以根据自己的需求，生成多个图表，并将其组合成一个看板。

根据常用指标生成的一个入离职人员情况分析看板，里面涉及：每月人才入职情况、各招聘渠道人才入职情况、入职人才部门归属情况等。

通过这个看板，便可以对公司内的人才流动状况一目了然。

Offer-sspOPPO 2020届秋季校园招聘数据分析 _ 笔试+一面+二面+HR面（2019.10.12-10.18）

• 岗位：数据分析师

• 批次：第二批

• 面试地点：广州

时间线：

• 10.12 笔试

• 10.17 一面

• 10.18 二面

• 10.18 HR面

放Offer图，我就去OPPO卖手机啦。

感谢在csdn认识的小伙伴们，一路给大家贡献了那么多凉经，就以这篇帖子终结我的 《2020我的秋招总结帖 [数据分析岗] | 目录索引》 啦！

---

一、笔试 （10.12）

• 选择 * 9 ： SQL、EXCEL函数、HIVE、统计学

1. replace() ? substitue() 比较及用法

2. 卡方独立性检验

3. Hive

4. SQL：主键/非主键对笛卡尔积的影响

• SQL * 3: 容易

• 业务 * 5 小问

1. 根据曝光量的柱形图和ctr的折线图，分析ctr变动趋势及下降原因

2. 手机内存和存储空间上升，分析原因及落地应用

业务分析题挺有趣的。

---

二、一面 （10.17）

• 针对简历发散问，面试官反应速度快，逻辑强，易沟通。

1. 自我介绍

2. 最有价值/意义的项目

3. 包括项目的每个细节，每一个结论是如何推得的，以及应用场景

真的很细节。比如我的项目报告结论 —— 商场的母婴室过量，医院的匮乏。他会马上反问，过量与匮乏是如何衡量的？

4. 项目的建模，讲解主成分回归

5. 项目被采纳后，有无继续落地实现

6. 了解IV？

Information value，当时不懂，面试官说也是衡量变量重要性的一种方法。

这篇帖子总结的比较好， 《建模常用的概念介绍1： WOE、IV》

7. 详细讲解航班延误预测的项目（二分类预测问题）

8. 异常值怎么处理？

9. 除了删除异常值，有没有其他处理方法？

我回答，分组。

10. 项目的特征工程，包括特征构造、转化、衍生等等

11. 给不会的人讲解 gradient boost，以及为什么在我的7个模型中，其预测效果最好

12. 所有变量中，预测能力较强的特征是？解释原因。

13. 会处理不平衡数据的算法吗？

我讲解SMOTE算法。

14. 这些算法都怎么学的？

用到的模型算法是数据挖掘课程学到的，SMOTE是做项目遇到问题，然后自学运用的。VBA也是自学的。

15. 对风险管理的理解。

16. 对加班的看法。

我说，钱到位就可以了哈哈哈哈。面试官愣了一下点点头哈哈哈哈。我太诚实了吧。

17. 在我介绍我的《Python分析Instagram用户偏好》项目中，面试官迅速指出一处分析不足。

我的结论：高人气账号大多数为时尚类账号 -》 因此想获得更多的点赞流量，建议发时尚相关的内容。

面试官指出，这个结论不一定成立，因为高人气账号是否具有代表性，对于普通人。 经过我的理解，我重述了这个问题的情景，并且找到了问题所在，提出了解决方案 。在我思考过程中，几分钟没说话，面试官说，太难了，没关系，我们可以跳过这个。 但是我还是，倔强的思考出来了。他说，太好了 。可能这就是我突出的一方面吧。

其实面试官指出的问题场景是，比如，高人气的账号就是某美妆品牌的官方账号，那么对于一个普通人，我的结论是没有指导意义的。只有当，高人气的账号也是普通人的账号，那么这时候作为普通人，我的结论才是有意义的。

所以问题的根本是，我如何区分高人气的账号，是普通人账号还是时尚官方账号呢？解决思路就是，看这些账号所发的过往每条文本内容，比如发过10条，每一条的词频统计，各种词都是分布均衡的，那么很可能是普通人。比如，10条，10条都是时尚类，那很可能是时尚官方账号。所以，我们不仅要考虑词频，我的问题所是我只考虑了词频，文本分析，应该用tf- idf。

18. 有什么问题想问的。

• 感受

看出来没有，我们的面试内容量是很大的，但是全部都从我简历延伸出来的，不会冷不丁的冒出一个孤立的问题。而且，注重思考和解决问题的能力。和面试官更多的像是交流，我们说到嘴巴都干了，他和我说，他是做风控的，oppo有新业务在互联网金融方面，所以他对我的风管实习和学习经历很感兴趣。还有包括我的二分类建模，也是风管方面的应用。总之，面试体验非常好。

---

三、二面（10.18）

• 总监面，注重总结归纳问题的能力

1. 自我介绍

2. 介绍母婴室项目

3. 2分钟 介绍Instagram项目，说清楚背景、目标、内容和结果。

4. 针对昨天面试官提出的分析问题， 一句话总结根本原因

5. 当初为什么会犯这种错误， 一句话总结原因

我说，因为这是我python编程课程的大作业，注重编程应用，所以在分析层面没有专业指导。他说，那，我们聊一聊python吧。

6. python编程过程中，遇到什么困难， 如何解决

7. 用了多久解决

我说几天。

8. 如果另一个人遇到同样的情况，你如何快速帮他诊断问题，不要再花几天了。 一句话总结 。

9. 具体会python哪些？

10. 职业规划（短期+长期）

我回答，短期了解部门如何运作、熟悉业务，再找到自己可以发挥能力的地方工作。长期，增长技术…… 他说，然后呢？目标是什么？我，emmmm，就是很厉害的…… 他说，当数据科学家吗哈哈哈哈。我说，不敢科学家的名头，高级数据分析师吧。

11. 有什么问题。

---

四、HR面（10.18）

• 分背景和学习经历，两部分问

我的问题总结是乱序的……

1. 自我介绍

2. 家庭情况

3. 英语水平（四六级、雅思）

4. 英文自我介绍

5. 学习绩点

6. 加班看法

7. 选择工作的因素

8. 为什么不去金融业

9. 期望薪资

10. 接不接受外派

11. 面临困难/压力的情况，及如何面对解决

12. 对OPPO理解

13. 现有的offer情况

14. 团队合作的经历

15. 作为leader负责什么

16. 评价团队队友

17. 3个词想别人介绍你自己

---

五、总结

1. OPPO面试，是我将近二十次面试里体验最好的一次。也不知道是不是我状态越来越好，还是面试官真的很投缘，我能get到面试官的点，并且反馈回去。一面面试官真是太好沟通啦，竟然可以不强迫我想出来，说太难了没关系，可见整个面试没有压迫的氛围。二面的总监比较严肃，基本上我们是快问快答，他喜欢高度总结，不喜欢拖拖拉拉抓不到重点。

2. 还有很暖心的是hr。我中午从深圳赶过来，到广州已经迟到了。面试官打电话确认我情况，我说刚下高铁，马上过来。他说，没关系慢慢来，注意安全。一句注意安全，真是太温暖人了啊。

3. OPPO面试从简历发散，又不限制于简历内容。我觉得这才是厉害的面试官呀。比如说，其实面试官是做风控的，逾期与否是二分类问题，和我飞机航班延误预测的二分类类似，所以他深挖我的飞机航班项目。从异常值、缺失值、不平衡样本处理到特征选择、转化、衍生、重要性、正则项、逻辑回归、决策树、bagging到boosting，还有特征的评价等等。

4. 总监面注重总结问题的能力，哈哈，我朋友说，我不怕这个啊，因为我平时就保持着总结的习惯。

5. 对了，总监面的时候我问面试官的反馈。他说，我回答职业规划的时候很好。我先说的，是了解部门，很多人忽略了这一点。有的学生发现做不好，其实不是技术的原因，他说像洋葱一样一层一层的剥开，应该先有全局观，从了解部门运作开始。

6. 每次笔试或者面试结束，我都会先在笔记本上总结，才挑选部分写在博客上。OPPO是我笔记本上第三十个记录。量变产生质变，可能真的需要经历前二十九次失败……希望大家都能熬出头✨