Аналитик рекрутинга: кто считает воронку найма, стоимость кандидата и эффективность каналов

Вы решили уйти в аналитику и открываете вакансии — а там разнобой: «HR-аналитик», «аналитик по подбору», «recruitment analyst», «аналитик эффективности найма». Названия разные, а чем они отличаются — неясно. Договоримся сразу: аналитик рекрутинга — не тот, кто считает всю HR-аналитику подряд (вовлечённость, текучесть, ФОТ, оценку). Он управляет экономикой и скоростью подбора и держит под контролем четыре вещи: воронку найма, стоимость кандидата (cost per hire), сроки закрытия вакансии (time to hire) и эффективность источников. А саму профессию собирают из аналитики данных, знания процесса подбора и работы с выгрузками ATS — не из одного курса с обещанием «войти за месяц».

Чем занимается аналитик рекрутинга 

Если коротко: аналитик рекрутинга смотрит на найм как на поток. Где бы подбор ни шёл — in-house, в агентстве, на массовых позициях или в IT, — вопросы одни: сколько кандидатов вошло, где отвалились, во сколько обошёлся вышедший сотрудник, как долго закрывалась вакансия. И оценивают его по деньгам и срокам — снизился ли cost per hire и time to hire без потери качества, — а не по стопке собранных отчётов. 

Задачи и рабочий цикл 

Рабочий цикл у аналитика замкнутый и повторяется от вакансии к вакансии:

выгрузил данные из ATS → собрал воронку по этапам → посчитал конверсии, CPH и time to hire → нашёл узкое место (где теряются кандидаты, где зависают вакансии) → выдвинул гипотезу → поменял что-то одно (канал, этап, формулировку вакансии) → проверил результат на новой когорте вакансий.

Из этого цикла вырастают типовые задачи: построить воронку подбора по отделам и позициям, посчитать конверсию каждого перехода (отклик → скрининг → интервью → оффер → выход), свести стоимость найма по каналам, измерить срок закрытия, найти «узкое горло» — например, низкую конверсию перехода оффер → выход, — поставить рекрутёрам и HR ТЗ на аккуратное заполнение статусов в ATS и собрать дашборд для руководителя найма.

Смысл всей этой работы — в бизнес-результате, а не в отчёте ради отчёта: сокращается time to hire, падает CPH, компания отказывается от дорогих каналов, растёт доля принятых офферов. И держится это на связке с людьми — рекрутёрами, нанимающими менеджерами, HRBP и финансами, которые и дают аналитику исходные цифры.

Отличие от HR-аналитика, рекрутера и data-аналитика 

Проще всего развести эти роли по одному вопросу: чем каждая из них управляет.

Аналитик рекрутинга отвечает за воронку найма, стоимость и скорость закрытия вакансий, эффективность каналов — и на этом его периметр заканчивается. HR-аналитик в широком смысле смотрит на весь жизненный цикл сотрудника: текучесть, вовлечённость, ФОТ, оценку, обучение — найм для него лишь один из сюжетов. Рекрутёр живёт внутри самого процесса: ищет, общается, ведёт кандидатов — то есть создаёт данные, но не сводит их в аналитику. А data-аналитик умеет собрать выгрузку и дашборд по любому домену, только без погружения в то, как именно устроен подбор, — и там, где нужно отличить «отмену вакансии» от «закрытия наймом», универсальность подводит.

На практике в небольшой компании всё это совмещает один человек, и границы размываются. Но и профессия, и курсы, о которых мы говорим ниже, держат фокус узко: воронка, CPH, time to hire, каналы — а не вовлечённость и оценка персонала.

Воронка найма: где считаются кандидаты 

Воронка — это центральный инструмент профессии, и вот почему: без неё нельзя сказать, где именно найм ломается. Есть только «мало берём» без адреса проблемы. Но у воронки коварное свойство: одна и та же вакансия при разных определениях этапов даёт разные числа — что считать «скринингом», где проходит граница «интервью». Поэтому этапы и правила перехода описывают заранее и одинаково для всех вакансий, иначе цифры между отделами просто не сойдутся. 

Этапы воронки и конверсии переходов 

Типовая воронка раскладывается по этапам: показ/охват вакансии → отклики → прошли скрининг → дошли до интервью → получили оффер → приняли оффер → вышли на работу (и, если нужно, прошли испытательный срок).

Методика простая: конверсия перехода = число кандидатов на следующем этапе / число на предыдущем, за фиксированный период и по когорте однотипных вакансий. И тут легко подменить одно другим: конверсия отдельного шага и сквозная конверсия «отклик → выход» — это два разных числа. Посмотрим на условном примере, как это работает:

Что видно сразу: сильнее всего воронка сужается в середине — на переходах скрининг → интервью (27%) и интервью → оффер (20%). Значит, чинить надо не верх (откликов и так 500), а качество скрининга и то, как идут интервью. Узкое горло здесь, а не в количестве входящих — и без разложения по шагам его не поймать.

Одна оговорка, без которой пример превращается в ловушку: конверсии разных периодов нельзя сравнивать без поправки на сезонность и тип вакансии. Массовый и точечный подбор дают несопоставимые воронки — складывать их в одну нельзя, нужна когорта однородных вакансий. И отдельно стоит держать offer acceptance rate — долю принятых офферов: это ключевая метрика качества воронки, которая показывает, не теряете ли вы кандидата уже на финише.

Стоимость и сроки найма 

Знать, что такое CPH и time to hire, — половина дела, и половина бесполезная. Вся соль в методике: включили в затраты только рекламу или ещё и ФОТ рекрутёров, считаем срок от публикации вакансии или от первого отклика — и число меняется в разы. Поэтому хороший аналитик первым делом фиксирует четыре вещи: период, когорту вакансий, источник данных и определение метрики. Без этого цифры между отделами и месяцами просто несопоставимы — сравниваете тёплое с мягким. 

Cost per hire: что входит и как считать 

Формула обманчиво простая:

CPH = (внешние затраты + внутренние затраты) / число закрытых вакансий за период.

Вся сложность — в числителе. Внешние затраты: платные размещения на job-бордах, доступы к базам резюме, комиссии агентств (обычно 10–20% годового оклада), реферальные бонусы, реклама вакансий. Внутренние: доля ФОТ рекрутёров и нанимающих менеджеров за потраченное на подбор время, плюс стоимость ATS и инструментов. 

Здесь и совершают главную ошибку — считают CPH по одному рекламному бюджету job-борда. Так число занижается в разы: самая дорогая часть найма, зарплаты занятых им людей, выпадает из расчёта. Показательно, что в типовом квартальном бюджете подбора зарплаты рекрутёров легко составляют львиную долю — порядка 600 000 ₽ против 200 000 ₽ на рекламу и 100 000 ₽ на агентские услуги. 

Дальше аналитик считает CPH раздельно по каналам — и делает вывод, какой источник дорогой на выходе. По разбору одного кейса, реклама на HeadHunter дала CPH около 60 000 ₽, а реферальная программа — около 20 000 ₽: рекомендации вышли примерно втрое дешевле. 

И оговорка, без которой вывод хрупкий. Если CPH упал сразу после смены канала, не спешите записывать это в заслугу: падение могло совпасть с общим спадом спроса на рынке труда — рыночный фон легко принять за эффект оптимизации. Спасает то же, что и в воронке: когорты однородных вакансий и поправка на сезон.

Time to hire, time to fill и «зависшие» вакансии 

Сначала разведём две метрики, которые постоянно путают:

• Time to hire — срок от первого контакта с кандидатом (или отклика) до принятия оффера; это про работу внутри воронки, с конкретным человеком.

• Time to fill — срок от открытия/публикации вакансии до выхода сотрудника; это про весь процесс целиком.

Дисциплина расчёта та же, что и с CPH: по закрытым вакансиям за период, по когорте однородных позиций и — важная деталь — по медиане, а не среднему. Один затянувшийся на полгода наём раздувает среднее так, что оно перестаёт что-либо описывать. И считать лучше в рабочих днях, иначе майские с Новым годом искусственно удлиняют картину.

Рыночные ориентиры (РФ, 2026): массовые позиции закрываются за 14–25 дней, линейные специалисты — за 30–45, IT-специалисты — за 40–60; в среднем по рынку TTF держится на 30–45 днях, а с ИИ-автоматизацией сокращается до 7–15. 

Самое интересное — разложить срок по этапам. Показательный расклад: у вакансии time to fill 45 дней, а time to hire — всего 12; значит, первые 33 дня ушли не на работу с кандидатом, а на то, чтобы его вообще найти — проблема в источниках и верхе воронки, а не в скорости прохождения этапов. Поменяйте числа местами — большой TTH при коротком поиске — и вывод развернётся: вакансия «зависает» уже внутри, между интервью и оффером, чаще всего из-за долгих согласований у нанимающего менеджера.

Визуализация разделяет время поиска кандидата и время его прохождения по этапам отбора. Она помогает понять, находится ли проблема в источниках кандидатов или внутри самой воронки.

Оговорка прежняя: медиану сроков нельзя сравнивать между массовым и точечным подбором, а всплеск может оказаться сезонным (лето, январь) — снова нужна когорта и поправка на тип вакансии.

Эффективность каналов привлечения 

Аналитик сравнивает источники кандидатов (source of hire): job-борды, реферальную программу, карьерный сайт, соцсети и Telegram-каналы, кадровые агентства, внутренние переводы. Но сравнивать их по одной лишь цене — ловушка. Честное сравнение сводит по каждому каналу три числа: стоимость (CPH по каналу), скорость (вклад в time to hire) и качество (quality of hire — долю прошедших испытательный срок или оставшихся через N месяцев).

Почему все три сразу — показывает условный пример:

Канал Б дешевле всех на входе, но и держит людей хуже всех. Пересчитаем CPH на удержавшегося сотрудника: у А — 20 000 / 0,6 ≈ 33 000 ₽, у Б — 12 000 / 0,3 ≈ 40 000 ₽. Дешёвый по прямому CPH канал оказался дороже на выходе, а самый дорогой по цене входа канал В — лучший по удержанию. Отсюда вывод, который аналитик несёт руководителю: резать надо не самый дорогой по CPH источник, а самый дорогой в пересчёте на оставшегося.

Отдельная тонкость — атрибуция. Канал засчитывают по источнику, откуда реально пришёл вышедший кандидат, а не по первому касанию. Классическая подмена: человек формально откликнулся с job-борда, но на деле пришёл по рекомендации коллеги — атрибуция «last-source» запишет заслугу не тому каналу, и вывод поедет.

И контрольная оговорка: рост качества найма после смены канала может объясняться не каналом, а параллельно подтянутым скринингом. Без когорты и фиксации прочих изменений легко похвалить не ту причину.

Тим Зинин, управляющий партнёр компании „Зинин, Штурбин и партнёры“: “Воронка найма легко считает то, что видно системе: сколько заявок пришло, сколько дошло до собеседования и сколько получило оффер. Цифра стоимости кандидата по каналу выглядит точной ровно настолько, насколько аккуратно рекрутеры вели записи на каждом этапе — один переносит статус в тот же день, другой откладывает на неделю, третий забывает вовсе, и отчёт по каналам начинает жить собственной жизнью. Самое дорогое решение о найме при этом остаётся за пределами воронки. Кандидат прошёл все этапы, вышел на работу, через три месяца уволился — это событие оседает где-то в кадровом учёте, а связь с конкретным каналом и конкретным собеседованием к этому моменту уже потеряна. Воронка исправно считает движение заявок и молчит о том, насколько верным оказалось само решение. Аналитик рекрутинга восстанавливает эту связь вручную: сверяет цифру в отчёте с тем, что реально произошло с человеком после найма.” 

Данные, ATS и инструменты 

Почти все данные найма живут в одном месте — в ATS (applicant tracking system, система учёта кандидатов). И качество аналитики упирается не в формулы, а в приземлённое: насколько аккуратно рекрутёры проставляют статусы кандидатов. Пустой или заполненный задним числом этап — и воронка врёт. Новичку не нужно быть разработчиком, но нужно уметь выгрузить данные, проверить их на полноту и собрать воронку самому, а не ждать готового дашборда. 

Модель данных найма и типичные ошибки 

Минимальная модель данных найма — это несколько связанных сущностей: кандидат, вакансия, отдел, источник/канал, дата отклика, статусы этапов с датами, причина отказа, дата оффера, дата выхода, отметка о прохождении испытательного срока и затраты по каналу. Есть эти поля и они заполнены — воронку, CPH и сроки соберёте. Нет хотя бы дат по статусам — и считать нечего.

Иллюстрация показывает совместную работу рекрутера и аналитика с данными из ATS. Точность отчётов зависит от своевременного обновления статусов и качества исходных данных.

Живёт всё это в ATS (Хантфлоу, Talantix, Potok, FriendWork), связанной с job-бордами и реферальной программой, а наружу выгружается в Excel или BI. И вот где процесс чаще всего ломается:

• статусы в ATS проставлены задним числом или пропущены — даты этапов врут, а с ними и сроки;
• воронки массового и точечного подбора свалены в одну — средние бессмысленны;
• CPH считают по бюджету job-борда — без ФОТ и агентских;
• time to hire меряют средним, а не медианой;
• source of hire атрибутируют по первому касанию;
• вакансии, закрытые «отменой», учитывают как закрытые наймом;
• нет когорты — сравнивают несопоставимые периоды.

Обратите внимание: почти все эти ошибки — не про математику, а про дисциплину заполнения. Поэтому часть работы аналитика — поставить рекрутёрам понятные правила статусов, а не героически чистить хаос постфактум.

Скриншот аналитического дашборда ATS Talantix. Показывает читателю, как описанные в статье метрики выглядят не в учебной таблице, а в рабочей системе. 

И правовой минимум, без превращения раздела в юридическую консультацию: на обработку персональных данных кандидата нужно согласие, у хранения резюме должны быть цель и срок, а в учебных проектах данные обезличивают. Мелочь, о которой вспоминают уже на собеседовании.

Excel, SQL и BI поверх ATS 

Инструменты аналитика найма выстраиваются в три уровня — и начинать можно с самого доступного.

• Excel закрывает больше, чем кажется на старте: сводные таблицы по этапам воронки, расчёт конверсий и CPH, очистка выгрузки, медиана сроков, базовый когортный разрез по месяцам открытия вакансии. На малых объёмах этого хватает для полноценного отчёта.
• SQL нужен, когда данных много и они лежат в базе: выборки кандидатов и вакансий, JOIN статусов с источниками, группировки по каналам и отделам, оконные функции для расчёта интервалов между этапами. Это переход от «выгрузил и посчитал руками» к «запросил ровно то, что нужно».
• BI (Power BI, Yandex DataLens, Superset) превращает разовый отчёт в живой дашборд: воронка, CPH и time to hire по каналам и отделам, обновляемые из выгрузки ATS. Руководитель найма смотрит не в таблицу, а в картину.

Отдельно и поверх всего — когортный анализ вакансий и корректное сравнение периодов. Это не «продвинутый уровень для избранных», а обязательный метод: без когорт любой из трёх инструментов честно посчитает несопоставимые числа. А Python стоит держать в уме как преимущество — для автоматизации выгрузок и больших массивов, — но не как требование к первой работе. На старте им можно смело пренебречь.

Схема показывает путь данных от ATS через очистку и расчёты в Excel или SQL к BI-дашборду. Инструменты здесь не заменяют друг друга, а образуют последовательный аналитический процесс.

Какие курсы помогают освоить профессию 

Скажем честно: один курс редко закрывает всё сразу — и аналитику данных, и SQL/BI, и процесс подбора, и работу с ATS. Это четыре разных навыка, и живут они обычно в разных программах. Поэтому траекторию собирают по пробелам: смотрят, чего не хватает лично вам, и добирают именно это — а не покупают курс по красивому названию и не верят обещанию «профессия за месяц». 

Какие виды курсов выбрать 

Программы, которые ведут в профессию, распадаются на четыре типа — и каждый закрывает свой кусок:

• HR-аналитика с фокусом на подбор — воронка, CPH, time to hire, метрики найма. Ядро профессии.
• Общая аналитика данных / продуктовая аналитика — когорты, конверсии, дашборды. Прямо переносится на найм: воронка подбора устроена так же, как продуктовая.
• Excel / SQL / BI — техника самостоятельной работы с выгрузками.
• Рекрутинг / подбор персонала — понимание процесса, без которого данные просто не читаются: непонятно, что означает статус и почему кандидат отвалился.

Дальше всё зависит от того, откуда вы идёте. Отсюда — три маршрута:

• Рекрутёру — процесс вы уже знаете, добираете аналитику данных и SQL/BI поверх знакомого.
• Аналитику из другого домена — цифры считать умеете, добираете процесс подбора и метрики найма.
• Без опыта — база аналитики + основы рекрутинга + портфельный проект на данных найма, чтобы связать одно с другим.

Логика простая: не «пройти курс», а закрыть недостающую сторону треугольника «данные — процесс — инструменты».

Как проверить программу курса 

Курс проверяют не по обложке и не по числу модулей, а по тому, чему он реально учит на данных найма. Хорошая программа должна содержать:

• построение воронки найма по этапам;
• расчёт CPH с полным составом затрат — внешних и внутренних, а не только рекламы;
• расчёт time to hire / time to fill по когорте, с медианой;
• сравнение каналов по стоимости, скорости и качеству;
• работу с реальной или приближенной выгрузкой ATS;
• Excel или SQL на практике;
• сборку BI-дашборда рекрутинга;
• итоговый проект на данных найма — от выгрузки до вывода;
• обратную связь по вашим расчётам, а не просто «зачёт»;
• блок про качество данных и атрибуцию источника;
• преподавателей с реальным опытом в подборе или HR-аналитике.

Ключевое различие, которое стоит проверить: одно дело — посмотреть готовый дашборд на лекции, совсем другое — собрать его самому от выгрузки до презентации. Учит только второе. Сертификат и известность школы — приятные, но второстепенные критерии; они не заменяют практики.

А вот красные флаги, при которых курс лучше закрыть:

• только теория, без формул и живых данных;
• CPH сведён к «бюджет / число нанятых» без разбора затрат;
• time to hire считается только средним;
• обещана гарантированная работа после выпуска;
• примеры взяты из общего HR (вовлечённость, оценка), а воронки и денег найма нет;
• домашние задания никто не проверяет;
• вся «аналитика найма» — один слайд с перечнем метрик.

Простой тест напоследок: если после курса вы не сможете на выгрузке показать, где найм теряет деньги и время, — это был курс про метрики, а не про профессию.

Как перейти в профессию 

«Без опыта в найме не возьмут» — возражение честное, но не приговор. Его частично снимает воспроизводимый кейс: выгрузка (пусть даже синтетическая), заранее описанные определения этапов и метрик, посчитанная воронка, CPH и сроки, найденное узкое место — и честно названные ограничения расчёта. Такой проект показывает не диплом, а способ мышления. Только не стоит обещать себе, что одного учебного кейса хватит на любую вакансию, — это первый аргумент, а не универсальный ключ. 

Проект для портфолио 

Сильнее всего в портфолио работает не набор разрозненных упражнений, а один сквозной кейс на данных найма — синтетических или обезличенных. Соберите датасет, в котором есть кандидаты, вакансии, отделы, источники/каналы, даты этапов, офферы, выходы, затраты по каналам и отметка о прохождении испытательного срока. Дальше — пройдите по нему весь маршрут аналитика:

• очистите выгрузку и проверьте полноту статусов;
• соберите воронку по этапам и посчитайте конверсии;
• вычислите CPH раздельно по каналам;
• измерьте time to hire / time to fill по медиане и когорте;
• сравните каналы по стоимости, скорости и quality of hire;
• найдите узкое место воронки;
• предложите решение — какой канал масштабировать, какой этап чинить;
• проговорите ограничения: атрибуция источника и сезонность.

Последний пункт — не формальность. Именно честно названные ограничения отличают аналитика от человека, который «построил красивый график»: работодатель видит, что вы понимаете, где ваши же цифры могут врать.

На выходе должно получиться три артефакта: SQL-файл или Excel-модель воронки, BI-дашборд рекрутинга и презентация на 5–7 слайдов с одним внятным выводом — «где найм теряет деньги и время». И ещё раз про данные: только синтетические или обезличенные, чужие реальные резюме в портфолио не место.

План на 3–6 месяцев 

Путь удобно разложить по месяцам — от процесса к данным, от данных к портфолио и отклику:

• Месяц 1 — процесс подбора и метрики найма (воронка, CPH, time to hire) плюс Excel. Сначала понять, что вы вообще считаете, и только потом чем.
• Месяц 2 — SQL и модель данных найма, выгрузки из ATS. Учитесь доставать данные, а не ждать их.
• Месяц 3 — воронка и конверсии на реальных или синтетических данных, медиана сроков, когорты. Первые честные расчёты.
• Месяц 4 — CPH и эффективность каналов, атрибуция источника, quality of hire. Здесь появляется экономика.
• Месяц 5 — BI-дашборд и сборка портфолио. Разрозненное превращается в цельный кейс.
• Месяц 6 — резюме, тестовые задания, отклики.

Один практический совет для поиска: ищите не по одному названию, а по набору. Профессия прячется под разными вывесками — «аналитик рекрутинга», «аналитик по подбору персонала», «HR-аналитик» (с фильтром на найм), «recruitment analyst», «аналитик эффективности найма», «talent acquisition analyst», «аналитик отдела подбора».

И сразу фильтруйте соседние позиции. Под «HR-аналитиком» часто скрывается широкая роль — вовлечённость, оценка, обучение. Читайте обязанности: если про воронку, CPH и сроки там ни слова, а всё про опросы и текучесть, — это другая профессия, как бы похоже она ни называлась.

Заключение 

Аналитик рекрутинга нужен там, где найм считают как процесс с деньгами и сроками, а не как поток закрытых вакансий. И собирается эта профессия из аналитики и знания подбора — а не из одного курса с ярким названием.

Если свести статью к пяти мыслям:

• Профессия узкая по сути: воронка найма, cost per hire, time to hire и эффективность каналов — а не вся HR-аналитика.
• Метрики работают только с методикой: период, когорта вакансий, источник данных, определение этапа. Иначе цифры несопоставимы.
• Дешёвый по CPH канал бывает дорогим по quality of hire — источники сравнивают по стоимости, скорости и качеству вместе.
• Данные живут в ATS, и аналитика ровно настолько точна, насколько аккуратно заполнены статусы.
• Лучший курс — тот, после которого вы на выгрузке докажете, где найм теряет деньги и время, а не тот, где больше модулей.

Если вы только начинаете осваивать профессию аналитика рекрутинга, рекомендуем обратить внимание на подборку курсов по HR-аналитике и аналитике данных: важно, чтобы в программе была и теоретическая часть — метрики найма и методика расчёта, — и практическая, на реальных или приближенных выгрузках. Именно связка теории с практикой на данных найма и превращает набор терминов в рабочий навык.