People Analytics для малого бизнеса: как HR начинает считать текучесть, найм и обучение сотрудников

Увольнения идут волнами: то полгода тихо, то трое за месяц. Найм затягивается, а на вопрос собственника «почему у нас такая текучесть?» ответить нечем — ощущения есть, цифр нет. Знакомо? Тогда сразу договоримся, чем People Analytics не является: это не отдел из десяти дата-сайентистов и не HRM-платформа за миллион. Для компании на 15–80 человек это HR, который открыл Excel, свёл увольнения по когортам найма и перестал решать кадровые вопросы на глаз.

Считать здесь начинают с трёх-пяти метрик — текучесть, найм, обучение, — а не с предиктивных моделей на Python. А саму роль собирают из знакомой HR-практики и базовой аналитики: путь короче, чем кажется. Разберёмся, что и как считать первым.

Что такое People Analytics в малом бизнесе 

People Analytics — это работа с данными о людях (найм, увольнения, обучение) ради решений, а не ради отчёта для галочки. В компании на 15–80 человек — рознице, кафе, небольшом производстве, IT-студии, агентстве — это значит считать деньги и риски за кадровыми процессами: во сколько обходится текучесть, где буксует найм. И оценивают такую работу по принятым решениям, а не по числу собранных таблиц. 

Чем занимается HR, который считает 

Рабочий цикл укладывается в шесть шагов: собрать данные (найм, увольнения, табель, короткий опрос) → выбрать 3–5 метрик под вопрос собственника → посчитать (текучесть, cost per hire, time to fill) → найти узкое место → предложить решение → проверить его через квартал.

Типовые задачи: свести увольнения по отделам и стажу, посчитать стоимость закрытия вакансии, разложить раннюю текучесть по когортам найма, собрать eNPS коротким опросом, упаковать всё в дашборд для собственника. И мерят такую работу не количеством таблиц, а результатом: просела ранняя текучесть, ускорился найм, отвалился канал подбора, стабильно поставлявший «непроходящих» испыталку.

В рознице на 40 человек отток полгода списывали на «рынок», пока HR не свела увольнения по когортам найма: 8 из 12 ушедших пришли через один агрегатор вакансий и не дожили до трёх месяцев. Канал закрыли — ранняя текучесть упала вдвое.

Отдельной должности под это в малом бизнесе обычно нет. Чаще это те самые +20% к роли HR-менеджера или рекрутёра.

Отличие от рекрутера, HRBP и аналитика данных 

Проще всего развести эти роли по одному вопросу: чем человек управляет?

Рекрутёр управляет потоком кандидатов и закрытием вакансий — его результат в том, чтобы вакансия не висела. HRBP (HR бизнес-партнёр) держит связку HR и целей подразделения: люди, отношения, договорённости с руководителями. Аналитик данных управляет цифрами и дашбордами вообще — сегодня продажи, завтра логистика, кадровая специфика ему не родная. А People Analytics управляет именно цифрами и решениями о людях: метрики, когорты, гипотезы вроде «этот канал найма даёт ранние увольнения».

В малом бизнесе всё это нередко живёт в одном человеке — и это нормально, отдельная ставка под каждую роль тут роскошь. Но у профессии (и у курсов) есть чёткая граница: текучесть, найм, обучение, простые метрики. Сюда не входят расчёт зарплаты, кадровое делопроизводство (КЭДО, трудовые книжки) и общая аналитика продаж — это соседние ремёсла, которые только выглядят похоже.

Что считать в первую очередь 

Соблазн понятен: раз уж взялись, посчитать сразу всё — двадцать показателей из красивого чек-листа. На старте это тупик. Берут 3–5 метрик под один конкретный больной вопрос собственника. И у каждой метрики заранее фиксируют четыре вещи: период, когорту, определение и источник. Одна и та же «текучесть» при разных определениях даёт разные проценты — поэтому формула живёт не отдельно, а вместе с методикой.

Таблица. Три метрики старта

Текучесть: коэффициент, ранняя, по когортам найма 

Базовая формула проста: коэффициент текучести = уволившиеся за период ÷ среднесписочную численность × 100%. Но именно здесь чаще всего и врут. Обязательно фиксируем период (месяц, квартал, год — цифры несопоставимы) и не смешиваем добровольные уходы с сокращениями: это разные болезни, а в одной куче они лечатся наугад. 

Куда важнее общего процента — ранняя текучесть: уволившиеся в первые 3–12 месяцев ÷ нанятых за тот же период × 100%. Это главный маркёр проблем найма и адаптации: если люди уходят до того, как начали приносить пользу, дело не в «рынке», а в том, кого и как берут. И считать это надо не «в среднем по компании», а с разбивкой по отделам и когортам найма — то есть по тому, кого и в каком месяце нанимали.

Методика к метрике: период — год; когорта — месяц найма; источник — табель плюс приказы; определение — что именно считаем увольнением.

Когортный анализ показывает, что сотрудники июньского найма уходят значительно чаще остальных. Общий показатель текучести мог бы скрыть этот локальный провал.

Теперь в деньгах. Компания на 40 человек, 12 увольнений за год, среднесписочная — 40. Текучесть 30%. Само по себе число абстрактное — переведём в рубли через cost per hire: повторно закрыть 12 позиций по 45 000 ₽ — это 540 000 ₽ прямых затрат, не считая простоя вакансий и недополученной выручки. Внезапно «просто текучесть» превращается в статью расходов, которую видно.

Одна оговорка, без которой все выводы рассыпаются: сравнивать «стало лучше после наших мер» без разбивки по когортам или контрольной группы нельзя. Сезонность — весенний отток, новогодние увольнения — легко принять за эффект вмешательства и отчитаться о победе, которой не было.

В кофейне на 25 сотрудников общая текучесть выглядела «нормальной для общепита». Но когорты показали: люди июньского и июльского найма почти поголовно уходили к сентябрю. Проблема была не в людях, а в том, что летних новичков бросали без наставника в пик сезона.

Схема. Когорты найма и ранняя текучесть

Нанято по месяцам   →   дошли до 3 мес   →   до 6 мес   →   до 12 мес

Март:   5 чел.              5 (100%)           4 (80%)        4 (80%)

Июнь:   6 чел.              4 (67%)            2 (33%)        2 (33%)  ← провал

Сентябрь: 4 чел.           4 (100%)           4 (100%)       3 (75%)

Общий процент усреднил бы июньский провал в «норму». Когорты показывают, где именно рвётся. 

Найм: time to fill, cost per hire, воронка 

Две метрики здесь путают чаще всего. Time to fill — дни от открытия вакансии до принятого оффера (сколько позиция стоит пустой). Time to hire — от первого контакта с конкретным кандидатом до его выхода (насколько быстро мы обрабатываем человека). Первая говорит о скорости закрытия, вторая — о качестве процесса; смешаешь — и непонятно, что чинить.

Cost per hire считаем честно: (расходы на площадки + агентства + доля ФОТ рекрутёра + бонусы за рекомендации) ÷ число нанятых. Ключевое — внутренние затраты. Если в формулу кладут только бюджет на джоб-борды, «дешёвый» наём оказывается фикцией: время рекрутёра стоит денег, просто их не видно в счетах.

Возьмём те же 12 закрытых вакансий и 540 000 ₽ суммарных затрат — cost per hire выходит 45 000 ₽. Но средняя обманчива. Разложим по каналам — и картина переворачивается.

Собственник требовал «резать дорогой канал». Разбивка показала обратное: дешёвый агрегатор давал людей, которые массово не доживали до конца испытательного срока, и каждый удержанный сотрудник оттуда обходился дороже, чем с «дорогого» профильного канала.

Таблица. Два канала подбора в рублях

Канал A дешевле и быстрее на бумаге. Но с поправкой на ранние увольнения удержанный сотрудник из него дороже. Резать надо не по cost per hire, а по стоимости удержанного.

Канал A выглядит дешевле по стоимости найма, но после учёта испытательного срока удержанный сотрудник обходится дороже. Поэтому эффективность канала важно оценивать не только по первоначальным затратам.

Схема. Воронка найма 

Отклики   Скрининги   Интервью   Офферы   Выходы   Прошли испыталку

  300   →     90    →     40    →   15   →   12   →       5

         30%         44%         38%     80%        42%

Считаем конверсию между этапами, а не только «сколько наняли». Проседание видно сразу: узкое место — на переходе от выхода к пройденной испыталке. 

Обучение и адаптация: испытательный срок, ROI обучения 

Найм и текучесть смыкаются на одной метрике — проценте прохождения испытательного срока: прошедшие ÷ нанятых × 100%. Она честно показывает, где рвётся связка «качество найма ↔ адаптация». Рядом идёт retention новичков — сколько людей дошло до 6 и 12 месяцев: если до полугода добирается половина, дело не в отдельных сотрудниках, а в том, как их встречают.

С ROI обучения сложнее, и тут стоит быть честным. Формула красивая: (эффект в деньгах − затраты на обучение) ÷ затраты × 100%. Проблема в числителе. В малом бизнесе чистый денежный эффект посчитать трудно, поэтому его меряют косвенно — скорость выхода на норму, снижение брака, рост выручки на сотрудника. Это оценка, а не бухгалтерская величина, и подавать её как точную цифру — значит обманывать себя.

Методика: период; когорта (месяц найма или старта обучения); источник (оценка руководителя, план продаж).

Пример в рублях. Обучение продавца — 20 000 ₽. После тренинга его личная выручка выросла на 30 000 ₽/мес. Соблазн отчитаться о ROI велик — но без контрольной группы вывод не стоит ничего. Сравните обученного с необученными за тот же сезон: если у всех выручка подросла на четверть, вы только что приписали тренингу обычный сезонный спрос.

Руководители сейлз-команд и аутсорс-агентств (например, UP business): «Разбираться в причинах ухода стажеров на испытательном периоде я не вижу особого смысла... Если мотивации нет вообще, то она не появится, лучше взять на работу замотивированного сотрудника».

В чём считать: Excel и простые дашборды 

Здесь обычно и включается корпоративный страх: «нам не потянуть HRM-систему и BI-платформу». Хорошая новость — они и не нужны, чтобы начать. Хватит Excel или Google Таблиц. Инструмент вообще вторичен: сначала правильно определённая метрика и чистые данные, и только потом визуализация. А дашборд на старте — это лист со сводными таблицами и парой графиков, а не интерактивная панель за отдельный бюджет. 

Excel, сводные и первый дашборд 

Уровень Excel нужен рабочий, а не олимпиадный. Конкретно на старте пригодятся: аккуратная таблица-реестр сотрудников и найма (одна строка — одно событие, единый формат дат); формулы СЧЁТЕСЛИ и СУММЕСЛИ для подсчётов по условию, ВПР / ПРОСМОТРX для подтягивания данных между листами, функции работы с датами для расчёта стажа; сводные таблицы, чтобы разложить текучесть по отделам и когортам одним движением; и простые графики — динамика текучести по месяцам, воронка найма.

Из этого собирается дашборд для собственника — на одном листе, без прокрутки: 4–6 плиток с ключевыми цифрами и 2–3 графика. Не «панель управления», а лист, на который человек смотрит десять секунд и понимает, где горит.

Макет. Дашборд для собственника на одном листе

┌──────────────┬──────────────┬──────────────┐

│ Текучесть    │ Ранняя тек.  │ Cost per hire│

│    30% ▲     │    18% ▲     │   45 000 ₽   │

├──────────────┼──────────────┼──────────────┤

│ Time to fill │ % испыталки  │ eNPS         │

│   16 дней    │    58%       │    +12       │

├──────────────┴──────────────┴──────────────┤

│  [График: текучесть по месяцам]             │

│  [График: воронка найма]                    │

└─────────────────────────────────────────────┘

*eNPS = % промоутеров (оценки 9-10) минус % критиков (оценки 0-6). 

Power BI и Google Looker Studio — это следующий шаг: автоматизация и панели, которые обновляются сами. Полезно, но не требование к старту. Python и SQL пригодятся на больших выгрузках, где Excel начинает тормозить, — это преимущество HR-специалиста, а не пропуск на вход. 

Данные о людях: что собирать и почему цифры врут 

Прежде чем что-то считать, нужна минимальная модель данных — четыре простые таблицы, связанные по ID сотрудника:

• сотрудник: ID, отдел, должность, дата найма, дата увольнения, причина;
• найм: вакансия, канал, дата открытия / оффера / выхода, затраты;
• обучение: программа, дата, стоимость;
• опрос: дата, оценка eNPS.

Брать это неоткуда экзотического: 1С:ЗУП или обычный табель, ATS или таблица откликов, приказы, короткие опросы через форму. Ничего, чего в компании ещё нет.

А теперь — почему цифры врут, даже когда данные вроде бы есть. Типичные грабли:

• текучесть считают «в среднем по компании», не разбивая по отделам и когортам, — и провал в одном подразделении растворяется в общей норме;
• в cost per hire кладут только бюджет на джоб-борды, забывая ФОТ рекрутёра, — и дорогой наём выглядит дешёвым;
• причину увольнения не фиксируют или пишут «по собственному» всем подряд — и анализировать становится нечего;
• сравнивают периоды без поправки на сезонность — и сезонный отток выдают за результат мер;
• дубли и опечатки в ФИО ломают подсчёт численности — «Иванов И.» и «Иванов Иван» превращаются в двух человек;
• eNPS с тремя ответами подают как мнение коллектива.

И правовой минимум, коротко и по делу. Персональные данные сотрудников — не материал для вольного обращения. Работайте с обезличенными выгрузками (ID вместо ФИО), не выкладывайте реальные кадровые данные в портфолио и держите в голове согласие и цель обработки. Это не повод звать юриста на каждый чих, но и не то, что стоит игнорировать.

Даже корректно построенный график может привести к неверным решениям, если исходные данные неполные или плохо структурированы. Сезонность, дубли, малые выборки и смешение когорт особенно часто искажают HR-метрики.

Какие курсы помогают войти в HR-аналитику 

Честный ответ: одного курса, который разом закрыл бы HR-метрики, Excel с BI, работу с данными и портфолио, почти не бывает. Поэтому траекторию выбирают не по названию, а по своим пробелам. HR со стажем добирает аналитику и Excel — а не «профессию с нуля», которая у него частью уже есть. Человек из аналитики, наоборот, добирает HR-контекст. А обещание «новой профессии за месяц» — не критерий выбора, а повод насторожиться. 

Какие виды курсов выбрать 

На рынке всё сводится к четырём типам программ, и у каждого своя дырка в покрытии:

• узкий курс HR-аналитики / People Analytics — метрики, дашборды, кейсы подбора и текучести; бьёт точно в тему, но обычно предполагает, что Excel вы уже знаете;
• общая аналитика данных — Excel, SQL, BI, статистика, но без HR-специфики; даёт инструмент, а прикладывать его к кадровым процессам придётся самому;
• курсы Excel / Power BI — инструмент и визуализация в чистом виде; полезно как фундамент, но метрики и методику здесь не преподают;
• курсы HR-менеджмента с блоком аналитики — процессы плюс базовые метрики; хороши для входа в HR вообще, но аналитическая часть часто поверхностная.

Отсюда — три рабочих маршрута под разный старт:

• действующему HR или рекрутёру — курс HR-аналитики плюс прокачка Excel/BI; предметку вы знаете, добираете счёт;
• человеку из аналитики — короткий курс HR-метрик плюс практика на кадровых данных; инструмент есть, нужен контекст;
• с нуля — базовая аналитика (Excel) → курс HR-аналитики → портфельный проект; дольше, но без провалов в основании.

При выборе конкретной программы стоит сравнить 4–6 реально доступных курсов и брать в рассмотрение только те, у кого открыта актуальная страница с программой, длительностью, форматом и практикой на данных. Цены и даты — обязательно проверять перед стартом: они меняются чаще, чем обновляются обзоры.

Как проверить программу курса 

Хороший курс виден не по обложке, а по программе. Пройдитесь по ней с конкретным списком — что там должно быть.

Чек-лист. Что должно быть в программе

Ключевое различие, которое стоит выпытывать у менеджера: студенты сами собирают дашборд на данных — или им показывают готовый на слайде? Это разница между навыком и экскурсией. Сертификат и известность школы — приятные бонусы, но не главные критерии; работодателя интересует, что вы умеете, а не чей логотип на дипломе.

Красные флаги

Последний пункт — самый показательный. Если курс продаёт магию предсказаний вместо дисциплины расчёта, вас учат не профессии, а презентации о ней.

Как HR перейти в аналитику 

«Я гуманитарий, у меня нет матанализа» — главное возражение, и оно почти всегда лишнее. Вход в People Analytics из HR короче, чем кажется: предметную область вы уже знаете, добрать нужно Excel и дисциплину расчёта, а не высшую математику. Опыт частично заменяет один воспроизводимый кейс — данные, определения метрик, расчёты, вывод и честно названные ограничения. Только не ждите, что одного учебного проекта хватит на любую вакансию: он открывает дверь, а не гарантирует место. 

Проект для портфолио 

Сильное портфолио здесь — это не пять разрозненных графиков, а один сквозной кейс на обезличенных данных небольшой компании (реальных с вырезанными ФИО или синтетических). В наборе: сотрудники с датами найма/увольнения и причинами, вакансии с каналами и затратами, отметки о прохождении испытательного срока, короткий опрос eNPS. По сути — та самая минимальная модель данных из раздела про сбор.

Чек-лист. Проект для портфолио

Именно последний пункт отличает аналитика от человека, который покрасил ячейки. Вывод «канал А убыточен, но выборка — 8 человек за квартал, нужен ещё период» ценится выше уверенного, но голословного.

Итоговые артефакты: Excel-файл с моделью и сводными, дашборд (Excel / Power BI / Looker Studio) и презентация на 5–7 слайдов. Данные — только обезличенные или синтетические, без исключений.

План на 3–6 месяцев 

Путь удобно разложить помесячно — не как жёсткое расписание, а как ориентир:

• месяц 1 — базовые HR-метрики и Excel: реестр, формулы, первые сводные;
• месяц 2 — текучесть по когортам и отделам, чистка данных;
• месяц 3 — метрики найма: time to fill, cost per hire, воронка;
• месяц 4 — обучение и адаптация, eNPS, первый дашборд;
• месяц 5 — портфельный проект и визуализация (Power BI / Looker Studio — по желанию);
• месяц 6 — резюме, тестовые задания, отклики.

Искать вакансии по одному названию — ошибка: роль прячется под разными вывесками. Держите в поиске набор — «HR-аналитик», «специалист по People Analytics», «аналитик по персоналу», «HR data analyst», «специалист по HR-отчётности», «аналитик отдела подбора». Для малого бизнеса чаще попадётся «HR-менеджер / HR-generalist с задачами аналитики». И фильтруйте соседние вакансии по обязанностям, а не по заголовку: под одинаковым названием может скрываться как ваша роль, так и чистое кадровое делопроизводство.

Дорожная карта разбивает переход в HR-аналитику на шесть последовательных этапов. Она помогает увидеть, как от базовых метрик и Excel перейти к портфельному проекту и поиску работы.

Зарплатный ориентир — по смежным ролям (HR-аналитик / аналитик данных), надёжных отдельных данных по junior People Analytics мало. Junior / старт (регион, удалёнка) — ориентировочно 60 000–100 000 ₽; middle с реальными кейсами — 120 000–180 000 ₽. В малом бизнесе задача чаще идёт надбавкой к роли HR-менеджера, а не отдельной ставкой. 

Заключение 

People Analytics в малом бизнесе начинается не с платформы и не с дата-сайенса, а с Excel и трёх честно посчитанных метрик. Роль собирают из знакомой HR-практики и базовой аналитики — и это ближе, чем кажется на старте.

• People Analytics — это решения о людях на цифрах, а не отчёт для галочки; начинают с 3–5 метрик под больной вопрос собственника, а не с двадцати показателей из чек-листа.
• Текучесть, найм и обучение считают вместе с методикой — период, когорта, источник, определение; «текучесть в среднем» без разбивки не показывает проблему, а прячет её.
• Инструмент вторичен: Excel и простой дашборд закрывают старт, Power BI и Python подключают потом и по желанию.
• Цифры врут чаще, чем кажется: сезонность, дубли в ФИО, cost per hire без ФОТ рекрутёра — проверять данные важнее, чем строить красивый график.
• Вход из HR короче, чем кажется: предметка уже знакома, добрать нужно Excel и дисциплину расчёта, а не матанализ.

Если вы только начинаете осваивать профессию HR, рекомендуем обратить внимание на подборку курсов по HR-аналитике и аналитике данных: там разбирают и теорию — метрики, методику расчёта, — и практику на кадровых данных, с проектом, который не стыдно положить в портфолио. Это как раз тот случай, когда быстрее собрать навык под присмотром, чем нащупывать его в одиночку по обрывкам статей.