Считаем метрики подбора
в Power BI

В статье опубликован пример дашборда с метриками для подбора. Дашборд Power BI кликабельный – можно самим оценить, насколько он применим для той задачи, которую я опишу ниже. В конце статьи ссылка на видео – я снимала экран своего ноутбука, когда создавала этот дашборд. Я попробовала такой вариант «передачи опыта и знаний» другим заинтересованным лицам.
Описание всех моих действий в тексте статьи идея, может, и здравая, но приведет к огромному количеству слов и формул. Но кто будет читать формулы, кроме меня и еще нескольких таких же нездоровых людей? Поэтому я просто сняла ролик, доступный по ссылке в конце статьи. Любопытные увидят, что Power BI совсем не страшный. Не то, что музыка, которую я выбрала в качестве сопровождения. Как нажать на паузу, чтобы при необходимости рассмотреть формулы, уверена вы знаете.

Есть несколько обязательных шагов, которые надо сделать до момента физического создания дашборда. Попробую их коротко описать. Без ясного понимания целей, для которых будет использоваться будущий дашборд, к его созданию лучше не приступать. Бессмысленно потратите время - и свое, и ваших коллег, которые попросили вас проделать эту работу.

Почему? Попробую объяснить дальше.

Для своего примера я придумала эти цели сама. Я уже не сотрудник ин-хаус, и в статье не могу использовать опыт конкретной компании. В моем учебном примере я взяла три роли - HR-аналитик, рекрутер и руководитель рекрутера. У каждой роли свои задачи и свои проблемы. Требуется предложить работающий инструмент для решения этих задач на регулярной основе. Такой инструмент, которым будут пользоваться постоянно, а не раз в квартал только ради вставки цветных картинок в презентацию руководству.

Какова роль аналитиков, а какова роль HR в создании подобного решения? Насколько глубоко моему виртуальному аналитику надо погрузиться в задачи рекрутеров, а моим виртуальным рекрутерам и их руководителю изучить аналитику? Где эта волшебная грань?

Слово «аналитика» у всех на слуху, но если задуматься, что за этим стоит? А что означает «правильная» обработка данных? Действительно ли это только отсутствие ошибок в расчетах, правильный выбор алгоритмов или есть что-то еще, стоящее вне математики?

Мне нравится вот такой вариант ответа на вышестоящие вопросы. Для начала посмотрите на два рисунка ниже:

На обеих картинках одинаковые слова. Чтобы понять смысл первой картинки, нужны усилия – как минимум, головой покрутить. Но стоит расставить слова в нужном порядке, и смысл этих слов становится очевидным для всех.

Работа аналитика – это и есть упорядочивание наших данных таким образом, чтобы смысл, скрытый в них, становился понятным всем. И для того, чтобы упорядочивать такие данные, надо действительно знать математическую статистику, изучать науку о данных, владеть BI-инструментами. Без этого никак, без этого мы будем смотреть на наши данные, как на рисунок №1.

Работа HR – находить лучших кандидатов, создавать условия для развития и продвижения, мотивировать и вовлекать. Надо HR-у самостоятельно приводить данные в «читабельный» для остальных формат? Если вдруг надо, то вперед, в глубины Data Science. Если не надо, то зачем тратить свои ресурсы?

Возвращаюсь к своей задаче. После прочтения предыдущего абзаца кому-то может показаться, что весь груз ответственности по переводу данных в «понятный» формат полностью ляжет на моего HR-аналитика. А мои виртуальные рекрутеры со своим руководителем будут спокойно ждать, когда им на блюдечко инсайты начнут падать. Не совсем так. Мои виртуальные заказчики должны максимально корректно, и в полном объеме передать аналитику, какие задачи они должны решать с помощью нового инструмента. Под этим я имею в виду не описание типов графиков, которые должны появиться на дашборде, а именно их задачи. От полноты этого описания будет зависеть то, что в итоге получится. Зачем?
На одних и тех же данных можно реализовать множество различных решений на любой вкус и цвет. И все эти решения будут верными. Но посыл в итоге будет разный! Что я имею в виду? Снова две картинки, снова одинаковый набор слов для построения фраз. Но сравните смысл обеих фраз:

Именно такая ситуация складывается, когда аналитик не знает или не понял ваши задачи при расчете метрик. В результате, конечно, появятся красивые интерактивные дашборды, презентации и прочие продукты жизнедеятельности аналитика, но практической пользы от них, скорее всего, будет мало. Поэтому важно объяснить задачу и убедиться, что вас правильно поняли.

Следующий рекомендуемый шаг - всегда проводить проверочное упражнение на жизнеспособность будущего инструмента. Что это за упражнение? Смоделируйте в голове ситуацию – что вы будете делать (писать, звонить, бежать), когда в вашем новом дашборде Power BI вы увидите изменение выведенных туда метрик? Если не придумали такое действие, то может и не надо эти метрики в дашборд включать? Вам быстро надоест просто его открывать и смотреть на цифры, даже если они быстро меняются. Бесконечно можно смотреть только на три вещи, но увы, фигово спроектированный дашборд в этот список не попал.

А вот теперь последний этап квеста «как построить дашборд в Power BI». Если в ходе предыдущего диалога выяснится, что на дашборде никак не обойтись без таких монстриков, как медиана, доверительные интервалы и прочие новые для некоторых людей создания, то этим людям придется разобраться, что это такое. Как правильно их «читать» и превращать в действие. Это за вас аналитик не сделает. И никто не сделает.

С теоретическим описанием подхода я закончила и возвращаюсь к своей задачке про рекрутеров и аналитика. Итак, мои виртуальные рекрутеры рассказали аналитику, какие задачи им надо решать каждый день. Они дружно начали с официальных формулировок:
- нам нужна оперативная информация о вакансиях в работе,
- статусах подбора по каждой из них,
- наличии или отсутствии обратной связи от кандидатов и заказчиков,
- их удовлетворенности процессом и его результатом.

Руководитель подбора добавил свою часть истории:
- хочу видеть конверсию,
- основные метрики по всем моим подчиненным, чтобы вовремя подключаться и помогать отдельным членам команды лучше справляться с задачами.

И напоследок добавил - хочу иметь под рукой актуальные корректные данные из Power BI, чтобы не краснеть перед остальными руководителями, а гордиться результатом.

Задача описана и вроде понятна. У аналитика в голове уже появился первый набор нужных показателей и вариантов их визуализации. Но в статье я этот вариант не показываю, потому что впереди еще один важный шаг, связанный с проверочным упражнением – какие действия будем предпринимать при изменении наших показателей? Звонить, бежать, куда-то писать (ударение в последнем слове поставьте сами).

Начинаем упражнение. Мой вольный вариант его исполнения:

Дашборды получились простыми, в них нет никакой сложной аналитики, просто статистика. И моим выдуманным рекрутерам в этот раз не придется изучать новые слова, чтобы правильно понимать доступную информацию.