返回项目列表

招聘效能诊断看板:数据不等于结论,看板不等于诊断

在 2 号人事部做企业健康诊断系列的第一个维度:统一采用招聘确认入职口径,四个指标绑四个管理动作,阈值按三层原则定。交付了产品与指标逻辑。

角色
产品 + 项目负责人
阶段
2025.12 – 2026.03
项目
2 号人事部

管理层手里的招聘数据已经够用,真正需要的是判断。现有报表能回答「这个月面了多少人、入职多少人」,回答不了三个问题:我们的招聘到底算好还是算差?新人留不住,是招错了还是管理出了问题?关键岗位一直招不满,是供给不足还是流程太慢?

招聘效能诊断看板是「企业健康诊断」系列的第一个维度(后续覆盖人才测评、组织效能、用工合规)。它把分散在招聘与人事两侧的数据,归结成一句管理层能直接用的判断:本期招聘到底是好还是差,差在哪一项。

角色 产品 + 项目负责人
周期 2025.12 – 2026.03(V1.0 已上线)
形态 4 个核心指标 + 综合评级 + 单指标体检 + AI 诊断洞察
范围 指标口径、阈值设计、诊断页面与 AI 洞察
招聘效能总览:整体评级、异常与预警计数、重点关注方向
招聘效能总览:整体评级、异常与预警计数、重点关注方向点击查看原图

1. 问题在哪

两个难点都在图表之外。

一是口径。招聘模块确认入职与人事模块直接新增的员工,统计范围并不相同。如果混在一起计算,指标就不再反映招聘流程带来的结果,红色预警也可能来自统计范围的差异——做成图也只是把失真画得更漂亮。

口径与动作,两个前置问题
口径与动作,两个前置问题点击查看原图

二是诊断必须能接到动作。只说「流失率偏高」没有用,要给出「先查这三件事」和「谁去查」。

2. 四个指标,各自绑一个管理动作

四个指标分别对应招聘管理里最难量化的四个问题:

  1. 新员工 3 个月流失率——招进来的人留得住吗。异常时先查入职筛选与带教机制。
  2. 关键岗位招聘周期——关键岗位补得上吗。先查流程卡点与岗位画像。
  3. 试用期通过率——转正评估是否有效。先查转正流程、带教与评价机制,再核岗位匹配。
  4. 招聘渠道有效率——钱花在哪个渠道有效。先查渠道结构与投递质量。

阈值设计参考三层信息:行业经验、同类客户分布和本企业历史分布。按行业提供默认阈值,支持内部配置调整,不开放客户自定义;三层信息是参考原则,不等于已经完成了每家客户的历史分布校准。

口径上只统计从招聘模块确认入职的员工,人事模块直接新增的不计入;数据每日刷新、统计到前一日,报告期支持月/季/年三档。

新人 3 个月流失率和渠道有效率需要等待留任观察窗口,按滞后批次展示。例如月报查看三个月前的入职人群,避免把尚未观察完整的员工算进去;季度看上一季度,年度按是否完整统计期处理,并标明实际统计期。

四个指标与三层阈值原则
四个指标与三层阈值原则点击查看原图

3. 从评级到动作

页面是双层结构:总览给评级,单指标进去给体检报告。

单指标体检里放了三样东西:指标摘要(现在什么状态)、统计口径(含计算公式)与统计周期(算的是谁、怎么算、哪段时间)、优先排查方向(按 01/02/03 排序,先查流程卡点,再查画像与供给,最后查薪酬带宽)。

缺了中间那层计算公式,客户第一反应是不信;缺了排查方向,客户看完只会更焦虑。

关键岗位招聘周期体检:95.67 天、统计口径与计算公式、统计周期、三条优先排查方向
关键岗位招聘周期体检:95.67 天、统计口径与计算公式、统计周期、三条优先排查方向点击查看原图

四个指标放在一起,是为了帮助确定排查顺序。招聘周期长且试用期通过率低时,优先检查岗位画像、筛选标准与试用期评估;新人流失率高而试用期通过率正常时,优先结合离职原因、访谈与带教记录,检查入职后的融入与管理。交叉解读前要先核对统计期、入职批次及岗位范围;指标组合提供的是待验证的排查线索,不能直接认定原因,也不能据此排除渠道或选人问题。

指标交叉:核对口径后确定优先排查方向
指标交叉:核对口径后确定优先排查方向点击查看原图

4. 结果与复盘

V1.0 于 2026 年 3 月上线。这一版交付的是产品设计与指标逻辑:4 个核心指标、综合评级、单指标体检、AI 诊断洞察;按行业提供默认阈值,支持内部调整。尚未拿到可核验的客户采纳与商业转化结果,两条变现路径尚未完成验证。

复盘结论:红灯是商业机会,但只有诊断准了才成立;诊断不准时,红灯只会带来投诉。

交付了什么,没有跑出什么
交付了什么,没有跑出什么点击查看原图

5. 可迁移的判断

做数据产品,先统一口径,再谈可视化——口径不统一时,做得越好看,误导越强。阈值要能解释来源:行业经验、同类分布、自身历史都是参考依据,有哪些数据、适用于什么范围,需要讲清楚。诊断类产品的完成度,取决于「看到问题」到「开始处理」之间的步骤数量。

先把诊断做准,红灯才是机会。

做数据产品的四条判断
做数据产品的四条判断点击查看原图
查看原始产品介绍