кейсы grade factor
Как IT-компания перестала терять время и деньги на поиск подходящих сотрудников
Делимся кейсом оптимизации рекрутинга для "сложных" должностей
«Мы теряли слишком много времени и денег на то, что нанимали не совсем подходящих кандидатов и потом приходилось начинать всё сначала, когда это обнаруживали»
В IT- компании небольшой HR-отдел, который традиционно совмещает рекрутинг, обучение и адаптацию новичков, решали большую головоломку. Рекрутер был всего один, а вакансий открывалось 10-15 в месяц и каждая сложней предыдущей: узкий стек, уникальный отраслевой опыт, высочайшая квалификация и прочие факторы, которые добавляли задаче сложности.
Найм вели через hh.ru, SuperJob и Хабр, но без внутренней системы управления кандидатами. У компании уже была ATS иХантфлоу, но она не помогала отсеивать кандидатов по качественным характеристикам и определять реальность навыков. И в результате рекрутер все равно по-старинке вручную листал резюме, искал нужные ключевые слова, записывал заметки в Excel по кандидатам и пытался понять, кто же из откликнувшихся действительно хорош, а кто "по-волчьи" накрутил опыт, написал резюме нейросетью и прошел курс "как вкатиться в IT за три дня".
Найм вели через hh.ru, SuperJob и Хабр, но без внутренней системы управления кандидатами. У компании уже была ATS иХантфлоу, но она не помогала отсеивать кандидатов по качественным характеристикам и определять реальность навыков. И в результате рекрутер все равно по-старинке вручную листал резюме, искал нужные ключевые слова, записывал заметки в Excel по кандидатам и пытался понять, кто же из откликнувшихся действительно хорош, а кто "по-волчьи" накрутил опыт, написал резюме нейросетью и прошел курс "как вкатиться в IT за три дня".
Руководителям технических команд топ-уровня приходилось активно участвовать в подборе ключевых сотрудников и они очень ценили, когда рекрутеры могли было чётко и объективно обосновать выбор кандидата. Но это было сложно: данные разбросаны, ручная аналитика неполная и ошибки в найме случались — людей увольняли из-за недостатка нужных навыков или они уходили сами в первые месяцы, а бюджет на выкуп контактов на площадках раздувался.
| Здесь к решению проблемы компания подключила умного AI-помощника платформы Grade Factor, который не заменил рекрутеров, но сделал их работу намного проще. Как мы помогли:
|
Что изменилось?
- 39 вакансий
закрыто за 3 месяца – 8 из них внутренними сотрудниками за счет ротаций с других позиций - на 58%
сократились расходы на выкуп контактов. Компания теперь не платит за неподходящих кандидатов – только за тех, кто максимально подходит по должностным требованиям. - до 4%
минимизированы ошибки в найме. Новички приживаются и растут, а не уходят через пару месяцев - на 40%
сократилось время закрытия вакансий за счет того, что рекрутеры фокусируются на тех, у кого есть реальный потенциал - на 99,5%
ликвидирована рутина с Excel. Рекрутеры перестал бороться с таблицами и получили возможность основывать решения о найме на реальных данных, а не на интуиции
- Вероника РудковскаяProduct manager Grade FactorGrade Factor не просто упростил работу рекрутера — он сделал процесс найма прозрачным, быстрым и эффективным. мы рады, что теперь компания тратит меньше на выкуп резюме с карьерных сайтов, но получает именно тех людей, кто ей действительно нужен.
Заявка на пилот
За три месяца вы успеете попробовать все возможности платформы и получить заметный результат
Автоматизированная HR-система для оценки и развития сотрудников