Все вокруг ноют, что работы нет и что на каждую вакансию космический спрос, а джуны готовы работать за еду. В этой статье поделюсь фактами — как я нанимал продуктового аналитика в известную международную компанию и какая у меня получилась статистика по кандидатам.
Если посмотреть открытые данные в HH, то можно ужаснуться — на IT вакансии может быть по 1000+ заявок от кандидатов. Чтобы не умереть, разбирая тысячи резюме, по рекомендации HR я добавил в начале достаточно простой опросник — сам заполнял похожий при трудоустройстве. Результат? Всего 85 откликов за всё время публикации вакансии!
Ну а дальше случилась дикая воронка отсева, которую я зафиксировал в цифрах, и сейчас ею поделюсь. Пристёгивайтесь и всё внимание на процент отсева кандидатов на каждом этапе.
Этап 1. Первичная оценка. 85 резюме → 57 (Отсев 33%)
Я открываю пачку резюме и чувствую себя археологом. Тут есть всё: продакты, проджекты, бизнес-аналитики, привыкшие к формализации требований стейкхолдеров, но не к работе с продуктовыми гипотезами, и, конечно, магистры метрик NPS и CSI — их было много (видимо, сократили первыми). Большинство этих кандидатов с цифрами толком не работали, так что сразу мимо. Это минус 33%.
Этап 2. HR-скрининг и первый контакт. 57 → 49 (Отсев 14%)
Казалось бы, чего проще — созвониться с HR. Но нет. Люди не отвечают, не перезванивают, не приходят на созвоны. 14% отсеялись на этапе "возьми трубку".
Этап 3. Моя оценка перед собесом. 49 → 20 (Отсев 59%)
Тут уже включаюсь я сам. Смотрю на тех, кто прошёл через HR, и понимаю: больше половины демонстрируют узкий кругозор, в ответах ссылаются на один и тот же кейс, либо навыки далеки от нашего запроса. Также не рассматривал студентов, так как не представляю, как можно работать полный день и заканчивать универ очно. Из 49 человек я готов был общаться лично только с двадцатью.
И да, мы не отсеивали по зарплате. Тут был вполне демократичный разброс: от 60 тысяч до 250+ тысяч рублей. Деньги не были ключевым критерием.
Этап 4. Приди на интервью! 20 → 14 собеседований (Отсев 30%)
Приглашаем на собеседование. Кто-то передумал, другой не ответил, третий не пришёл... До живого разговора дошли 14 человек.
Этап 5. Интервью с нанимающим. 14 → 3 (Отсев 78%)
Самый мясной этап — техническая секция. Я общаюсь, даю задачи и... Из 14 человек достойные результаты показали только трое. Задания было 2:
1) Проанализировать статистику пуш-уведомлений: оценить эффективность, найти точки роста, предложить гипотезы для новых экспериментов.
2) Разобрать результаты двух A/B-тестов нового пейволла в разных странах: сделать выводы, какой тест выиграл и что делать дальше — раскатывать, откатывать или копать дальше.
Больше всего “порадовала” пара кандидатов с зарплатными ожиданиями 250к+. Люди уверенно вещали о глубокой экспертизе, при виде цифр просто говорили, что “нет, тут не смогу ничего сказать”. До интерпретации цифр и расчёта статзначимости доходили единицы! Это не просто “бывает” — это 78% людей, которые называют себя Middle/Senior, но не могут работать с данными. Ещё частый случай — дата-аналитики: очень круто жонглирует данными, но вообще без понимания задач бизнеса. Такие валятся на вопросах о том, как можно посчитать, например, выручку будущих периодов на основе предыдущих.
Да, ещё были "опытные пользователи GPT", но их легко было вычислить по тому, как они очевидно читали с экрана. Таких было двое.
Кстати, тестовые задания я брал из кейс-баттлов нашего продуктового сообщества. Наши продакты их решали, да! А продуктовые аналитики — нет.
Этап 6. Оффер. 3 → 1
Из тройки был явный фаворит. На нём и остановились. Один человек из 85. Конверсия — 1.2%
Работа над ошибками и выводы
Кандидатам:
Отметил для себя, что с большим подозрением отношусь к резюме, где специализация указана не та, что я ищу. Типа, зачем мне продакт, если я ищу аналитика? Если нужен человек для работы с цифрами, “общий продуктовый бэкграунд” без фокуса на данных выглядит как спам-отклик.
Если в описании есть “работа с данными” — освежите матстат и логику интерпретации цифр. Обидно “сыпаться” на стандартных кейсах!
Пунктуальность — это важно. Переносы собеседования по 3 раза, потому что глючит ноут и отваливается интернет — это не серьёзно. Если вы не можете организовать стабильную связь на один час, как вам доверить продукт?
Рекрутерам:
Опросник на входе — кажется, что хороший фильтр, но сквозь него всё равно просачивались кандидаты самого разного качества. Интересно ваше мнение!
По моему опыту, отбор — это марафон, а не спринт. Пару месяцев стоит закладывать точно!
Бонус: Моя личная формула успеха “10 + 20”
В начале поиска я тратил по часу на каждого кандидата: первые полчаса мы обсуждали прошлый опыт, проекты и достижения, затем переходили к кейсам. В итоге я понял, что все эти чудесные “рассказы о себе�� никак не коррелируют с умением работать с цифрами.
В итоге я пришел к формуле:
10 минут — экспресс-знакомство и ключевые вопросы по опыту.
Следующие 35 минут — решение кейсов.
Результат: Неподходящие кандидаты выявляются за первые 20–30 минут. Это честнее и по отношению к моему календарю, и по отношению к кандидату. Если человек “плавает” в данных, нет смысла еще полчаса обсуждать его софт-скиллы. Если же с кейсами всё ок, то можно дополнительно пообщаться про опыт и софты.
Итог и пара слов про "мёртвый рынок"
Если я и готов согласиться, что рынок мёртв, то только с одной поправкой: нормальных кандидатов приходится искать как крупицы золота в тоннах песка.
Было ощущение, что ради получения работы каждый готов назвать себя продуктовым аналитиком, лишь бы попасть на собес, но при виде данных сразу “ой”. Я так понял, что откликаются массово, не глядя толком на описание вакансии — потренироваться проходить собесы или с надеждой, что как-то да пронесёт.
Если вы узнали себя в этом тексте, хотите доказать, что я не прав, или поделиться своими впечатлениями от найма — милости прошу в комментарии. Ваше мнение и опыт (особенно с цифрами!) очень интересны.
В нашем продуктовом сообществе мы проводим бесплатные митапы для тех, кто управляет цифровыми продуктами или запускает свои стартапы. Присоединяйтесь!