ГНИВЦ: как сократить подготовку зарплатной аналитики до 20 минут и точнее определять условия найма
Кейс победителя премии «Потока» 2026 года в номинации «За новый подход к зарплатной аналитике»
Спасибо, что вы с нами!
ГНИВЦ — Главный научный инновационный внедренческий центр, российская ИТ-компания, которая занимается разработкой и сопровождением информационных систем. Компании для подбора специалистов важно учитывать не только требования к профессиональным компетенциям, но и зарплатные ожидания кандидатов.
При согласовании условий найма рекрутеры и руководители обычно ориентируются на рыночные обзоры, опубликованные вакансии и результаты общения с соискателями. Однако такие данные не всегда отражают ожидания специалистов, которые действительно подходят компании по опыту и квалификации.
ГНИВЦ разработал собственный подход к зарплатной аналитике на основе данных «Поток Рекрутмента». Компания стала анализировать ожидания релевантных кандидатов и использовать результаты при согласовании зарплатных вилок и предложений о работе. В результате время подготовки аналитики сократилось с 3–4 часов до 15–20 минут, а примерно по 20% вакансий полученные данные уже повлияли на решения об условиях найма. Проект получил премию «Потока» 2026 года в категории «HR-аналитика».
Содержание:
Задача: точнее оценивать зарплатные ожидания кандидатов
При открытии вакансии HR-команде необходимо определить, насколько предлагаемые условия соответствуют ожиданиям потенциальных сотрудников. Особенно важен этот вопрос при подборе специалистов с востребованными или редкими компетенциями.
Для оценки зарплатного рынка можно использовать внешние исследования, открытые вакансии и данные работных сайтов. Но такие источники показывают общую ситуацию и не всегда учитывают конкретные требования к должности.
При этом в процессе подбора у компании уже накапливаются зарплатные ожидания кандидатов, которых рекрутеры рассматривают на определенные позиции. Эти данные позволяют оценивать условия найма с учетом требований конкретного заказчика.
Ранее подготовка такой аналитики требовала ручной обработки информации и занимала 3–4 часа. Исследования проводились по отдельным запросам, а результаты не всегда сохранялись в формате, удобном для дальнейшего использования.
ГНИВЦ поставил задачу разработать единую методику, которая позволит регулярно анализировать зарплатные ожидания подходящих кандидатов и использовать результаты непосредственно при принятии решений о найме.
Решение: построили зарплатную аналитику на данных из «Поток Рекрутмента»
Основой проекта стали сведения о кандидатах, которые уже содержатся в ATS. Компания организовала регулярную выгрузку данных и разработала методику расчета зарплатных показателей для отдельных позиций.
Использовали ожидания кандидатов, подходящих под требования вакансии
Ключевой принцип новой методики — анализировать зарплатные ожидания не всех соискателей определенной профессии, а тех, кого рекрутер и нанимающий руководитель считают подходящими для конкретной роли.
Такой подход позволяет учитывать особенности вакансии: требования к квалификации, опыту и профессиональным навыкам.
Например, для двух позиций с одинаковым названием могут требоваться специалисты разного уровня. Усредненная рыночная зарплата не всегда отражает эту разницу. Анализ ожиданий релевантных кандидатов дает дополнительный ориентир для определения условий найма.
Настроили регулярную выгрузку и накопление данных
Для формирования аналитики ГНИВЦ использует данные из «Поток Рекрутмента». Информация регулярно выгружается через API и сохраняется в едином аналитическом контуре.
Это позволяет готовить отчеты по текущим вакансиям и накапливать историю зарплатных ожиданий кандидатов. Вместо разовых исследований компания перешла к еженедельному обновлению данных.
На этапе пилота аналитический контур охватил 40–60 вакансий и штатных позиций, а накопленная выборка составила 600–900 кандидатов.
Разработали единую методику расчета зарплатных показателей
Для каждой позиции рассчитывается несколько показателей зарплатных ожиданий:
- Минимальное и максимальное значения — показывают диапазон ожиданий кандидатов.
- Медиана — значение, относительно которого половина кандидатов ожидает меньшую зарплату, а половина — большую.
- Среднее значение — помогает оценить общий уровень ожиданий в выборке.
- Квартили — позволяют увидеть распределение ожиданий внутри диапазона и оценить, какая доля кандидатов ориентируется на определенный уровень дохода.
Совместное использование этих показателей дает более полную картину, чем одно среднее значение. Например, медиана помогает снизить влияние отдельных высоких или низких ожиданий, а квартили — оценить распределение кандидатов по зарплатным диапазонам.
Единая методика обеспечивает сопоставимость результатов. При повторном анализе позиции команда использует одинаковые принципы расчета и может отслеживать изменения ожиданий.
Результаты: стоимость найма снизилась на 24,6%
Внедрение новой методики позволило ГНИВЦ ускорить подготовку зарплатной аналитики и использовать полученные данные при согласовании условий найма.
Показатель | Результат |
Время подготовки зарплатной аналитики | С 3–4 часов до 15–20 минут |
Масштаб пилота | 40–60 вакансий и штатных позиций |
Накопленная выборка | 600–900 кандидатов |
Влияние аналитики на условия найма | Примерно по 20% вакансий |
Сокращение времени подготовки отчетов позволило рекрутерам оперативнее предоставлять руководителям информацию для согласования зарплатных условий.
При этом аналитика стала частью регулярной работы с вакансиями. Накопленные данные используются при открытии новых позиций и пересмотре условий по действующим. Практическая ценность проекта подтверждается тем, что примерно по 20% вакансий результаты анализа уже повлияли на решения об условиях найма.
Как зарплатная аналитика помогает принимать решения о найме
Главное изменение в работе ГНИВЦ связано с подходом к согласованию условий найма. Теперь рекрутер и руководитель могут обсуждать зарплатную вилку, опираясь на ожидания кандидатов, которые соответствуют требованиям конкретной позиции.
Если вакансия долго остается открытой, аналитика помогает проверить одну из возможных причин: насколько предлагаемая зарплата соответствует ожиданиям подходящих специалистов. Полученные данные позволяют аргументированно обсудить корректировку условий.
Аналогичный подход применяется при подготовке и согласовании предложений о работе. HR-команда может показать распределение зарплатных ожиданий в релевантной выборке и обосновать рекомендуемый уровень вознаграждения.
При этом результаты анализа учитываются наряду с другими факторами: бюджетом подразделения, внутренней системой оплаты труда и требованиями к должности. Такой подход помогает рекрутерам и руководителям принимать более обоснованные решения.
Главный результат проекта
ГНИВЦ разработал подход к зарплатной аналитике, при котором ориентиром становятся реальные ожидания кандидатов, подходящих под требования конкретных вакансий.
Используя данные «Поток Рекрутмента», компания организовала регулярное накопление информации, внедрила единую методику расчета зарплатных показателей и сократила время подготовки аналитики с нескольких часов до 15–20 минут.
Уже на этапе пилота полученные данные повлияли на решения об условиях найма примерно по 20% вакансий. Проект показал, как информация, накопленная в процессе подбора, помогает HR-команде и руководителям точнее определять зарплатные предложения.
Текст подготовила Светлана Постникова, эксперт в HR-автоматизации «Потока»
Статья выпущена в ноябре 2026 года
А пока подпишитесь на наш чат-бот — он будет регулярно присылать полезные посты про управление персоналом!
