Так вы тестовый доступ к своему сервису даете для оценки?

С этим разве не справляется ИИ при профессионально написанном промте?

Продукт крайне актуальный!

Отраслевые отчеты в формате эксельки — это, несколько субъективная история. В конечном продукте может обнаружиться недостаток данных для их верификации по ряду параметров: — Размер выборки: мы смотрим n-ный перцентиль по десяти компаниям-мастодонтам или по десяти сотрудникам в трех компаниях? :) — Масштаб и отраслевая / продуктовая специфика бизнеса, с которым мы сравниваемся. Например: вилка в отчете рассчитана по одной должности, но в ряде компаний эта должность выполняет поддерживающую функцию, а в других — производственную. Данные не очищены и на деле не соответствуют нашей потребности. Условная иллюстрация: в выборку вошла не только внутренняя техническая поддержка бэк-офиса, но и техническая поддержка продукта со значительным отрывом в зарплатном диапазоне. — Нейминг строки отчета во взаимоувязке с реальным грейдом/уровнем/профилем должности/etc. Принимая во внимание требования 152 ФЗ, какую-либо естественную вариативность или статистические выбросы, влияющие на качество данных, выявить в готовом отчете практически невозможно. — Ошибки в методологии расчета на уровне вышмата и статистического анализа. Иногда и такое выявляется на этапе переговоров и интерпретации расчетных значений в демо-версии продукта. — Сопоставимость данных. Мы закупили красивые эксель-файлы у контрагента X и контрагента Y. Для решения своих задач мы хотим пользоваться этими отчетами одновременно. Контрагент Х разбил строки отраслевого отчета на "специалистов", "руководителей" и "ТОП-ов". Контрагент Y предложил авторскую методологию грейдирования, через призму которой произвел разбивку данных своих респондентов. Пользователю отчета в обоих случаях предложены сравнительные таблицы с ограниченным набором критериев для верификации данных. Для уникальных должностей / узкого регионального рынка это печально. И, к слову, на этапе защиты ФОТ в данном случае могут возникнуть проблемы: нужно доказать, что твои выводы, сделанные на основе чужой методологии, состоятельны, перевести их на котирующийся в рамках ЛНА корпоративный язык.

На hh, с другой стороны, тоже есть значительное количество статистических выбросов. Чем выше должность, тем шире вилка и тем больше «умолчаний» в исходном массиве данных, который мы анализируем. Зарплатные ожидания соискателей тоже могут оказаться не в полной мере релевантными. Например, джун Вася отчаялся и пошел на откровенный демпинг, чтобы пройти по фильтрам, или зажал на клавиатуре лишний нолик. А то и вовсе решил пошутить и в качестве эксперимента собрать 1000+ офферов, используя сгенерированное резюме. И таких Вась может оказаться несколько сотен. Или, скажем, компания N указала доход от 100 африканских тугриков, но забыла упомянуть, что фикса, зашитая в эту цифру, на деле составляет 60%. При этом три из десяти менеджеров в компании N получают премию с повышенным коэффициентом для искусственного сохранения грейда («фиксы»), а другие семь регулярно попадают под штрафные санкции (фикса та же, реальный годовой доход, за который держится сотрудник — ниже).

Если переформулировать вышесказанное в структурированный запрос, мне, как пользователю продукта, было бы важно: — То, как мы собираем данные: источник(-и), фильтрация на входе и очистка от статистических выбросов, возможность задать дополнительные критерии для поиска данных. — То, как мы сравниваем данные с собственным бизнесом. Это не про «дайте мне разбивку по hay», а про «опишите строку отчета так, чтобы я мог самостоятельно сравнить ее с профилем должности, составленным по внутренней методологии моего бизнеса». — Бенефиты и социальный пакет как часть общего вознаграждения. То, чего зачастую нет в отчетах кадровых агентств. Например, для некоторых профилей соискателей условная комбинация «фикс на уровне p50 + ДМС и компенсация питания» может работать даже в условиях конкурентного рынка. — Возможность рассчитать сводную вилку по рынкам в нескольких городах/регионах.

Одним словом, да, мониторинг рынка труда — это боль)

Привет! Покупала у кадровых агентств отчеты с ежемесячной статистикой, но это всё равно как средняя температура по больнице, так что ручной ресеч и нетворк всё равно приходилось подключать для понимания рынка, увы( Мне кажется, тут еще вот что важно: - в вакансиях часто не пишется зарплатная вилка, и она может сильно отличатся от отрасли, размера бизнеса, не смотря на одну и ту же роль - важно оценивать и спрос, и предложение, то есть для полноценной модельки нужна еще связь с зарплатными ожиданиями соискателей и их объемом

Моделька, которая собирает данные, скажем так, по обе стороны, и учитывает долю вакансий/резюме с закрытыми данными о ЗП, учитывает перегретость спроса/предложения, и на фоне этого уже дает рекомендации - вот такая бы штука круто помогла на защите ФОТ))

Отличная работа! Мониторинг рынка труда всегда приходилось делать самостоятельно, используя открытые источники. Смотрела также ожидания соискателей. Полученные данные накладывала на текущие з/п сотрудников.