HRTech на 42 млрд и 75% компаний без метрик удержания: что измеряет HR-аналитик — и как данные о сотрудниках становятся аргументом на уровне совета директоров

Российский рынок HRtech достиг 42 млрд рублей и продолжает расти на 12% в год. При этом 75,6% российских компаний до сих пор не измеряют, почему сотрудники уходят: метрики персонала либо не считаются вообще, либо оседают в Excel-таблицах без структурированного анализа. Этот разрыв присутствует почти в каждой второй организации — данные о сотрудниках есть, HRM-системы внедрены, КЭДО работает, но в дело по-прежнему идут ощущения.

HR-аналитика закрывает этот разрыв. Она переводит вопрос «почему за квартал уволились 12 человек» в измеримый показатель текучести кадров — с ответом и конкретным предложением для руководства. Специалист, который умеет это делать, работает с eNPS и предиктивной аналитикой, выстраивает модели риска увольнения и переводит данные из HRM-систем в аргументы на уровне совета директоров. Управление талантами всё больше требует доказательной базы — и именно здесь HR-аналитика из вспомогательной функции превращается в отдельную карьерную траекторию.

В этом материале — как устроена профессия, какие метрики реально важны бизнесу, какой стек инструментов нужен специалисту и что рынок платит за каждый уровень.

HR-аналитика — это не наука о данных и не раздел IT. Это перевод информации о персонале в решения, которые приносят измеримый результат бизнесу: снижают текучесть, сокращают стоимость найма, повышают продуктивность. Разница с классическим HR-менеджментом — в точке принятия решений: HR-менеджер опирается на профессиональный опыт и ощущения, HR-аналитик — на данные с конкретными числами.

Профессия оформилась как самостоятельная роль по мере того, как компании начали накапливать данные в HRM-системах, внедрять КЭДО и ждать от HR-функции той же измеримости, что давно стала нормой для маркетинга и финансов. Советы директоров всё чаще задают не «как у нас дела с персоналом», а «какой у нас Turnover Rate и почему он выше среднего по отрасли». На этот вопрос нужен человек с ответом — не с объяснением.

На практике HR-аналитика может быть и отдельной штатной позицией, и функцией внутри более широкой роли HRBP или HR-generalist. В небольших компаниях аналитику ведёт тот же специалист, который занимается подбором и адаптацией. В крупных — существуют выделенные People Analytics команды с несколькими десятками человек. Граница определяется не инструментами, а тем, насколько систематически данные о персонале используются для принятия решений. По данным исследования Deloitte Human Capital Trends 2025, компании с развитой аналитикой персонала показывают производительность труда на 20–30% выше, чем конкуренты без неё.

HR-аналитику принято делить на четыре уровня — не по сложности инструментов, а по горизонту вопроса, на который она отвечает.

Описательная (дескриптивная) аналитика отвечает на вопрос «что произошло». Это ретроспектива: текучесть за квартал, воронка найма по источникам, распределение сотрудников по грейдам, средний срок работы в компании. Большинство компаний, которые вообще что-то считают, работают именно на этом уровне. Уже это даёт бизнесу больше, чем ни одной цифры.

Диагностическая аналитика идёт дальше: «почему произошло». Текучесть выросла — в каком именно подразделении, в каком грейде, после каких изменений в процессах. Аналитик ищет причинно-следственные связи: сравнивает показатели по менеджерам, оценивает влияние изменения системы мотивации, анализирует exit-интервью. Выводы на этом уровне позволяют не устранять последствия, а воздействовать на причину.

Предиктивная аналитика отвечает на вопрос «что произойдёт»: строятся модели риска увольнения ключевых сотрудников, прогнозируется дефицит кадров в конкретных функциях, выявляются паттерны, предшествующие снижению продуктивности. Для этого уровня нужен Python или R — и именно он открывает Senior-позиции и выход в крупные People Analytics команды.

Стратегическая аналитика отвечает на вопрос «что делать». Сколько людей нужно нанять при росте выручки на 30%, какова оптимальная структура компенсаций для удержания ключевых специалистов, как изменится состав команд при выходе в новый регион. На этом уровне HR-аналитик работает напрямую с советом директоров.

Для большинства компаний реальная ценность сосредоточена в первых двух уровнях. Предиктивный и стратегический нужны там, где данных достаточно для обучения моделей — как правило, это компании от 1 000 сотрудников и выше.

Метрики — рабочий язык HR-аналитики. Не абстрактные показатели эффективности, а конкретные числа, которые можно сравнить с отраслевым бенчмарком и принять на их основе решение.

Turnover Rate — доля сотрудников, покинувших компанию за период, к среднесписочной численности. Для большинства отраслей нормальный диапазон — 10–15% в год. Выше — сигнал либо проблемы с менеджментом и условиями труда, либо структурного дисбаланса в подборе. Именно эту метрику не считают 75,6% российских компаний — по данным hrmag.ru, 2024. Разрыв между потребностью и реальной практикой здесь очевиден.

Cost per Hire — стоимость закрытия одной вакансии с учётом всех затрат: время рекрутера, реклама, агентские комиссии, онбординг. Для junior-позиций в регионах это обычно 20–60 тыс. рублей; для senior в IT — может превышать 500 тыс. рублей. Без этой цифры невозможно принять обоснованное решение: нанимать самостоятельно или через агентство, строить обучение внутри или брать готового специалиста.

Time to Fill — среднее время от открытия вакансии до выхода кандидата на работу. Ориентир для большинства позиций — 20–45 дней. Если срок растёт — либо изменилось предложение на рынке, либо внутри компании сломан процесс согласования оффера.

eNPS (Employee Net Promoter Score) — индекс лояльности сотрудников: готовы ли они рекомендовать компанию как работодателя. Значение выше 20 считается хорошим; выше 50 — отличным. Используется для мониторинга вовлечённости и раннего выявления проблем с культурой — ещё до того, как сотрудники начнут уходить.

Уровень абсентеизма — доля рабочего времени, пропущенного по незапланированным причинам. Рост этого показателя часто сигнализирует о выгорании или конфликтах внутри команды на несколько месяцев раньше, чем они проявятся в увольнениях.

ROI обучения — отдача от инвестиций в Learning & Development. Считается через сравнение продуктивности до и после обучения, снижение количества ошибок, рост выручки на сотрудника. Метрика позволяет обосновать бюджет на обучение перед финансовым директором — и одновременно выявить программы, которые не работают.

Инструментальный стек HR-аналитика устроен как пирамида: базовый слой закрывает 80% задач в большинстве компаний, каждый следующий уровень открывает новые возможности и новые позиции на рынке труда.

Базовый слой — Excel и Google Sheets. Сводные таблицы, Power Query для обработки выгрузок из 1С, формулы для автоматического расчёта метрик. В небольших компаниях этого достаточно для регулярных отчётов по ключевым показателям. Специалист, который умеет делать это системно и быстро, уже закрывает реальную потребность бизнеса.

SQL — следующий уровень. Большинство HRM-систем (1С:ЗУП, SAP HCM, Bitrix HR) хранят данные в реляционных базах. Умение написать запрос и выгрузить нужный срез — обязательное условие для Middle-позиций. Освоить его на уровне SQL не требует навыков разработчика: SELECT, JOIN, GROUP BY, фильтры по дате и статусу закрывают 90% задач HR-аналитика.

BI-инструменты — Power BI, Tableau, Yandex DataLens. Дашборды для руководства, которые обновляются автоматически и не требуют каждый раз готовить новую таблицу. Это то, что переводит HR-аналитику из «отчётов в почте» в «живую картину» и резко повышает ценность специалиста для бизнеса.

Python и R — уровень предиктивной аналитики. Модели риска увольнения, NLP для анализа exit-интервью, кластеризация сотрудников по профилям поведения. Это не обязательно для входа в профессию, но необходимо для Senior-позиций и работы в People Analytics командах крупных компаний.

Реалистичный совет для тех, кто начинает: Excel, SQL и один BI-инструмент — достаточный минимум для первой позиции HR-аналитика. Python — следующий шаг после того, как сложилась устойчивая практика с первыми тремя инструментами.

Зарплаты в HR-аналитике следуют той же логике, что и в других аналитических специальностях: разрыв между Junior и Senior существенный и определяется он не только набором инструментов, но и умением переводить данные в управленческие решения.

На уровне Junior — специалист, строящий регулярные отчёты и делающий первые выгрузки через SQL. В Москве это 60 000 – 90 000 рублей в месяц, в регионах — 45 000 – 70 000 рублей.

Middle — специалист с опытом в одной-двух компаниях, самостоятельно строящий дашборды и умеющий защищать гипотезы перед руководством. Москва: 110 000 – 180 000 рублей, регионы: 80 000 – 130 000 рублей.

Senior — специалист, ведущий стратегические проекты и строящий предиктивные модели. Москва: от 180 000 до 230 000 рублей и выше, регионы — от 120 000 рублей (по данным Synergy, 2025).

Отдельный трек — HRBP с аналитическими компетенциями. Специалист, совмещающий стратегическое партнёрство с бизнесом и владение данными, получает надбавку 20–40% к базовому уровню HR-менеджера в той же компании. Именно поэтому HR-менеджеры, добавляющие аналитический слой, чаще меняют должность внутри компании, а не саму компанию. По данным hh.ru и zphr.kimi.page, 2026, зарплаты HR-специалистов в России в целом выросли на 57% за четыре года. Среди аналитических HR-ролей рост устойчив: компании, инвестирующие в People Analytics, конкурируют за специалистов с IT-сектором и платят соответственно.

Тем, кто рассматривает вход в профессию и ищет обучение с официальным документом: на profifuture.ru доступна программа профессиональной переподготовки «Специалист по кадровому делопроизводству» — она закрывает документальную и юридическую базу управления персоналом, без которой HR-аналитик не выстроит корректные метрики ни по найму, ни по удержанию.

Формат и объём: 256 академических часов, дистанционно.

Документ: диплом о профессиональной переподготовке.

Стоимость: 30 720 ₽ при господдержке 75% (полная цена — 122 880 ₽). Рассрочка без переплат: 4 платежа по 7 680 ₽.

Для тех, кто хочет усилить именно инструментальный слой, — на edu.profifuture.ru доступна программа «Data-аналитик: Python и SQL в анализе данных» (144 часа, удостоверение о повышении квалификации, 29 900 ₽ при господдержке; рассрочка 0%: 4 платежа по 7 475 ₽). Отдельной программы по HR-аналитике как самостоятельной специальности в каталоге пока нет — актуальный список направлений на сайте.

Мы наблюдаем три паттерна, по которым специалисты приходят в HR-аналитику. Они отличаются стартовой точкой — и сроками.

Первый сценарий — из HR-менеджера или рекрутера. Такой специалист хорошо понимает предметную область: процессы найма, адаптации, удержания, оценки. Не хватает инструментального слоя — умения работать с данными системно, а не от случая к случаю.

Типичный путь: автоматизация отчётов в Excel, первые запросы на SQL, самостоятельно собранный дашборд для руководителя, пересмотр должности внутри компании. Срок перехода при параллельном обучении — 6–9 месяцев. Это самый короткий путь из трёх: предметное знание уже есть, добавляется инструмент. В большинстве случаев HR-менеджер не меняет компанию — он переходит в другую роль внутри, потому что его аналитические отчёты начинают использовать на совещаниях топ-менеджмента. Переход становится очевидным для обеих сторон.

Второй сценарий — из смежной аналитики. Финансовый аналитик, экономист, маркетолог — люди с хорошо поставленным аналитическим мышлением и рабочим стеком инструментов. Им не хватает HR-предметности: понимания процессов найма, грейдирования, мотивационных систем, специфики организационного поведения.

Типичный путь: переподготовка в части HR-процессов, добровольный аудит HR-метрик внутри своей компании — формально вне своей функции, по договорённости с HR-директором. Срок перехода — 3–6 месяцев. Это самый быстрый путь по времени: инструменты есть, контекст подтягивается. Порог входа здесь определяется не тем, сколько нужно выучить, а тем, насколько быстро удаётся набрать HR-кейсы в портфолио.

Третий сценарий — с нуля, без опыта ни в HR, ни в аналитике. Самый долгий путь, но не тупиковый. Рынок HR-аналитики в России дефицитный: junior-позиции появляются регулярно, и часть из них закрывается людьми без профильного бэкграунда. Критически важно здесь — собрать учебный проект с реальными данными: пет-проект на основе открытых датасетов или данных собственного HR-отдела — и иметь что показать на собеседовании. Диплом о переподготовке плюс живой дашборд убеждают работодателя сильнее, чем университетский диплом без единой метрики в портфолио.

Для всех трёх сценариев существует одна общая установка, которая тормозит переход на годы: «Сначала найду компанию, где уже есть культура данных». На практике это означает бесконечное ожидание идеального контекста, которого нет. HR-аналитика строится с нуля именно теми специалистами, которые приходят первыми и создают эту культуру сами. Компании, где данные уже работают, нанимают Middle и Senior. Junior-позиция почти всегда предполагает создание аналитики там, где её прежде не было.

Это не недостаток — это возможность. Первый HR-аналитик в компании получает влияние на процессы и карьерный рост, недоступный пятому члену уже сложившейся команды. Именно такие специалисты, по наблюдениям, переходят в Senior-роль быстрее всего: не потому что их больше учили, а потому что они строили систему с нуля и знают её изнутри.

Обязательного требования к диплому у большинства работодателей нет. Вакансии HR-аналитика формулируются через навыки — Excel, SQL, опыт работы с конкретными HRM-системами — а не через специальность в дипломе. Исключение — крупные государственные структуры, где требование высшего образования формально прописано в должностной инструкции.

На практике диплом о переподготовке плюс реальный проект с дашбордом и интерпретацией метрик убеждают сильнее, чем университетский диплом без практики. Это подтверждается логикой собеседований: тестовое задание дают практически везде, и оно важнее раздела «Образование» в резюме. Работодатель проверяет не то, где вы учились, а то, можете ли вы посчитать Cost per Hire и объяснить, почему он вырос.

Да, специальность хорошо ложится на дистанционный формат. Дашборды, отчёты и SQL-запросы передаются онлайн; очное присутствие требуется редко — exit-интервью, стратегические сессии с топ-менеджментом. Значительная часть вакансий HR-аналитика на hh.ru открыта в дистанционном или гибридном формате — особенно в IT-компаниях и финтехе.

Удалёнка типична для компаний с распределённой командой: если офисы расположены в нескольких городах, аналитик работает из любой точки. Для регионов это особенно важно — позиции с московской зарплатой доступны без переезда.

Это не стоп-фактор, а задача. С Excel и Google Sheets можно выстроить базовую аналитику с нуля: собрать данные из разрозненных источников, структурировать их, построить первые регулярные отчёты. Часть HR-аналитиков начинала именно в такой ситуации — и внедряла HRM-систему уже в процессе работы, когда руководство видело ценность аналитики в числах.

Отсутствие HRM-системы означает, что специалист становится первым, кто выстраивает учёт с нуля. Это добавляет нагрузку — и одновременно повышает ценность специалиста для компании. Системы 1С:ЗУП, Bitrix HR и отечественные HRM-платформы внедряются относительно быстро, если у команды уже есть понимание, какие данные нужно в них фиксировать.

HRBP (HR Business Partner) — стратегический партнёр бизнеса с широким кругом задач: от организационного дизайна до управления изменениями. HR-аналитик специализируется на цифрах: строит метрики, дашборды, модели. Разница ощутима в крупных компаниях, где роли разделены.

В среднем бизнесе эти функции часто совмещены: HRBP ведёт и партнёрство, и аналитику. Для входа в профессию это хорошая новость — аналитические компетенции повышают рыночную стоимость HRBP на 20–40%, и многие специалисты добавляют их именно для этого, не меняя формальной роли.

Для Junior и Middle — нет. Excel, SQL и один BI-инструмент закрывают большинство вакансий на этих уровнях. Python начинает требоваться там, где компания хочет строить предиктивные модели: прогнозы увольнений, автоматический анализ текстовых ответов в опросах, кластеризацию по профилям. Это уровень Senior и People Analytics команд в крупных организациях.

Если вы начинаете с нуля, Python — не первый приоритет. Гораздо полезнее сначала научиться делать хорошие регулярные отчёты в Excel, затем добавить SQL, затем собрать дашборд в Power BI или Yandex DataLens — и уже с этим багажом двигаться к автоматизации.

Нет смысла продавать «аналитику» как концепцию — это абстракция, которая не конвертируется в бюджет. Работает конкретная проблема с конкретными деньгами: «мы тратим приблизительно X рублей на найм в год, при этом 30% новых сотрудников уходят в первые шесть месяцев — давайте посчитаем, почему, и насколько дешевле было бы удержать их хотя бы на три месяца дольше».

Данные убеждают лучше концепций. Первый отчёт с реальными числами — стоимость найма, срок закрытия вакансий, текучесть по подразделениям — меняет разговор с «нам нужна аналитика» на «нам нужна эта конкретная цифра каждый квартал». После первого отчёта запрос на второй приходит без дополнительного убеждения.

Первый шаг — посчитать текучесть за последний год вручную. Взять список уволившихся из 1С или кадровой таблицы, разделить на среднесписочную численность за год, умножить на 100. Это уже HR-аналитика — и уже ценный результат, который можно показать руководителю.

Второй шаг — Time to Fill: взять закрытые вакансии и посчитать средний срок от открытия до выхода сотрудника. Третий — Cost per Hire: сложить затраты рекрутера в часах, рекламу и онбординг по одной-двум позициям. От простого к сложному, без HRM-системы и специализированного бюджета на инструменты — всё, что нужно для старта, это Excel и доступ к базовым кадровым данным.

Четвёртый шаг — eNPS. Коротким опросом в Google Forms или Яндекс Формах можно измерить лояльность сотрудников уже в первый месяц: один вопрос «По шкале от 0 до 10, насколько вы готовы рекомендовать компанию как работодателя?» и одно открытое поле «Почему именно эта оценка?». Десять ответов — уже устойчивый паттерн для интерпретации.

Эта связка из четырёх метрик — текучесть, Time to Fill, Cost per Hire и eNPS — покрывает 80% вопросов, которые руководство задаёт о персонале. Когда они регулярно появляются в дашборде, а не по отдельному запросу, HR-аналитика начинает восприниматься бизнесом как инфраструктура, а не разовая услуга. Следующий шаг после этого — автоматизация: SQL-запрос вместо ручной выгрузки и дашборд в Yandex DataLens вместо Excel-файла в почте.