Модель зрелости HR-аналитики: на каком уровне ваша компания и что это стоит бизнесу

1. Анатомия модели

Суть

Модель зрелости HR-аналитики — диагностический фреймворк, предложенный Джошем Берсином (Bersin by Deloitte) в 2012–2013 годах. Описывает четыре стадии развития аналитической функции в HR: от разовых отчетов в Excel до прогнозной аналитики, встроенной в бизнес-решения.

Для бизнеса это ответ на вопрос: принимает ли компания кадровые решения на основе данных — или на основе интуиции, привычки и «здравого смысла» руководителя? И сколько стоит разница между первым и вторым.

Модель не привязана к конкретным инструментам. Power BI или Excel — не принципиально. Принципиально — какие вопросы HR способен задать данным и какие решения на их основе принимаются.

Четыре уровня

Уровень 1. Реактивная отчетность (Operational Reporting)

Данные собираются от случая к случаю. Отчеты делаются по запросу руководства — «посчитайте текучесть за квартал», «сколько людей наняли в этом месяце». Основной инструмент — Excel, данные часто хранятся в нескольких не связанных между собой файлах и системах. Единого глоссария метрик нет: текучесть считают по-разному в разных подразделениях. HR отвечает на вопрос «что произошло?» — и то с задержкой.

Уровень 2. Продвинутая отчетность (Advanced Reporting)

Данные собираются регулярно. Появляется единая платформа (1С:ЗУП, SAP SuccessFactors, Workday или хотя бы структурированная база). Формируется команда или выделенный специалист, отвечающий за аналитику. HR-дашборды обновляются ежемесячно или ежеквартально, метрики стандартизированы. Но фокус — на обслуживании нужд HR-отдела, а не бизнеса. HR отвечает на вопрос «что происходит?» — в режиме, близком к реальному времени.

Уровень 3. Стратегическая аналитика (Strategic Analytics)

Фокус аналитики смещается с HR-процессов на бизнес-цели. Данные интегрируются из нескольких источников: HRIS, финансовые системы, операционные данные. Применяется статистический анализ: корреляции, регрессии, сегментация. Результаты аналитики используются руководителями бизнес-подразделений, а не только HR. Компания отвечает на вопрос «почему это происходит?» — и начинает видеть связи между HR-практиками и бизнес-результатами.

Уровень 4. Предиктивная и прескриптивная аналитика (Predictive & Prescriptive Analytics)

HR-аналитика встроена в стратегическое планирование. Прогнозные модели предсказывают текучесть, потребность в найме, риски выгорания. Прескриптивная аналитика не только прогнозирует, но и предлагает конкретные действия: «если не повысить зарплату этой группе на 12% в течение квартала, вероятность ухода трех ключевых инженеров — 74%». HR отвечает на вопросы «что будет?» и «что делать?».

Как определить свой уровень

Не нужен сложный аудит. Достаточно честно ответить на пять вопросов.

Пример самодиагностики

Производственная компания, 800 сотрудников. HR-отдел — 6 человек, есть 1С:ЗУП. Текучесть считается ежеквартально, но по-разному в разных филиалах (где-то от конечной численности, где-то от ССЧ). Дашборд в Power BI создан год назад, обновляется вручную раз в месяц. CEO видел его дважды. Решения о повышении ФОТ принимаются на основе «ощущения, что люди уходят» и жалоб руководителей подразделений.

Результат: уровень 2 с элементами уровня 1. Инструмент есть, культура принятия решений на основе данных — нет.

Источники данных

Зрелость аналитики напрямую зависит от качества и интеграции источников:

• Уровень 1–2: HRIS (1С:ЗУП, SAP), табели, штатное расписание, Excel-файлы
• Уровень 3: + данные опросов вовлеченности, ATS (система управления кандидатами), stay/exit-интервью, финансовые данные (ФОТ, выручка)
• Уровень 4: + операционные данные (производительность, качество продукта), внешние данные (рынок труда, бенчмарки), данные ONA (анализ организационных сетей)

Частая проблема российских компаний: в среднем данные о персонале хранятся в 5–7 не связанных системах. Без интеграции переход на уровень 3+ невозможен.

Частота оценки

Ежегодно — стратегический пересмотр: где мы, куда двигаемся, какие инвестиции нужны

После значимых событий — внедрение новой HRIS, смена HRD, запуск программы трансформации HR

При формировании бюджета — обоснование инвестиций в аналитические инструменты и команду

Визуализация

2. Классификация

Связь с моделью HC Bridge

Модель зрелости — не отдельная метрика, а фреймворк, определяющий, с какими метриками компания способна работать:

На практике это означает: если компания на уровне 1–2, она физически не может измерить бизнес-эффект своих HR-инициатив. Не потому что эффекта нет — потому что нет инструментов его увидеть.

Характер фреймворка

Модель зрелости — диагностический инструмент, а не опережающий или запаздывающий индикатор. Она не предсказывает события и не фиксирует свершившиеся факты. Она определяет способность компании работать с любыми HR-метриками — от базовых до стратегических.

3. Бизнес-контекст

Влияние на деньги

Зрелость аналитики определяет качество кадровых решений. Качество решений определяет, сколько компания теряет или экономит.

Компании, получившие поддержку руководства для аналитических инициатив, показывают рост бизнес-результатов в 2,3 раза (Deloitte). При этом 42% проектов HR-аналитики проваливаются — чаще всего не из-за технологий, а из-за незрелой инфраструктуры данных и отсутствия связи аналитики с бизнес-задачами (Bersin, 2021).

Цена бездействия

По данным ЭКОПСИ (HR-метр, 2025), 75,6% российских компаний не измеряют эффективность работы по удержанию персонала. Это значит: деньги на удержание тратятся, но никто не знает, работают ли эти инвестиции.

Обзор Deloitte Россия (HR-тренды 2024) фиксирует: ответственность за развитие аналитики в HR часто не закреплена вовсе. Нет владельца — нет прогресса.

Между тем рынок HRtech в России растет: в первом полугодии 2025 года — 40,6 млрд ₽ (+12% к прошлому году, Smart Ranking). Компании покупают инструменты, но без зрелой аналитической культуры эти инструменты не окупаются.

Бизнес-кейс

Региональная IT-компания

IT-компании, представителю среднего бизнеса, нужно было выявить причины текучести персонала. На уровне 1 текучесть выглядела как «люди уходят по собственному желанию, нанимаем новых». Ответа на вопрос «почему уходят?» не было.

Была построена предиктивная модель (логистическая регрессия) на данных о сотрудниках. Модель выявила факторы, которые руководство не предполагало: наибольшему риску ухода подвергались молодые (до 30 лет), незамужние/холостые сотрудники, которые оценивали задачи как малоинтересные, а зарплату — на уровне или ниже рынка. При этом пол и место проживания, вопреки гипотезам, не оказывали значимого влияния.

В результате компания получила инструмент для прогнозирования риска ухода сотрудников и перечень действий, который помогает этого избежать. Также компания связала вознаграждение сотрудников с эффективностью их работы и скорректировала уровень оплаты труда со среднерыночным значением. Были сформированы карьерные траектории работников и разработан детальный план их обучения и ротации. Результат годового пилота: текучесть снизилась на 4%, а вовлеченность и удовлетворенность возросли, каждый процент снижения текучести сэкономил работодателю миллионы рублей в год.

Это переход с уровня 1 на уровень 4 — от «не знаем, почему уходят» до «знаем кто уйдет, почему, и что с этим делать».

4. Диагностика

Распределение компаний по уровням

Глобально

Доля компаний на уровне 4 удвоилась с 4% (2015) до 8% (2016) (Bersin by Deloitte). К 2024 году, по оценке Берсина, менее 10% компаний работают с аналитикой на стратегическом уровне.

Россия:

Точного распределения по уровням Берсина для российского рынка нет, но косвенные данные дают картину:

• Большинство компаний находятся на уровне 1 — Excel, отчеты по запросу, отсутствие единой базы (Аналитика Плюс, 2021)
• 75,6% компаний не измеряют эффективность программ удержания (ЭКОПСИ, HR-метр, 2025)
• Ответственность за HR-аналитику чаще всего не закреплена ни за кем (Deloitte Россия, HR-тренды 2024)
• До прескриптивной аналитики добрались единицы (Marksman / vc.ru, 2024)

Тревожные сигналы

Признаки, что зрелость аналитики не соответствует потребностям бизнеса:

• HR не может назвать стоимость текучести в рублях. Если на вопрос CEO «сколько нам стоит текучесть?» HR отвечает процентами, а не деньгами — аналитика не связана с бизнес-контекстом.
• Данные о персонале разбросаны по 2+ системам без интеграции. 1С:ЗУП, отдельный Excel с обучением, ATS для подбора, опросы в Google Forms — и ни одна система не «разговаривает» с другой.
• Дашборд существует, но им пользуется только HR-аналитик. Если руководители подразделений не открывают дашборд — это не инструмент, а украшение.
• Решения о найме и удержании принимаются на основе мнения руководителя. «Мне кажется, люди уходят из-за зарплаты» — без проверки данными.
• 90% увольнений в системе — «по собственному желанию». Формальная причина без классификации обнуляет аналитическую ценность данных.
• HR-аналитика отвечает только на вопрос «что было». Если после отчета никто не спрашивает «почему» и «что делать» — это отчетность, а не аналитика.

Ловушка данных

Обратная ситуация: HR-директор в компании из 200 человек ведет единственную таблицу в Excel — но каждый квартал показывает CEO разбивку текучести по менеджерам, с расчетом стоимости каждого ухода в рублях. CEO на основе этих данных дважды принял решение о замене руководителей подразделений. По формальным признакам — уровень 1. По влиянию на бизнес — ближе к уровню 3.

5. Действие

Рычаги перехода между уровнями

С уровня 1 на уровень 2:

• Стандартизировать расчет ключевых метрик (текучесть, стоимость найма, ССЧ — единая методика для всех подразделений)
• Создать единую базу данных о персонале (даже если это структурированный Excel с регулярным обновлением)
• Назначить ответственного за HR-аналитику (не обязательно отдельная ставка — но конкретный человек с конкретной задачей)
• Настроить регулярную отчетность: ежемесячные отчеты по 5–7 ключевым метрикам

С уровня 2 на уровень 3:

• Связать HR-метрики с бизнес-показателями: не просто «текучесть 20%», а «потери 48 млн ₽/год»
• Интегрировать данные из нескольких источников: HRIS + финансы + опросы вовлеченности
• Сделать руководителей подразделений потребителями аналитики (не HR готовит отчет «для себя», а бизнес заказывает ответ на свой вопрос)
• Добавить сегментацию: метрики не только по компании в целом, но по подразделениям, стажевым группам, менеджерам

С уровня 3 на уровень 4:

• Привлечь компетенции data science (внутренние или внешние)
• Построить первую предиктивную модель на конкретной бизнес-задаче (прогнозирование текучести — самый распространенный старт)
• Интегрировать аналитику в процесс принятия решений: не «отчет раз в квартал», а алерты в реальном времени
• Связать HR-данные с операционными: производительность, качество продукта, клиентская удовлетворенность

Кросс-аналитика

Сопоставьте уровень зрелости с точностью прогнозирования текучести

Посмотрите на разрыв между данными в HRIS и данными exit-интервью

Скрестите наличие дашбордов с частотой обращений к ним руководителями

Сопоставьте инвестиции в HR-инструменты с долей решений, принятых на основе данных

Связанные метрики

Текучесть персонала (Turnover Rate) — базовая метрика, которую считают на всех уровнях зрелости, но интерпретируют по-разному: на уровне 1 — общая цифра, на уровне 4 — сегментированный прогноз с оценкой стоимости.

eNPS (Employee Net Promoter Score) — появляется в арсенале компании на уровне 2–3. На уровне 4 используется как входная переменная предиктивных моделей.

Стоимость найма (Cost per Hire) — метрика Эффективности, типичная для уровней 1–2. На уровне 3+ дополняется оценкой качества найма.

Выручка на сотрудника (Revenue per Employee) — метрика Влияния, доступная на уровне 3–4, где HR-данные интегрированы с финансовыми.

Индекс вовлеченности (Engagement Score) — метрика Действенности, характерная для уровня 2–3. На уровне 4 используется для прогнозирования производительности и текучести.

ROI HR-инициатив — расчет возврата инвестиций в конкретные HR-программы. Требует данных уровня 4: связь затрат на HR-инициативу с измеримым бизнес-результатом.

6. Типичные ошибки

Считать наличие дашборда признаком зрелости. Инструмент без культуры принятия решений на основе данных — расход, а не инвестиция. Если дашборд обновляется, но никто не меняет решения на его основе — компания на уровне 1 с дорогой оберткой уровня 2.

Начинать с предиктивной аналитики, не наведя порядок в данных. Частая ситуация: компания хочет «прогнозировать текучесть с помощью ИИ», но не может корректно посчитать текущую текучесть, потому что данные о причинах увольнений не классифицированы. Предиктивная модель на грязных данных дает грязные прогнозы.

Держать аналитику внутри HR, не выходя на бизнес-контекст. Если HR считает метрики для HR — это самообслуживание, а не стратегическая функция. Переход на уровень 3 начинается в момент, когда заказчиком аналитики становится бизнес: CEO, руководители подразделений, CFO.

Не назначать ответственного за HR-аналитику. По данным обзора Deloitte Россия, ответственность за аналитику в HR часто не закреплена вовсе. Без владельца процесс не развивается — аналитика остается «факультативом».

Копировать чужие метрики без привязки к бизнес-задачам. «Все считают eNPS — и мы будем» — без ответа на вопрос, зачем. Метрика без бизнес-вопроса — цифра без смысла.

Повысить уровень зрелости HR-аналитики в вашей компании - > напишите нам. Мы проведем диагностику, согласуем план действий

Источники:

Берсин Д., 4-уровневая модель зрелости HR-аналитики, 2012–2013 https://joshbersin.com/definitive-guide-to-people-analytics/

Harbinger Group, опрос 435 компаний по модели зрелости Берсина (распределение по уровням) https://www.harbingergroup.com/blogs/assess-your-organizations-people-analytics-maturity-level/

Bersin by Deloitte, рост доли компаний на уровне 4 с 4% до 8%, 2016 https://www.cornerstoneondemand.com/resources/article/four-stages-workforce-analytics-what-level-are-you-infographic/

Берсин Д., менее 10% компаний работают с аналитикой на стратегическом уровне, 2024 https://joshbersin.com/podcast/people-analytics-the-next-big-step-has-arrived-get-ready/

Rigamonti E., Gastaldi L., Corso M., 42% проектов HR-аналитики проваливаются (Bersin, 2021), Management Decision, 2024 https://www.emerald.com/md/article/62/13/243/1219722/Measuring-HR-analytics-maturity-supporting-the

HR-analytics-trends.com, компании с поддержкой руководства показывают 2,3× рост результатов (Deloitte) https://www.hr-analytics-trends.com/blog/understanding-the-hr-analytics-maturity-model

ЭКОПСИ, HR-метр 2025: 75,6% компаний не измеряют эффективность удержания https://www.ecopsy.ru/insights/hrmetr-2025-chto-pomenyalos-v-upravlenii-personalom/

Deloitte Россия, обзор HR-тренды 2024: низкий уровень зрелости аналитики https://insights.delret.ru/research/hr-trends-2024

Smart Ranking, рынок HRtech в I полугодии 2025 — 40,6 млрд ₽ (+12%) https://smartranking.ru/ru/analytics/hrtech/v-i-polugodii-2025-goda-rynok-hrtech-vyros-na-12-do-406-mlrd-rublej-odnako-tempy-rosta-ostayutsya/

Аналитика Плюс, большинство российских компаний на уровне 1 модели Берсина, 2021 https://analytikaplus.ru/dzhosh-bersin-model-hr-analitiki/

Marksman / vc.ru, уровни зрелости HR-аналитики в России, 2024 https://vc.ru/hr/1460238-hr-analitika-klyuchevye-fokusy-2025

IBS, кейс предиктивной HR-аналитики: https://ibs.ru/media/media/prediktivnaya-analitika-v-hr-modno-ili-prosto-naprosto-neobkhodimo/

hh.ru, уровни зрелости HR-аналитики (Bersin by Deloitte) https://hh.ru/article/501212

AIHR, HR Analytics Maturity Model, 2025 https://www.aihr.com/blog/hr-analytics-maturity/