L’analítica de dades en reclutament, també anomenada analítica de reclutament o de selecció, consisteix a fer servir les dades de contractació per decidir on buscar candidats, a quin ritme avançar, què oferir i a qui contractar. En lloc de basar-se en el costum o la intuïció, els equips d’adquisició de talent (TA) mesuren cada fase de l’embut, la comparen amb el mercat laboral extern i corregeixen la fase en què es perden candidats.
Aquesta disciplina està arribant als mateixos recruiters. L’anàlisi de TalentUp d’ofertes de feina de recruiters i d’adquisició de talent en deu països europeus mostra que el 12,0% demanava competències en dades, mètriques o analítica el gener–setembre del 2026, davant del 7,4% en el mateix període del 2024. Les mencions de mètriques de reclutament concretes, com el temps de contractació o les taxes de conversió, gairebé es van duplicar, del 5,2% al 9,0%.
Aquesta guia explica els quatre nivells de l’analítica de reclutament, les mètriques que val la pena seguir (amb fórmules), el que aporten les dades externes d’ofertes de feina, un pla pas a pas per crear aquesta capacitat i les normes de la UE sobre IA i transparència retributiva que ara condicionen com es poden fer servir les dades de contractació.
Punts clau
- L’analítica de reclutament combina les dades internes de l’embut (ATS, HRIS) amb dades externes de mercat sobre salaris i demanda.
- Sis mètriques cobreixen la majoria de necessitats: temps de contractació, temps de cobertura, font de contractació, conversió per fase, acceptació d’ofertes i cost per contractació; la qualitat de la contractació les vincula amb els resultats.
- Les ofertes de feina de recruiters a Europa demanen cada vegada més competències d’analítica: el 12,0% el 2026 davant del 7,4% el 2024 (dades de TalentUp).
- L’analítica d’ofertes només és tan bona com el teu benchmark salarial: el 2026 només al voltant del 38% de les ofertes de recruiters de la nostra mostra indicava el salari, i la pràctica varia molt segons el país.
- La IA utilitzada per filtrar o avaluar candidats és d’alt risc segons el Reglament d’IA de la UE; planifica la governança abans d’automatitzar.
Què és l’analítica de dades en reclutament?
L’analítica de reclutament és la recollida i l’anàlisi sistemàtiques de les dades de contractació per prendre millors decisions. Les dades provenen de tres fonts:
- El teu sistema de seguiment de candidats (ATS): sol·licituds de vacants, candidatures, moviments entre fases, entrevistes, ofertes i la font de cada candidat.
- El teu HRIS i les teves dades d’acompliment: el que va passar després de la contractació, com les avaluacions d’acompliment, el temps fins a assolir la plena productivitat, les promocions i la rotació primerenca.
- El mercat extern: volum d’ofertes de feina, salaris publicats, competències més demandades i com presenten les seves ofertes els competidors.
La majoria de les guies d’analítica de reclutament es queden en la primera font. La segona converteix les mètriques d’activitat en mètriques de qualitat, i la tercera et diu si un embut lent es deu al teu procés o simplement a un mercat tensionat.
La maduresa analítica sol avançar en quatre nivells:
| Nivell |
Pregunta que respon |
Resultats típics |
Dades necessàries |
| Descriptiu |
Què ha passat? |
Temps de contractació, candidatures per lloc, contractacions per font |
Dades de l’ATS netes |
| Diagnòstic |
Per què ha passat? |
Abandonament fase a fase, ofertes rebutjades per motiu, comparació amb els salaris de mercat |
ATS + dades d’ofertes + benchmarks salarials |
| Predictiu |
Què és probable que passi? |
Previsió de necessitats de contractació, temps de cobertura probable, risc de rotació primerenca |
Diversos anys d’històric, resultats de l’HRIS |
| Prescriptiu |
Què hauríem de fer? |
Assignació de pressupost per canal, rang d’oferta recomanat, vacants prioritzades |
Tot l’anterior més regles de decisió clares |
La majoria dels equips de RH obtenen el retorn més gran quan passen bé del nivell descriptiu al diagnòstic, molt abans de qualsevol model predictiu. Per a una visió més àmplia de com s’estan digitalitzant les funcions de RH, consulta la transformació digital de RH a Europa.
No necessites desenes de KPI. Aquestes set cobreixen tot l’embut i són fàcils de calcular a partir d’una exportació de l’ATS:
| Mètrica |
Fórmula |
Què et diu |
| Temps de contractació |
Data d’acceptació de l’oferta − data d’entrada del candidat al procés |
A quina velocitat avança el teu procés un cop trobes algú |
| Temps de cobertura |
Data d’acceptació de l’oferta − data d’obertura de la vacant |
Quant espera el negoci per cobrir el lloc; inclou el temps de cerca |
| Font de contractació |
Contractacions d’un canal ÷ total de contractacions |
Quins canals generen realment contractacions, no només candidatures |
| Taxa de conversió per fase |
Candidats que superen una fase ÷ candidats que hi entren |
On es perden candidats (cribratge, entrevista, oferta) |
| Taxa d’acceptació d’ofertes |
Ofertes acceptades ÷ ofertes fetes |
Si les teves ofertes (salari, condicions, rapidesa) són competitives |
| Cost per contractació |
(Costos de reclutament interns + externs) ÷ nombre de contractacions |
Eficiència de la despesa en canals i agències |
| Qualitat de la contractació |
Puntuació acordada a partir de l’acompliment, el temps fins a la plena productivitat i la retenció el primer any |
Si el procés selecciona persones que tenen èxit |
Tres regles pràctiques fan que aquestes xifres siguin útils:
- Segmenta abans de comparar. El temps de cobertura d’una enginyera sènior i el d’un operari de magatzem signifiquen coses diferents. Desglossa cada mètrica per família de llocs, nivell i país.
- Segueix tendències, no valors aïllats. Una taxa d’acceptació d’ofertes que cau durant dos trimestres és un senyal; un sol mes dolent normalment no ho és.
- Combina rapidesa i qualitat. Reduir el temps de contractació només és positiu si la qualitat de la contractació i la retenció el primer any es mantenen.
Què mostren les dades d’ofertes de TalentUp sobre el reclutament el 2026
TalentUp recull ofertes de feina de centenars de portals d’ocupació i pàgines de feina corporatives. Analitzar els llocs de recruiter i d’adquisició de talent en deu països europeus permet veure com està canviant la mateixa professió i què veuen els candidats quan comparen ofertes.
12,0%
de les ofertes de recruiters demanava competències en dades, mètriques o analítica el 2026 (7,4% el 2024)
9,0%
esmentava mètriques de reclutament concretes, com el temps de contractació o les taxes de conversió (5,2% el 2024)
~38%
de les ofertes de recruiters indicava un salari el 2026
Font: base de dades d'ofertes de feina de TalentUp, ofertes de recruiters i TA en 10 països europeus, gener–setembre del 2024 i del 2026.
| Competència o requisit esmentat a les ofertes de recruiters |
Gen–set 2024 |
Gen–set 2026 |
| Qualsevol requisit de dades, mètriques o analítica |
7,4% |
12,0% |
| Mètriques de reclutament (temps de contractació, cost per contractació, taxes de conversió, KPI de reclutament) |
5,2% |
9,0% |
| Reclutament «data-driven», anàlisi de dades de reclutament, people analytics |
4,8% |
7,4% |
| Reporting o dashboards |
12,2% |
12,5% |
| Eines d’IA per al reclutament (sourcing o cribratge amb IA, ChatGPT, IA generativa) |
0,8% |
2,2% |
| Excel |
7,9% |
5,7% |
| Eines de BI (Power BI, Tableau, Looker, SQL) |
0,3% |
0,7% |
Destaquen dos patrons. Primer, les empreses esperen cada vegada més que els recruiters es responsabilitzin de les xifres del seu embut: les ofertes demanen als candidats «fer el seguiment de KPI com el temps de contractació i les taxes de conversió» o «fer servir dades de l’embut i mètriques de contractació per detectar bloquejos». Segon, l’analítica que s’espera és específica de reclutament més que tècnica: les mencions d’eines de BI i SQL continuen per sota de l’1%, mentre que les mencions genèriques d’Excel han baixat. El que busquen les empreses és saber interpretar les dades de contractació i actuar-hi en conseqüència, no construir pipelines de dades.
Les ofertes de recruiters també han passat a representar una part més petita del total d’ofertes en aquests països: el 0,55% el gener–setembre del 2026, davant del 0,73% en el mateix període del 2024. Amb menys recruiters per vacant, creix la pressió per prioritzar amb dades. Per veure l’efecte en la contractació de perfils júnior, consulta per què les feines de nivell inicial a Europa són cada vegada més difícils de trobar.
Dades externes de mercat: la capa que falta a la majoria dels dashboards de TA
Les mètriques internes et diuen que alguna cosa no va bé; les dades externes sovint et diuen per què. Un temps de cobertura llarg pot deure’s a un procés lent o, simplement, al fet que tots els competidors estan contractant el mateix perfil. Una taxa d’acceptació d’ofertes baixa pot deure’s a decisions lentes o al fet que el teu rang salarial és per sota del que els candidats veuen en altres empreses.
La informació salarial n’és l’exemple més directe. A la mostra de TalentUp del 2026 d’ofertes de recruiters i TA, el percentatge que indicava el salari variava molt segons el país:
| País |
Ofertes de recruiters que indiquen el salari (gen–set 2026, aprox.) |
| Països Baixos |
~67% |
| Regne Unit |
~65% |
| França |
~34% |
| Espanya |
~20% |
| Alemanya |
~19% |
| Itàlia |
~18% |
| Portugal |
~16% |
On la majoria dels competidors publiquen rangs, els candidats comparen ofertes abans de presentar la candidatura, i un rang poc competitiu es tradueix en menys candidatures i més ofertes rebutjades, no en una queixa explícita. On pocs els publiquen, el teu propi rang pot esdevenir un factor diferencial. La nostra anàlisi de les ofertes de feina amb salari transparent ofereix la visió de conjunt del mercat.
Això està canviant per llei. Segons la Directiva de la UE sobre transparència retributiva (2023/970), el termini de transposició de la qual vencia el 7 de juny de 2026, les empreses han de comunicar als candidats el salari inicial o la banda salarial abans de l’entrevista i no poden preguntar pel seu historial salarial, a mesura que s’apliquin les lleis nacionals. Per això, l’analítica d’ofertes necessita rangs defensables i basats en el mercat abans d’obrir la vacant. Llegeix per què el benchmarking salarial és clau per complir la transparència retributiva de la UE o comença amb el benchmark salarial gratuït de transparència retributiva.
- Defineix primer les decisions. Enumera les 3–5 decisions que vols que es basin en dades, per exemple el pressupost per canal, els rangs d’oferta o la prioritat de les vacants. Cada mètrica ha de correspondre a una d’aquestes decisions.
- Neteja les dades de l’ATS. Fes que les fases, els motius de descart i les fonts siguin obligatoris i coherents. La majoria dels projectes d’analítica fracassen per camps buits o de text lliure, no per les eines.
- Acorda les definicions. Deixa per escrit com es calculen el temps de contractació, el temps de cobertura i el cost per contractació, perquè les xifres signifiquin el mateix a tots els països i informes.
- Construeix una línia de base descriptiva. Reporta mensualment les mètriques principals per família de llocs, nivell i país durant almenys dos trimestres abans de fixar objectius.
- Afegeix-hi context de mercat. Compara les teves ofertes amb dades salarials actuals per al mateix lloc, nivell i ubicació, i segueix la demanda dels teus perfils clau. La metodologia de TalentUp explica com es normalitzen els salaris de les ofertes de feina.
- Vincula la contractació amb els resultats. Creua els registres de l’ATS amb les dades de l’HRIS sobre acompliment i retenció el primer any per mesurar la qualitat de la contractació.
- Només aleshores planteja’t la predicció. Preveure el temps de cobertura o la rotació primerenca requereix diversos anys de dades coherents i una governança clara (consulta la secció següent).
- Forma els recruiters perquè facin servir les xifres. L’analítica només canvia les decisions si els recruiters i els hiring managers la saben interpretar. És justament el que demanen cada vegada més les ofertes de feina anteriors; consulta també per què la fluïdesa en IA a RH està transformant el futur del treball.
Analítica predictiva, IA i biaixos: què exigeixen les normes de la UE
Els models predictius i el cribratge amb IA prometen shortlists més ràpides, però els models entrenats amb decisions de contractació passades poden reproduir els biaixos del passat. A la UE s’apliquen ara diverses capes de regulació:
| Norma |
Què implica per a l’analítica de reclutament |
| Reglament d’IA de la UE (Reglament 2024/1689), annex III |
Els sistemes d’IA utilitzats per publicar ofertes de feina dirigides, analitzar i filtrar candidatures o avaluar candidats són d’alt risc. Amb les modificacions de l’Òmnibus d’IA, aprovades pel Parlament Europeu el 16 de juny de 2026, aquestes obligacions d’alt risc s’aplicaran a partir del 2 de desembre de 2027. |
| RGPD (Reglament 2016/679), article 22 |
Els candidats tenen dret a no ser objecte d’una decisió basada únicament en el tractament automatitzat que els afecti significativament, amb excepcions limitades. Mantén una persona en la decisió. |
| Directiva de transparència retributiva (2023/970) |
A mesura que s’apliquin les lleis nacionals: banda salarial abans de l’entrevista, prohibició de preguntar per l’historial salarial, denominacions de lloc neutres pel que fa al gènere i, per a empreses amb 100 o més persones treballadores, informe sobre la bretxa salarial de gènere (250 o més, cada any a partir del 7 de juny de 2027; 150–249, cada tres anys a partir del 7 de juny de 2027; 100–149, cada tres anys a partir del 7 de juny de 2031). Una bretxa no justificada del 5% o més que no es corregeixi en sis mesos obliga a fer una avaluació retributiva conjunta, i en els casos de discriminació retributiva la càrrega de la prova passa a l’empresa. |
Una bona governança no espera els terminis:
- Audita els resultats per grup. Compara les taxes de pas a cada fase per gènere i altres grups legalment rellevants; investiga les diferències importants.
- Documenta les variables. Coneix quines dades d’entrada fa servir un model o una eina i exclou-ne variables proxy com l’historial salarial.
- Mantén la responsabilitat en les persones. Fes servir les puntuacions per prioritzar, no per descartar automàticament.
- Informa els candidats. Explica quan i com es fan servir eines automatitzades en el teu procés.
Per a una visió més àmplia de la IA a tot RH, llegeix IA a RH: el futur dels recursos humans amb intel·ligència artificial.
Errors habituals en l’analítica de reclutament
| Error |
Per què surt malament |
Què fer en lloc d’això |
| Seguir totes les mètriques que ofereix l’ATS |
Dashboards que ningú llegeix; sense vincle amb les decisions |
Tria mètriques lligades a 3–5 decisions |
| Optimitzar només el temps de contractació |
Contractacions més ràpides que marxen el primer any |
Combina rapidesa amb qualitat de la contractació i rotació primerenca |
| Comparar mitjanes entre llocs i països |
Un efecte composició amaga problemes reals |
Segmenta per família de llocs, nivell i ubicació |
| Comparar ofertes amb enquestes antigues |
Els rangs queden per sota del mercat i es rebutgen ofertes |
Fes servir dades de mercat actuals per al mateix contingut de lloc |
| Automatitzar descarts amb un model no auditat |
Reprodueix biaixos; risc legal segons el RGPD i el Reglament d’IA |
Revisió humana, auditories de resultats per grup, documentació |
| Mesurar les fonts per candidatures |
Premia els canals que aporten volum, no contractacions |
Mesura contractacions i qualitat de la contractació per font |
L’analítica també necessita una estructura retributiva al darrere. Si les ofertes continuen fallant pel salari, revisa les teves bandes amb la nostra guia sobre com crear una bona banda salarial i l’equilibri entre salaris de mercat i equitat interna. Per al context salarial per país, consulta l’European Salary Benchmark Report.
Fonts