Существует огромная вариация графиков. В данной статье я предлагаю остановится на одном из графиков, который создан для управления вниманием. Тепловая карта относится к таким графикам, потому что она экономит самое дефицитное - время читателя и его когнитивный ресурс. Когда у руководителя нет потребности изучать все данные, а требуется понять, где живёт проблема, ему достаточно 5 секунд чтобы изучить тепловую карту. В этом смысле heatmap - это не украшение для презентации, а способ быстро посмотреть на ситуацию: вот здесь краснеет, значит сюда и смотрим, и здесь изучаем что к чему.
Что именно она показывает
Тепловая карта особенно полезна там, где есть две оси сравнения и одна ключевая метрика, которую нужно видеть в разрезах одновременно. Это может быть подразделения + месяцы, профессии + этапы, регионы + показатели. В таблице ты увидишь только числа и будешь читать по строкам, а мозг будет уставать от сравнения. В тепловой карте сравнение происходит почти автоматически, потому что цвет читается быстрее, чем числа, и ты видишь паттерн целиком: не то что в марте было 25, а март для ИТ - красный, не в июне у продаж 15, а у продаж в июне рост.
Здесь как раз заложен управленческий смысл: ты начинаешь различать, что болит всегда (то есть системная история), что болит лишь иногда (какой-то инцидент, смена процесса, провал в SLA), а что болит только у конкретных сегментов (локальный управленческий контур, конкретный этап, конкретная команда).
Где чаще всего heatmap превращается в красивый ковёр
Самая частая ошибка - сделать тепловую карту по абсолютным значениям и удивляться, что одна строка всегда красная. Например, если ты рисуешь time-to-fill по отделам подбора, то ИТ отдел почти всегда будет краснее отдела массового подбора просто потому, что это разные рынки и разные профили, так heatmap тогда ничего не диагностирует, она лишь повторяет банальность: "в ИТ подбор идет дольше". В таких случаях важно не нарисовать данные, а сначала решить, что ты сравниваешь. Для этого heatmap есть нормализация.
Очень часто правильная heatmap - это не про сколько дней длился процесс, а насколько мы отклонились от нормы этого процесса. То есть не абсолютное значение, а отклонение от цели, от SLA, от медианы или от базового уровня. В таком случае красный цвет начинает значить не в целом плохо, а выше допустимого, и разговор резко меняется. Он становится не про интерпретации и оправдания, а про действия: где разница относительно цели максимальна и почему.
HR-кейс, где тепловая карта реально помогает рассмотреть проблему
Возьмём типичную историю: бизнес говорит, что в ИТ вакансии закрываются слишком долго, и просит посмотреть аналитику. Если ты принесёшь среднее время закрытия вакансий по подразделениям, ты почти гарантированно получишь тот самый разговор рынок сложный, профиль дорогой, кандидатов мало - тут можно спорить бесконечно. А вот если ты вместо этого сделаешь тепловую карту подразделения + месяцы и покажешь не time-to-fill, а отклонение от SLA, то может выясниться более интересная особенность: где именно это стало проблемой, это происходит постоянно или вспышками, есть ли похожие всплески у других подразделений, и как это связано с изменениями процесса.
Иногда на такой карте неожиданно всплывает, что ИТ в красной зоне не всегда, а в конкретные периоды, когда изменили согласование или добавили какой-нибудь дополнительный этап. Иногда всплывает, что продажи имеют отдельные красные месяцы, просто об этом никто не говорил, потому что в среднем всё нормально. И это ключевой эффект - heatmap возвращает разговор к управлению: что именно менялось в те периоды, где можно найти рычаг, и как зафиксировать улучшение.
Как сделать так, чтобы heatmap работала как инструмент управления
Сильная тепловая карта - это та, у которой есть конкретный смысл шкалы. Если ты показываешь дни относительно SLA, человек сразу понимает, укладываемся ли мы в SLA или же нет. И тогда heatmap становится не картинкой, а коротким ответом на вопрос: где подбор нарушает сроки. Дальше можно уже спокойно разбирать причины по этапам, по конкретным командам или по регламенту, но первая диагностика у тебя уже сделана в одной картинке.
Если хочется совсем простую проверку качества, то она такая: после просмотра heatmap у читателя должен появиться не вопрос а что это значит, а вопрос почему это здесь и что мы можем сделать. Если вместо этого человек говорит красиво, но дальше в рассуждениях не движется - значит, ты скорее все показал абсолюты там, где нужны отклонения, либо не задал цель, относительно которой картинка читается.
Вывод 🎯
Тепловая карта - это способ за одну картинку показать не то как устроены данные, а где находится потенциальная проблема, насколько она системна и где искать рычаг воздействия. Она особенно сильна в HR-историях, где спор легко уходит в рынок сложный, потому что heatmap возвращает фокус к процессу и к цели: что у нас выходит за SLA, когда именно и насколько. И если ты один раз сделаешь такую визуализацию правильно, то потом её начинают ждать на регулярной основе, потому что это редкий случай, когда график действительно экономит время и превращает обсуждение в управление.
Я регулярно разбираю такие темы в своём Telegram-канале, если вам интересно глубже понимать аналитику и работать с данными, там регулярно выходят короткие заметки и практические примеры.