> Melhoria contínua de processos > Recrutamento e aquisição de talentos > Greenhouse > Template de dados

Seu Template de dados de recrutamento e aquisição de talentos

Greenhouse

Atributos de recrutamento e aquisição de talentos (21) Atividades de recrutamento e aquisição de talentos (14) Guias de extração (3)

Seu Template de dados de recrutamento e aquisição de talentos

Este Template orienta você na coleta dos dados certos para analisar o processo de recrutamento e aquisição de talentos. Ele apresenta os atributos essenciais que você precisa acompanhar, as principais atividades a registrar e instruções claras para extrair essas informações do Greenhouse. Com este Template, você terá a base de dados necessária para uma análise de processos que gere insights.

Atributos recomendados para coletar
Principais atividades para acompanhar
Orientações para extração

Novidade em Event Logs? Saiba como criar um Event Log para Process Mining.

Baixar Template

Atributos de recrutamento e aquisição de talentos

Estes são os campos de dados recomendados para incluir no Event Log e analisar de forma abrangente seu processo de recrutamento e aquisição de talentos no Greenhouse.

5 Obrigatório 6 Recomendado 10 Opcional

	Nome	Descrição
	Candidatura à vaga JobApplicationId	Identificador exclusivo da candidatura de uma pessoa a uma vaga específica.
Descrição O ID da candidatura à vaga é a base da análise do processo seletivo, pois funciona como identificador exclusivo do caso. Ele conecta todas as atividades relacionadas, desde o envio inicial e a triagem até as entrevistas, as ofertas e a decisão final de contratação. Assim, é possível acompanhar toda a jornada de cada candidato, do início ao fim. Em Process Mining, esse atributo é usado para reconstruir o caminho exato percorrido por cada candidato no processo seletivo. Com ele, você pode analisar as variantes do processo, os tempos de ciclo por candidatura e os pontos de desistência, obtendo uma visão clara de todo o ciclo de recrutamento de cada pessoa. Por que isso importa Esse é o ID do caso essencial para conectar todos os eventos de recrutamento de uma candidatura e analisar toda a jornada de contratação, do início ao fim. Onde encontrar Em geral, essa é a chave primária de um objeto de candidatura. Consulte a documentação da API do Greenhouse para o endpoint 'Applications', geralmente identificado como 'id' ou 'application_id'. Exemplos 987654321098765432119876543212
	Data e hora da atividade ActivityTimestamp	Data e hora exatas em que a atividade de recrutamento ocorreu.
Descrição A data e hora da atividade indicam o momento exato em que um evento ocorreu no processo seletivo. Elas são a base temporal de todas as análises de performance e duração, além de estabelecer a ordem cronológica das atividades de cada candidatura. Esse dado é essencial para calcular KPIs relacionados ao tempo, como tempo para contratação, tempo de ciclo do agendamento de entrevistas e tempo de retorno do feedback da entrevista. Ao analisar o tempo entre as atividades, as organizações podem medir a eficiência, identificar atrasos e monitorar o cumprimento dos acordos de nível de serviço. Isso dá suporte direto a Dashboards voltados à performance e aos gargalos. Por que isso importa Essa data e hora são essenciais para ordenar os eventos, calcular tempos de ciclo e analisar a performance do processo seletivo. Onde encontrar Esse dado aparece em vários objetos do Greenhouse, como 'applied_at' no objeto Application, 'created_at' nos objetos Offer ou datas e horas nos feeds de atividade e registros de auditoria. Exemplos 2023-10-26T10:00:00Z2023-10-27T14:35:10Z2023-11-05T09:15:00Z
	Nome da atividade ActivityName	Nome da atividade ou etapa específica de recrutamento que ocorreu.
Descrição Esse atributo registra o nome de cada evento do processo seletivo, como 'Application Received', 'Interview Scheduled' ou 'Offer Accepted'. A sequência desses eventos forma o mapa do processo. Analisar a sequência e a frequência dessas atividades é fundamental para Process Mining. Isso ajuda a visualizar o funil de recrutamento, identificar os caminhos mais comuns, detectar desvios do fluxo de trabalho padrão e localizar gargalos onde o processo fica parado. Por exemplo, permite acompanhar quantas candidaturas avançam de 'Application Reviewed' para 'Recruiter Screen Conducted'. Por que isso importa Esse atributo define as etapas do processo seletivo, permitindo visualizar o fluxo do processo e identificar gargalos e desvios. Onde encontrar Esse dado costuma ser obtido a partir de mudanças nas etapas da candidatura, status de entrevistas, eventos de oferta ou outras ações auditáveis no Greenhouse. Talvez seja necessário aplicar uma lógica para converter os eventos do sistema em nomes de atividades padronizados. Exemplos Candidatura analisadaEntrevista realizadaProposta aceitaCandidatura rejeitada
	Sistema de origem SourceSystem	Identifica o sistema de registro de onde os dados foram extraídos.
Descrição Esse atributo indica a origem dos dados de recrutamento. Neste processo, o valor seria sempre 'Greenhouse'. Embora pareça um dado estático, registrar explicitamente o sistema de origem é essencial para a governança de dados, a solução de problemas e situações em que os dados podem ser enriquecidos com informações de outros sistemas, como um sistema de RH (HRIS). Isso esclarece a procedência dos dados e ajuda a manter sua integridade em toda a organização. Por que isso importa Garante clareza sobre a procedência dos dados, essencial para a governança, a validação e o gerenciamento de dados de várias fontes. Onde encontrar Esse é um valor estático, que deve ser adicionado durante a extração e transformação dos dados para identificar sua origem. Exemplos Greenhouse
	Última atualização dos dados LastDataUpdate	Data e hora que indicam quando os dados deste evento foram atualizados ou extraídos pela última vez.
Descrição Esse atributo registra a data e a hora da última extração dos dados do sistema de origem. É um campo de metadados que indica o nível de atualização dos dados no modelo de Process Mining. Essa informação ajuda você a entender o quanto a análise está atualizada. Ela permite alinhar as expectativas sobre a latência dos dados e é essencial para validar se o pipeline de dados está sendo executado conforme o cronograma. Por exemplo, se a 'Última atualização dos dados' ocorreu há vários dias, você sabe que os Dashboards não refletem as atividades de recrutamento mais recentes. Por que isso importa Indica o nível de atualização dos dados e ajuda a entender se a análise reflete o estado mais recente do processo. Onde encontrar Essa data e hora são geradas e registradas no conjunto de dados durante o processo de extração, transformação e carregamento (ETL). Exemplos 2023-11-20T02:00:00Z2023-11-21T02:00:00Z2023-11-22T02:00:00Z
	Departamento da vaga JobDepartment	Departamento ou unidade de negócio para a qual a vaga está sendo preenchida.
Descrição Esse atributo especifica o departamento da organização, como 'Engenharia', 'Marketing' ou 'Vendas', associado à requisição da vaga. Ele permite agrupar e comparar métricas de recrutamento entre diferentes áreas da empresa. Segmentar a análise por departamento é essencial para Dashboards como 'Performance do tempo para contratação' e 'Tendências da taxa de aceite de ofertas'. Isso ajuda a identificar se determinados departamentos têm ciclos de contratação mais longos, taxas mais altas de rejeição de ofertas ou níveis diferentes de conformidade do processo. Esses insights permitem direcionar ações e melhorias de acordo com as necessidades de cada departamento. Por que isso importa Permite comparar a performance do recrutamento e as variações do processo entre departamentos, revelando problemas sistêmicos ou boas práticas. Onde encontrar Geralmente disponível como campo padrão ou personalizado no objeto Job do Greenhouse. Pode ser encontrado na seção 'departments' de um registro Job pela API. Exemplos EngenhariaGestão de produtosVendasMarketing
	Nome do recrutador RecruiterName	Nome do recrutador responsável por gerenciar a candidatura à vaga.
Descrição Esse atributo identifica o recrutador responsável por uma candidatura ou requisição específica. Em geral, essa pessoa faz a triagem, coordena as entrevistas e acompanha o candidato ao longo do processo. Analisar o processo por recrutador é essencial para entender a performance individual e a distribuição da carga de trabalho. O Dashboard 'Carga de trabalho e eficiência dos recrutadores' usa esse atributo para calcular métricas como volume de candidaturas processadas e tempos de ciclo por recrutador. Ele ajuda a identificar quem tem melhor performance, quem pode precisar de mais apoio e como equilibrar a carga de trabalho da equipe de aquisição de talentos. Por que isso importa Associa as atividades do processo a um recrutador específico, permitindo analisar a performance individual, a carga de trabalho e a eficiência. Onde encontrar Disponível no objeto Job do Greenhouse, geralmente na seção 'hiring_team', que especifica funções como 'Recruiter'. Exemplos Alice JohnsonRobert DavisMaria Garcia
	Origem da candidatura ApplicationSource	Canal pelo qual a candidatura do candidato foi recebida.
Descrição Esse atributo acompanha a origem de uma candidatura, por exemplo, 'LinkedIn', 'Indicação de funcionário', 'Site da empresa' ou 'Indeed'. Ele oferece insights sobre a eficácia dos diferentes canais de recrutamento. O Dashboard 'Eficácia dos canais de recrutamento' é inteiramente baseado nesse atributo. Ao analisar o volume de candidaturas, o tempo para contratação e as taxas de contratação por origem, as organizações podem otimizar os investimentos e esforços em marketing de recrutamento. Esses dados ajudam a responder a questões estratégicas sobre quais canais atraem candidatos de melhor qualidade com mais eficiência e dão suporte direto ao KPI 'Taxa de conversão dos canais de recrutamento'. Por que isso importa Ajuda a medir a eficácia e o ROI dos diferentes canais de recrutamento, permitindo decisões fundamentadas sobre onde investir os esforços de busca por candidatos. Onde encontrar Disponível no objeto Candidate do Greenhouse, vinculado ao objeto Application. O campo 'source' fornece essa informação. Exemplos LinkedInIndicação de funcionárioPágina de carreiras da empresaIndeed
	Status da candidatura ApplicationStatus	Resultado final ou estado atual da candidatura à vaga.
Descrição Esse atributo indica a situação da candidatura, como 'Hired', 'Rejected' ou 'Active'. Ele representa o estado final de um processo concluído ou o estado atual de um processo em andamento. Esse é um aspecto essencial para a análise de resultados. Ele permite filtrar os casos e comparar os caminhos percorridos por candidatos contratados e rejeitados, o que pode revelar características das jornadas bem-sucedidas. Também é usado para calcular taxas de conversão no Dashboard 'Funil geral de recrutamento', mostrando qual porcentagem das candidaturas resulta em contratação. Por que isso importa Define o resultado do processo seletivo e permite comparar as jornadas de candidatos contratados e rejeitados. Onde encontrar Essa informação está no objeto Application do Greenhouse e pode ser acessada pelo campo 'status' da API. Exemplos ContratadoRejeitadaAtivo
	Status da oferta OfferStatus	Status atual de uma oferta de emprego apresentada a um candidato.
Descrição Esse atributo acompanha o estado de uma oferta de emprego, com valores como 'Created', 'Extended', 'Accepted' ou 'Rejected'. É um indicador importante das etapas finais do processo seletivo. Esse atributo é essencial para o Dashboard 'Tendências da taxa de aceite de ofertas' e para o KPI correspondente. Ao acompanhar a progressão de 'Offer Extended' para 'Offer Accepted' ou 'Offer Rejected', as empresas podem medir sua capacidade de concluir a contratação. Analisar esses dados por departamento ou título da vaga pode revelar insights sobre a competitividade da remuneração, a experiência do candidato e outros fatores que influenciam sua decisão. Por que isso importa Acompanha o resultado das ofertas de emprego, essencial para calcular o KPI da taxa de aceite de ofertas e entender como melhorá-la. Onde encontrar Disponível no objeto Offer do Greenhouse, vinculado a uma candidatura. O campo 'status' fornece essa informação. Exemplos AceitaRejeitadaEnviadaCriada
	Título da vaga JobTitle	Título da vaga à qual o candidato se inscreveu.
Descrição Esse atributo contém o título oficial da requisição da vaga, como 'Engenheiro de software sênior' ou 'Gerente de marketing de produto'. Ele fornece um contexto essencial sobre a função que está sendo preenchida. Analisar os processos seletivos por título da vaga é fundamental para entender os desafios específicos de cada função. Por exemplo, o Dashboard 'Performance do tempo para contratação' usa esse atributo para mostrar se vagas seniores ou altamente especializadas demoram mais para ser preenchidas. Ele também ajuda a analisar as taxas de aceite de ofertas por vaga, revelando insights sobre a competitividade da remuneração ou a atratividade da função. Por que isso importa Permite filtrar e comparar métricas de recrutamento por função, ajudando a entender como a complexidade ou o tipo da vaga afeta a performance do processo. Onde encontrar Esse é um campo principal do objeto Job no Greenhouse, geralmente disponível como 'name' nas consultas ao endpoint 'jobs' pela API. Exemplos Engenheiro de software sêniorExecutivo de contasDesigner de UX/UI
	Data e hora de término da atividade ActivityEndTime	Data e hora que indicam quando uma atividade com duração foi concluída.
Descrição Esse atributo registra o horário de conclusão de atividades que se estendem por um período, como uma entrevista ou uma verificação de antecedentes. Embora muitas atividades sejam instantâneas, aquelas com duração mensurável se beneficiam do registro dos horários de início e término. O horário de término é essencial para calcular com precisão o tempo de processamento ou a duração de atividades específicas. Isso ajuda a diferenciar o tempo de espera entre etapas do tempo efetivamente dedicado a uma tarefa. Por exemplo, permite analisar com mais precisão quanto tempo as entrevistas realmente duram, em comparação com o tempo necessário para agendá-las. Por que isso importa Permite calcular com precisão o tempo de processamento das atividades e diferenciar o tempo de trabalho ativo do tempo de espera no processo. Onde encontrar Essa informação pode estar disponível em objetos como 'scheduled_interview' no Greenhouse, que geralmente incluem os horários de 'start' e 'end'. Para outras atividades, talvez seja necessário inferi-la a partir da data e hora da atividade seguinte. Exemplos 2023-10-27T15:35:10Z2023-11-05T10:15:00Z2023-11-10T11:00:00Z
	É automatizada IsAutomated	Indicador que informa se uma atividade foi executada automaticamente pelo sistema.
Descrição Esse atributo booleano indica se uma atividade foi executada por uma pessoa ou por uma regra automatizada do sistema. Entre os exemplos de atividades automatizadas estão o envio de e-mails de resposta automática e a rejeição automática de candidatos que não passam em uma pergunta básica da triagem. Analisar esse atributo ajuda a entender o nível de automação do processo seletivo. Ele pode ser usado para comparar a eficiência e os resultados das etapas automatizadas e manuais, além de identificar oportunidades para ampliar a automação e melhorar a velocidade e a consistência. Por que isso importa Ajuda a diferenciar atividades manuais e automatizadas e permite analisar o impacto da automação na eficiência e nos resultados do processo. Onde encontrar Essa informação não é um campo padrão e geralmente precisa ser derivada. Ela pode ser inferida a partir do usuário associado a uma atividade, como um usuário 'System', ou de tipos de evento específicos que se sabe serem automatizados. Exemplos truefalse
	Está em conformidade IsCompliant	Indicador calculado que informa se a candidatura seguiu o processo seletivo padrão definido.
Descrição Esse atributo booleano é resultado de uma verificação de conformidade, que compara a sequência real de atividades de uma candidatura com um modelo de processo ideal predefinido. Ele sinaliza casos que tiveram desvios, como a omissão de etapas obrigatórias ou a execução de atividades fora de ordem. Esse é um atributo central para o Dashboard 'Desvios de conformidade no recrutamento' e dá suporte aos KPIs 'Taxa de conformidade do processo' e 'Número de violações de conformidade'. Ao filtrar os casos em não conformidade, as organizações podem investigar os motivos dos desvios, como treinamento insuficiente, limitações do sistema ou exceções necessárias. Isso ajuda a padronizar os fluxos de trabalho e reduzir riscos de conformidade. Por que isso importa Identifica desvios do processo, essenciais para medir a conformidade, garantir o cumprimento dos requisitos e padronizar os fluxos de trabalho de contratação. Onde encontrar Esse é um campo calculado pelo software de Process Mining. Ele compara os dados do Event Log com um modelo-alvo definido ou um conjunto de regras de negócio. Exemplos truefalse
	Etapa da entrevista InterviewStageName	Nome ou tipo específico da etapa da entrevista.
Descrição Esse atributo especifica uma etapa específica do processo geral de entrevistas, como 'Triagem com o recrutador', 'Entrevista técnica' ou 'Etapa final'. Ele oferece mais detalhes do que uma atividade genérica como 'Entrevista concluída'. Ao analisar métricas de cada etapa da entrevista, as organizações podem localizar gargalos com mais precisão. Por exemplo, você pode medir a 'Taxa de desistência de candidatos por etapa' e identificar se os candidatos costumam desistir após a entrevista técnica ou a triagem inicial. Esse nível de detalhe é essencial para fazer melhorias direcionadas na experiência da entrevista. Por que isso importa Oferece uma visão mais detalhada do processo de entrevistas e permite analisar os tempos de ciclo e as taxas de desistência em cada etapa. Onde encontrar Essa informação faz parte dos dados de agendamento de entrevistas no Greenhouse. O objeto 'interviews' de uma candidatura contém detalhes sobre a etapa da entrevista. Exemplos Triagem com o recrutadorEntrevista com o gestor da vagaAvaliação técnicaEtapa final presencial
	ID da vaga JobId	Identificador exclusivo da requisição ou publicação da vaga.
Descrição Esse atributo é o ID exclusivo da vaga, diferente do ID da candidatura. Várias candidaturas podem estar vinculadas ao mesmo ID da vaga. O ID da vaga permite agrupar os dados por requisição. Por exemplo, é possível analisar o total de candidaturas recebidas para uma vaga específica ou o tempo médio para contratação em vagas semelhantes. Assim, você pode agrupar e analisar os esforços de recrutamento relacionados a uma única vaga aberta. Por que isso importa Permite reunir e analisar todos os dados de candidatos relacionados a uma única vaga, oferecendo uma visão centrada na requisição. Onde encontrar Esta é a chave primária de um registro de vaga no Greenhouse, disponível como 'id' no objeto Job pela API. Exemplos 400123400124400125
	ID do candidato CandidateId	Identificador exclusivo do candidato, independente de qualquer candidatura específica.
Descrição O ID do candidato identifica uma pessoa no banco de talentos, enquanto o ID da candidatura à vaga se refere a uma candidatura específica para uma vaga. Uma pessoa pode se candidatar a várias vagas ao longo do tempo. Embora o ID da candidatura à vaga funcione como ID do caso nesta visão do processo, o ID do candidato permite outro tipo de análise. Ele pode ser usado para acompanhar a jornada de uma pessoa em várias candidaturas, identificar quem se candidata com frequência e analisar o relacionamento geral com o banco de talentos. Assim, você tem uma visão dos dados de recrutamento centrada na pessoa. Por que isso importa Permite analisar várias candidaturas da mesma pessoa e oferece uma visão mais ampla do engajamento dos candidatos ao longo do tempo. Onde encontrar Essa é a chave primária de um registro de candidato no Greenhouse, disponível como 'id' no objeto Candidate pela API. Exemplos 123456123457123458
	Motivo da rejeição RejectionReason	Motivo informado para rejeitar a candidatura de um candidato.
Descrição Esse atributo registra o motivo específico pelo qual o candidato não avançou no processo. Alguns exemplos são 'Não se encaixa na cultura da empresa', 'Expectativa salarial muito alta' ou 'Candidato mais qualificado'. Analisar os motivos de rejeição oferece feedback valioso sobre o processo seletivo. Isso pode revelar problemas como descrições de vaga desalinhadas, remuneração pouco competitiva ou lacunas recorrentes de habilidades entre os candidatos. Essa informação é especialmente útil para aprimorar as estratégias de busca por candidatos e melhorar a experiência deles, identificando os pontos em que o funil de contratação costuma falhar. Por que isso importa Oferece insights qualitativos sobre os motivos pelos quais candidatos saem do funil, ajudando a aprimorar descrições de vagas, estratégias de busca e critérios de triagem. Onde encontrar Disponível no objeto Application quando a candidatura é rejeitada. A API fornece um objeto 'rejection_reason' com os detalhes. Exemplos Não tinha as habilidades necessáriasExpectativa salarial muito altaCandidato mais qualificado selecionado
	Nome do gestor da vaga HiringManagerName	Nome do gestor responsável pela requisição da vaga.
Descrição Esse atributo identifica o gestor da equipe que tem a vaga aberta. O gestor da vaga é uma parte interessada importante no processo e costuma participar da análise de candidatos, das entrevistas nas etapas finais e da decisão de contratação. Analisar o processo por gestor da vaga pode revelar padrões e gargalos importantes. Por exemplo, o Dashboard 'Gargalos no agendamento de entrevistas' pode mostrar que atrasos estão frequentemente associados à disponibilidade de determinados gestores. Isso ajuda a identificar necessidades de treinamento ou apoio para que os gestores participem do processo seletivo com eficiência. Por que isso importa Identifica uma parte interessada importante e permite analisar gargalos ou ganhos de eficiência relacionados a gestores específicos. Onde encontrar Disponível no objeto Job do Greenhouse, geralmente na seção 'hiring_team', que especifica funções como 'Hiring Manager'. Exemplos Emily TranDavid ChenSophia Rodriguez
	Recomendação da ficha de avaliação ScorecardOverallRecommendation	Recomendação geral de contratação registrada em uma ficha de avaliação de entrevista concluída.
Descrição Esse atributo registra a recomendação final do entrevistador em uma ficha estruturada de avaliação, geralmente com valores como 'Recomendação forte', 'Recomendação', 'Não recomendado' ou 'Fortemente não recomendado'. Esses dados são essenciais para avaliar a qualidade e a consistência do processo de entrevistas. Eles ajudam a relacionar o feedback das entrevistas aos resultados reais de contratação e a responder perguntas como: 'Candidatos com recomendações melhores são contratados com mais frequência?'. Também servem de base para o KPI 'Taxa de preenchimento das fichas de avaliação', que mede a adoção de práticas estruturadas de contratação na organização. Por que isso importa Relaciona o feedback estruturado das entrevistas aos resultados do processo e ajuda a medir a adoção de práticas de contratação baseadas em dados. Onde encontrar Disponível no objeto Scorecard associado a uma entrevista concluída no Greenhouse. A API fornece essa informação pelo endpoint 'scorecards'. Exemplos Fortemente não recomendadoNão recomendadoRecomendadoRecomendação forte
	Tempo de retorno do feedback da entrevista InterviewFeedbackTurnaroundTime	Tempo entre a conclusão da entrevista e o envio do feedback pelo entrevistador.
Descrição Essa métrica calculada mede a agilidade da equipe de entrevistadores. A demora no envio do feedback pode atrasar significativamente o processo seletivo e prejudicar a experiência do candidato. Esse atributo dá suporte direto ao Dashboard 'Análise do ciclo de feedback das entrevistas' e ao KPI 'Tempo de retorno do feedback da entrevista'. O cálculo considera a diferença entre as atividades 'Interview Completed' e 'Feedback Submitted'. Monitorar essa métrica ajuda a identificar gargalos causados pela demora no feedback e incentiva decisões mais rápidas. Por que isso importa Mede a eficiência do ciclo de feedback após a entrevista, uma fonte comum de atrasos no processo seletivo. Onde encontrar Esse é um campo calculado, obtido pela subtração da data e hora do evento 'Interview Completed' da data e hora do evento 'Feedback Submitted'. Exemplos 86400172800259200

Obrigatório Recomendado Opcional

Atividades de recrutamento e aquisição de talentos

Estas são as principais etapas e marcos do processo que você deve registrar no Event Log para descobrir o processo com precisão e otimizar seu funil de contratação.

7 Recomendado 7 Opcional

	Atividade	Descrição
	Candidato contratado	O candidato concluiu todas as verificações pré-admissionais e foi oficialmente marcado como contratado. Esse é o evento de conclusão bem-sucedida e de encerramento do processo seletivo.
Por que isso importa Esse é o principal resultado positivo do processo. O tempo entre 'Application Received' e esse evento corresponde ao tempo total para contratação, um KPI essencial de recrutamento. Onde encontrar Essa é uma ação explícita no Greenhouse, em que o recrutador marca o candidato como contratado para uma vaga específica. Com essa ação, a pessoa deixa de ser uma candidata ativa e passa a constar como contratada. Coleta Registrado com base na data e hora da ação 'Mark as Hired' no Greenhouse. Tipo de evento explicit
	Candidatura recebida	Esta atividade marca o início do processo de recrutamento para uma candidatura específica. Ela é registrada quando o candidato envia a candidatura pelo site de carreiras ou por um canal de busca, ou quando alguém a insere manualmente no Greenhouse.
Por que isso importa Este é o principal evento de início do processo. Analisar o tempo entre esta atividade e as demais é essencial para medir o tempo para contratar e a eficácia dos canais de busca. Onde encontrar Este é um evento explícito registrado no Greenhouse quando uma candidatura é criada. O campo Data da candidatura ou a data e hora de criação no objeto da candidatura fornecem o horário do evento. Coleta Registrado com base na data e hora de criação do registro da candidatura. Tipo de evento explicit
	Candidatura rejeitada	A candidatura do candidato foi rejeitada em algum momento do processo. Esse é o evento de encerramento sem sucesso mais comum e pode ocorrer em qualquer etapa.
Por que isso importa Esse é um evento de encerramento essencial para analisar as taxas de desistência ao longo do funil. Entender quando e por que as candidaturas são rejeitadas ajuda a identificar ineficiências no processo ou requisitos desalinhados com a vaga. Onde encontrar Esse é um evento explícito, registrado quando alguém rejeita a candidatura no Greenhouse. Em geral, ele inclui um motivo para a rejeição, e o registro de atividades guarda a data e a hora. Coleta Registrado com base na data e hora da ação de rejeição aplicada à candidatura. Tipo de evento explicit
	Entrevista agendada	Uma entrevista com o candidato foi agendada no sistema. O Greenhouse tem integrações com calendários, por isso esse evento costuma ser registrado explicitamente quando a entrevista é confirmada.
Por que isso importa Este evento é essencial para analisar e identificar gargalos no agendamento de entrevistas. O tempo entre esta etapa e a anterior é um KPI importante para medir a eficiência de recrutadores e coordenadores. Onde encontrar Registrado pelo recurso de agendamento de entrevistas do Greenhouse. A API fornece dados sobre as entrevistas agendadas, incluindo a data e a hora de criação. Coleta Registrado quando um evento de entrevista é criado e associado à candidatura. Tipo de evento explicit
	Entrevista realizada	A entrevista com o candidato aconteceu. Isso costuma ser identificado quando chega o horário agendado para a entrevista ou, de forma mais confiável, quando o feedback sobre ela é enviado.
Por que isso importa Esta atividade é um marco importante na jornada do candidato. Ela serve como ponto de partida para medir o tempo de envio do feedback e o avanço para a próxima etapa. Onde encontrar Geralmente, esta atividade é identificada de forma indireta. Ela pode ser derivada do horário de término da entrevista agendada ou, com mais precisão, da data e hora do primeiro feedback enviado sobre aquela entrevista. Coleta Identificado pelo horário de término da entrevista agendada ou pela data e hora do envio do feedback posterior. Tipo de evento inferred
	Proposta aceita	O candidato aceitou formalmente a proposta de emprego. Este é um marco importante de sucesso e costuma dar início às atividades pré-admissionais, como a verificação de antecedentes.
Por que isso importa Este é um marco essencial de sucesso e um componente importante do KPI da taxa de aceitação de propostas. Ele representa a transição de candidato para futuro funcionário. Onde encontrar Este é um evento explícito, registrado quando o status da oferta é atualizado para 'Accepted' no Greenhouse, pelo recrutador ou após o aceite eletrônico do candidato. Coleta Registrado com base na data e hora em que o status da oferta muda para 'Accepted'. Tipo de evento explicit
	Proposta enviada	A proposta oficial de emprego foi enviada ao candidato. Este é um marco essencial, que representa a conclusão do processo de entrevista e seleção.
Por que isso importa Esta atividade serve de base para calcular o KPI da taxa de aceitação de propostas. Ela marca o início da etapa final de decisão do candidato. Onde encontrar Este é um evento explícito registrado no Greenhouse quando o status da proposta muda para "Enviada" ou "Encaminhada". O objeto de propostas contém as datas e horas dessas mudanças de status. Coleta Registrado com base na data e hora em que a proposta é oficialmente marcada como enviada. Tipo de evento explicit
	Candidatura analisada	Um recrutador ou gestor responsável pela contratação fez uma análise inicial da candidatura. Isso costuma ser identificado quando a etapa ou o status da candidatura muda de "Nova" para uma etapa de análise ativa, como "Em análise".
Por que isso importa Acompanhar esta atividade ajuda a identificar gargalos na triagem inicial e a medir quanto tempo as novas candidaturas levam para receber atenção. Ela também marca o início do cálculo do tempo de ciclo para o agendamento de entrevistas. Onde encontrar Identificado por uma mudança no campo de status da candidatura. Procure mudanças de "Nova" para "Em análise" e use a data e a hora da alteração. Coleta Identificado pela data e hora da mudança de status para "Em análise" ou uma etapa semelhante. Tipo de evento inferred
	Feedback enviado	Um entrevistador enviou o scorecard ou o feedback sobre a entrevista do candidato. O processo estruturado de contratação do Greenhouse depende dessas informações para tomar decisões, por isso essa ação é registrada separadamente.
Por que isso importa O envio do feedback no prazo é essencial para que os candidatos avancem. Esta atividade ajuda a analisar a eficiência do ciclo de feedback e a taxa de conclusão dos scorecards. Onde encontrar Este é um evento explícito, registrado quando um entrevistador envia um scorecard pelo Greenhouse. O objeto da API Scorecards contém a data e a hora `submitted_at`. Coleta Registrado com base na data e hora de envio do scorecard da entrevista. Tipo de evento explicit
	Integração iniciada	O processo de integração da nova pessoa contratada à empresa começou oficialmente. Em geral, isso envolve a transferência do sistema de recrutamento para um sistema de RH (HRIS) ou uma plataforma de integração.
Por que isso importa Esse indicador acompanha a eficiência da transferência do recrutamento para o RH. Atrasos nessa etapa podem prejudicar a experiência de quem está começando, por isso é essencial monitorar o tempo de transferência para a integração. Onde encontrar Esse pode ser um evento explícito quando o Greenhouse está integrado a um sistema de integração. Caso contrário, ele é inferido a partir da data e hora em que o candidato é movido para a etapa final 'Hired', o que aciona a transferência. Coleta Inferido a partir de uma mudança de etapa ou de um registro de integração que indica a transferência para um sistema de RH (HRIS). Tipo de evento inferred
	Oferta recusada	O candidato recusou formalmente a oferta de emprego. Esse é um evento de encerramento sem sucesso que ocorre no fim do processo seletivo.
Por que isso importa Acompanhar esse resultado é essencial para analisar a taxa de aceite de ofertas. Uma frequência alta desse evento pode indicar problemas relacionados à remuneração, à cultura ou à própria função. Onde encontrar Esse é um evento explícito, registrado quando o status da oferta é atualizado para 'Rejected' ou 'Declined' no Greenhouse. O objeto da oferta registra a data e a hora dessa mudança de status. Coleta Registrado com base na data e hora em que o status da oferta muda para 'Rejected'. Tipo de evento explicit
	Proposta criada	Uma proposta oficial de emprego foi elaborada e pode estar aguardando aprovação interna. Este marco representa a decisão formal de fazer uma proposta ao candidato.
Por que isso importa Esta atividade diferencia a decisão de fazer uma proposta do envio dela ao candidato. Ela ajuda a analisar o tempo de aprovação interna e os gargalos antes de a proposta chegar ao candidato. Onde encontrar O Greenhouse tem um módulo específico para propostas. Este evento explícito é registrado com base na data e hora de criação do objeto da proposta associado à candidatura. Coleta Registrado quando um registro de proposta é criado no sistema Greenhouse. Tipo de evento explicit
	Triagem inicial pelo recrutador realizada	Um recrutador concluiu uma triagem inicial por telefone ou uma conversa com o candidato. Essa atividade costuma ser registrada quando o candidato passa para uma etapa específica de "Triagem por telefone" no processo seletivo.
Por que isso importa Este é um marco importante de qualificação, que indica que a candidatura passou pela triagem inicial do currículo. A atividade ajuda a medir a carga de trabalho dos recrutadores e a eficácia da triagem inicial. Onde encontrar Identificado pela data e hora em que a candidatura entra ou sai de uma etapa de "Triagem por telefone" no processo seletivo do Greenhouse. Coleta Derivado do histórico de etapas da candidatura, especialmente do registro de entrada em uma etapa de "Triagem por telefone". Tipo de evento inferred
	Verificação de antecedentes iniciada	A verificação de antecedentes do candidato foi iniciada, geralmente após o aceite da oferta. Esse evento pode ser registrado como uma mudança de etapa específica ou como um acionamento de integração com um serviço terceirizado.
Por que isso importa Essa atividade é importante para a conformidade e para acompanhar atrasos na verificação pré-admissional. Ela ajuda a analisar o tempo entre o aceite da oferta e a conclusão das verificações necessárias. Onde encontrar Esse evento provavelmente é inferido quando o candidato é movido para a etapa 'Background Check' no processo seletivo ou a partir de um registro de atividade relacionado à integração com um serviço de verificação de antecedentes. Coleta Inferido a partir da mudança de status para a etapa 'Background Check' ou de um registro de API de um serviço integrado. Tipo de evento inferred

Recomendado Opcional

Guias de extração

Como obter seus dados do Greenhouse

Etapas

Acesse sua conta do Greenhouse Recruiting.
Na barra de navegação principal, clique no ícone de relatórios, que se parece com um gráfico de barras, para abrir a seção Reports.
No Dashboard de relatórios, localize e clique em 'Essential Reports'. Um dos principais relatórios para essa extração é 'All Applications', que oferece uma visão abrangente das candidaturas e seus principais marcos.
Configure o relatório 'All Applications'. Clique no botão 'Columns' e selecione todas as colunas necessárias para capturar os atributos e os horários das atividades. Inclua: Application ID, Candidate, Job, Department, Recruiter, Status, Source, Applied On, Rejected On, Hired On, Last Stage Change On, Offer Created On, Offer Accepted On e Offer Status.
Para capturar atividades relacionadas às entrevistas, você precisará de outro relatório. Volte a Essential Reports e selecione 'Interview Details'.
Configure o relatório 'Interview Details'. Na seção 'Columns', selecione pelo menos: Application ID, Interview Name, Scheduled Start e Scorecard Submitted At. Assim, você terá os horários de agendamento e envio do feedback.
Nos dois relatórios, use os filtros para definir o período adequado. Um filtro comum é 'Applied On', definido como 'All Time' ou para um período específico, como os últimos 6 meses, para incluir um grupo relevante de candidaturas.
Gere cada relatório clicando no botão 'Update' ou 'Generate'. Quando o relatório aparecer, clique em 'Export to Excel' para baixar os dados como arquivo CSV. Você terá dois arquivos CSV separados.
Os arquivos exportados ainda não estão no formato de Event Log. Você precisa transformá-los usando uma ferramenta como Python, R ou um programa de planilhas com recursos para desagrupar colunas, como o Power Query do Microsoft Excel.
Combine os dados dos relatórios 'All Applications' e 'Interview Details', relacionando-os pelo Application ID.
Para cada candidatura, crie uma linha distinta para cada coluna de data relevante exportada. Por exemplo, o valor da coluna 'Applied On' se torna o 'ActivityTimestamp' de uma atividade chamada 'Application Received'. O valor da coluna 'Rejected On' gera a atividade 'Application Rejected', e assim por diante para as 14 atividades necessárias. Use a coluna 'Last Stage Change On' para inferir atividades como 'Application Reviewed' ou 'Recruiter Screen Conducted' quando não houver horários específicos disponíveis.
Estruture o arquivo transformado final com as colunas necessárias: JobApplicationId, ActivityName, ActivityTimestamp, SourceSystem, LastDataUpdate e os atributos recomendados. Salve o arquivo final como um único CSV para carregar.

Configuração

Relatórios principais: a extração combina dados de vários relatórios da seção Essential Reports do Greenhouse, principalmente 'All Applications' e 'Interview Details'.
Colunas principais (All Applications): para capturar todos os dados necessários, selecione colunas como Application ID, Candidate, Job, Department, Recruiter, Status, Source, Offer Status e todas as colunas de data relevantes, incluindo Applied On, Rejected On, Hired On, Offer Created On e Offer Accepted On.
Colunas principais (Interview Details): para capturar eventos de entrevista, selecione colunas como Application ID, Interview Name, Scheduled Start e Scorecard Submitted At.
Filtros de período: recomendamos filtrar as candidaturas pela data 'Applied On', considerando um período de 3 a 6 meses, para obter um conjunto de dados relevante e fácil de gerenciar. Períodos mais longos podem afetar a performance.
Pré-requisitos: quem fizer a exportação precisa ter permissão no Greenhouse para acessar a seção 'Reports' e visualizar os dados dos candidatos. Normalmente, isso exige uma função de 'Job Admin' ou 'Site Admin'.

a Consulta de exemplo config

This extraction method uses the Greenhouse user interface and does not involve a query language. The configuration is performed by selecting reports and columns.

**Report 1: All Applications**
*   **Report to run**: Go to Reports > Essential Reports > All Applications
*   **Columns to select**:
    *   Application ID
    *   Candidate
    *   Job
    *   Department
    *   Current Company
    *   Current Title
    *   Recruiter
    *   Status
    *   Source
    *   Applied On
    *   Rejected On
    *   Rejection Reason
    *   Hired On
    *   Last Stage Change On
    *   Offer Created On
    *   Offer Accepted On
    *   Offer Status

**Report 2: Interview Details**
*   **Report to run**: Go to Reports > Essential Reports > Interview Details
*   **Columns to select**:
    *   Application ID
    *   Candidate
    *   Job
    *   Interview Name
    *   Interviewer
    *   Scheduled Start
    *   Scheduled End
    *   Scorecard Submitted At

**Post-Export Transformation Logic**:
Combine the reports and unpivot the date columns to create the event log. Map source columns to `ActivityName` and `ActivityTimestamp`:
*   'Applied On' -> 'Application Received'
*   'Last Stage Change On' (when moving to a review stage) -> 'Application Reviewed'
*   'Last Stage Change On' (when moving to a screen stage) -> 'Recruiter Screen Conducted'
*   'Scheduled Start' -> 'Interview Scheduled'
*   'Scheduled Start' (after the time has passed) -> 'Interview Completed'
*   'Scorecard Submitted At' -> 'Feedback Submitted'
*   'Offer Created On' -> 'Offer Created'
*   'Last Stage Change On' (when moving to offer extended stage) -> 'Offer Extended'
*   'Offer Accepted On' -> 'Offer Accepted'
*   'Last Stage Change On' (when moving to background check stage) -> 'Background Check Initiated'
*   'Last Stage Change On' (when moving to onboarding stage) -> 'Onboarding Initiated'
*   'Hired On' -> 'Candidate Hired'
*   'Last Stage Change On' (when offer status is 'Rejected') -> 'Offer Rejected'
*   'Rejected On' -> 'Application Rejected'

Etapas

Pré-requisitos: obtenha uma chave de API do Greenhouse
- Acesse sua conta do Greenhouse com permissões de desenvolvedor.
- Acesse Configure > Dev Center > API Credential Management.
- Clique em "Create New API Key".
- Informe uma descrição, por exemplo, "ProcessMind Extraction".
- Selecione "Harvest" como tipo.
- Conceda à chave as permissões necessárias. No mínimo, você precisa de permissões GET para: Applications, Candidates, Jobs, Job Stages, Offers, Scorecards e Users.
- Copie a chave de API gerada e guarde-a em segurança. Você não poderá vê-la novamente.
Configure o ambiente Python
- Verifique se o Python 3.6 ou uma versão mais recente está instalado no seu sistema.
- Instale as bibliotecas Python necessárias executando estes comandos no terminal: pip install requests e pip install pandas.
Prepare o script Python
- Copie o script Python completo fornecido na seção "query" para um novo arquivo, por exemplo, extract_greenhouse_logs.py.
- Substitua o marcador YOUR_GREENHOUSE_API_KEY pela chave obtida na etapa 1.
- Ajuste a variável START_DATE_ISO para definir o início do período de extração. Para a carga inicial, recomendamos uma data de 3 a 6 meses atrás.
Personalize o mapeamento de etapas para atividades
- Revise o dicionário STAGE_TO_ACTIVITY no script.
- Esse dicionário relaciona os nomes das etapas de contratação específicas da sua empresa no Greenhouse aos nomes padronizados de atividades necessários para a mineração de processos.
- Você PRECISA atualizar esse mapeamento para corresponder à configuração exclusiva do Greenhouse da sua organização. Por exemplo, se a etapa 'Recruiter Screen' se chamar 'Initial Recruiter Chat', atualize o dicionário de acordo.
Execute o script de extração
- Abra um terminal ou prompt de comando.
- Acesse o diretório em que você salvou extract_greenhouse_logs.py.
- Execute o script com o comando: python extract_greenhouse_logs.py.
- O script se conectará à API do Greenhouse, buscará os dados, fará o processamento e exibirá atualizações de status no console.
Obtenha o Event Log
- Quando a execução for concluída, o script gerará um arquivo chamado greenhouse_event_log.csv no mesmo diretório.
- Esse arquivo CSV é o Event Log final, formatado com as colunas e atividades necessárias.
Faça cargas incrementais
- Nas execuções seguintes, você pode atualizar a variável START_DATE_ISO com o horário da última extração bem-sucedida. Assim, você buscará apenas registros novos ou atualizados e agilizará o processo.
Carregue os dados no ProcessMind
- O arquivo greenhouse_event_log.csv gerado está pronto para ser carregado diretamente no ProcessMind. Verifique se os nomes das colunas do arquivo estão mapeados corretamente para os campos do seu projeto no ProcessMind.

Configuração

Permissões da chave de API: a chave da API Harvest precisa ter acesso somente para leitura (GET) aos seguintes endpoints: Applications, Candidates, Jobs, Job Stages, Offers, Scorecards e Users. Sem as permissões necessárias, alguns dados de atividades não serão incluídos.
Filtro de período: o script usa o parâmetro updated_after (variável START_DATE_ISO) para filtrar candidaturas. Na primeira extração, use um período mais amplo, como os últimos 6 meses. Nas cargas incrementais seguintes, defina esse parâmetro com o horário da última execução bem-sucedida para melhorar a performance.
Mapeamento de etapas para atividades: o dicionário STAGE_TO_ACTIVITY do script é essencial. Configure-o para refletir com precisão as etapas de contratação específicas da sua empresa no Greenhouse e identificar corretamente atividades como 'Recruiter Screen Conducted' e 'Background Check Initiated'.
Limite de requisições da API: o script inclui uma pequena pausa fixa entre as requisições para respeitar os limites do Greenhouse, de aproximadamente 20 requisições por segundo. Para volumes muito grandes de dados, talvez seja necessário ajustar essa pausa para evitar erros de conexão.
Granularidade dos dados: a extração se concentra em eventos com registro de data e hora e mudanças de status. Ela não captura conteúdo detalhado, como notas de entrevistas ou comunicações por e-mail, apenas os metadados que indicam a ocorrência de um evento.

a Consulta de exemplo python

import requests
import pandas as pd
import time
from datetime import datetime

class=class="hl-string">"hl-comment"># --- Configuration ---
API_KEY = class="hl-string">'YOUR_GREENHOUSE_API_KEY' class=class="hl-string">"hl-comment"># Replace with your Harvest API Key
START_DATE_ISO = class="hl-string">'2023-01-01T00:00:00Z' class=class="hl-string">"hl-comment"># Set the start date for the data pull (ISO 8601 format)
BASE_URL = class="hl-string">'https://harvest.greenhouse.io/v1/'

class=class="hl-string">"hl-comment"># IMPORTANT: Customize this dictionary to map your Greenhouse stage names to standard activities
STAGE_TO_ACTIVITY = {
    class="hl-string">'Application Review': class="hl-string">'Application Reviewed',
    class="hl-string">'Phone Screen': class="hl-string">'Recruiter Screen Conducted',
    class="hl-string">'Background Check': class="hl-string">'Background Check Initiated',
    class="hl-string">'Onboarding': class="hl-string">'Onboarding Initiated'
    class=class="hl-string">"hl-comment"># Add other custom stage mappings here, for example:
    class=class="hl-string">"hl-comment"># class="hl-string">'Hiring Manager Interview': class="hl-string">'Interview Completed'
}

class=class="hl-string">"hl-comment"># --- Script ---
headers = {class="hl-string">'Authorization': fclass="hl-string">'Basic {API_KEY}'}
event_log_records = []

def get_all_pages(endpoint, params=None):
    class="hl-string">"""Helper function to handle pagination for Greenhouse API requests."""
    url = fclass="hl-string">"{BASE_URL}{endpoint}"
    all_data = []
    page = 1
    while url:
        print(fclass="hl-string">"Fetching page {page} from {endpoint}...")
        try:
            response = requests.get(url, headers=headers, params=params)
            response.raise_for_status()
            data = response.json()
            all_data.extend(data)
            class=class="hl-string">"hl-comment"># Greenhouse uses Link header for pagination
            url = response.links.get(class="hl-string">'next', {}).get(class="hl-string">'url')
            page += 1
            time.sleep(0.1) class=class="hl-string">"hl-comment"># Respect rate limits
        except requests.exceptions.RequestException as e:
            print(fclass="hl-string">"Error fetching data from {url}: {e}")
            break
        class=class="hl-string">"hl-comment"># Params are only needed for the first request
        params = None
    return all_data

print(class="hl-string">"Fetching initial data from Greenhouse API...")
params = {class="hl-string">'updated_after': START_DATE_ISO, class="hl-string">'per_page': 100}
applications = get_all_pages(class="hl-string">'applications', params=params)
jobs = {job[class="hl-string">'id']: job for job in get_all_pages(class="hl-string">'jobs', params={class="hl-string">'status': class="hl-string">'all'})}
candidates = {cand[class="hl-string">'id']: cand for cand in get_all_pages(class="hl-string">'candidates')}
users = {user[class="hl-string">'id']: user for user in get_all_pages(class="hl-string">'users')}

print(fclass="hl-string">"Processing {len(applications)} applications...")

for app in applications:
    job_id = app.get(class="hl-string">'job_id')
    job = jobs.get(job_id, {})
    candidate = candidates.get(app.get(class="hl-string">'candidate_id'), {})
    source_system = class="hl-string">"Greenhouse"
    last_data_update = datetime.utcnow().isoformat() + class="hl-string">'Z'

    class=class="hl-string">"hl-comment"># Shared attributes for all events for this application
    base_attributes = {
        class="hl-string">'JobApplicationId': app[class="hl-string">'id'],
        class="hl-string">'SourceSystem': source_system,
        class="hl-string">'LastDataUpdate': last_data_update,
        class="hl-string">'JobTitle': job.get(class="hl-string">'name', class="hl-string">''),
        class="hl-string">'JobDepartment': (job.get(class="hl-string">'departments', [{}])[0] or {}).get(class="hl-string">'name', class="hl-string">''),
        class="hl-string">'ApplicationStatus': app.get(class="hl-string">'status', class="hl-string">''),
        class="hl-string">'ApplicationSource': (app.get(class="hl-string">'source', {}) or {}).get(class="hl-string">'public_name', class="hl-string">''),
        class="hl-string">'RecruiterName': class="hl-string">''
    }
    if app.get(class="hl-string">'recruiter') and app[class="hl-string">'recruiter'].get(class="hl-string">'id') in users:
        recruiter_user = users[app[class="hl-string">'recruiter'][class="hl-string">'id']]
        base_attributes[class="hl-string">'RecruiterName'] = fclass="hl-string">"{recruiter_user.get('first_name', '')} {recruiter_user.get('last_name', '')}".strip()

    class=class="hl-string">"hl-comment"># --- Activity: Application Received ---
    if app.get(class="hl-string">'submitted_at'):
        event_log_records.append({
            **base_attributes,
            class="hl-string">'ActivityName': class="hl-string">'Application Received',
            class="hl-string">'ActivityTimestamp': app[class="hl-string">'submitted_at'],
            class="hl-string">'OfferStatus': None
        })

    class=class="hl-string">"hl-comment"># --- Activities from Stage History ---
    for stage_move in app.get(class="hl-string">'stage_history', []):
        stage_name = stage_move.get(class="hl-string">'stage_name')
        if stage_name in STAGE_TO_ACTIVITY:
            event_log_records.append({
                **base_attributes,
                class="hl-string">'ActivityName': STAGE_TO_ACTIVITY[stage_name],
                class="hl-string">'ActivityTimestamp': stage_move.get(class="hl-string">'exited_on'), class=class="hl-string">"hl-comment"># Timestamp when they entered the *next* stage
                class="hl-string">'OfferStatus': None
            })

    class=class="hl-string">"hl-comment"># --- Activities: Interview Scheduled & Completed ---
    interviews = get_all_pages(fclass="hl-string">"applications/{app['id']}/scheduled_interviews")
    for interview in interviews:
        if interview.get(class="hl-string">'start'):
            event_log_records.append({
                **base_attributes,
                class="hl-string">'ActivityName': class="hl-string">'Interview Scheduled',
                class="hl-string">'ActivityTimestamp': interview[class="hl-string">'start'][class="hl-string">'date'],
                class="hl-string">'OfferStatus': None
            })
        if interview.get(class="hl-string">'end'):
            event_log_records.append({
                **base_attributes,
                class="hl-string">'ActivityName': class="hl-string">'Interview Completed',
                class="hl-string">'ActivityTimestamp': interview[class="hl-string">'end'][class="hl-string">'date'],
                class="hl-string">'OfferStatus': None
            })

    class=class="hl-string">"hl-comment"># --- Activity: Feedback Submitted ---
    scorecards = get_all_pages(fclass="hl-string">"scorecards", params={class="hl-string">'application_id': app[class="hl-string">'id']})
    for sc in scorecards:
        if sc.get(class="hl-string">'submitted_at'):
            event_log_records.append({
                **base_attributes,
                class="hl-string">'ActivityName': class="hl-string">'Feedback Submitted',
                class="hl-string">'ActivityTimestamp': sc[class="hl-string">'submitted_at'],
                class="hl-string">'OfferStatus': None
            })

    class=class="hl-string">"hl-comment"># --- Activities: Hired or Application Rejected ---
    if app.get(class="hl-string">'status') == class="hl-string">'hired' and app.get(class="hl-string">'hired_at'):
        event_log_records.append({
            **base_attributes,
            class="hl-string">'ActivityName': class="hl-string">'Candidate Hired',
            class="hl-string">'ActivityTimestamp': app[class="hl-string">'hired_at'],
            class="hl-string">'OfferStatus': None
        })
    elif app.get(class="hl-string">'status') == class="hl-string">'rejected' and app.get(class="hl-string">'rejected_at'):
        event_log_records.append({
            **base_attributes,
            class="hl-string">'ActivityName': class="hl-string">'Application Rejected',
            class="hl-string">'ActivityTimestamp': app[class="hl-string">'rejected_at'],
            class="hl-string">'OfferStatus': None
        })

class=class="hl-string">"hl-comment"># --- Activities from Offers (separate loop for efficiency) ---
print(class="hl-string">"Fetching and processing offer data...")
all_offers = get_all_pages(class="hl-string">'offers')
for offer in all_offers:
    if not offer.get(class="hl-string">'application_id'):
        continue

    app_id = offer[class="hl-string">'application_id']
    class=class="hl-string">"hl-comment"># Find the corresponding application's base attributes
    matching_app = next((item for item in applications if item[class="hl-string">'id'] == app_id), None)
    if not matching_app:
        continue
    
    job_id = matching_app.get(class="hl-string">'job_id')
    job = jobs.get(job_id, {})
    base_attributes = {
        class="hl-string">'JobApplicationId': app_id,
        class="hl-string">'SourceSystem': class="hl-string">"Greenhouse",
        class="hl-string">'LastDataUpdate': datetime.utcnow().isoformat() + class="hl-string">'Z',
        class="hl-string">'JobTitle': job.get(class="hl-string">'name', class="hl-string">''),
        class="hl-string">'JobDepartment': (job.get(class="hl-string">'departments', [{}])[0] or {}).get(class="hl-string">'name', class="hl-string">''),
        class="hl-string">'ApplicationStatus': matching_app.get(class="hl-string">'status', class="hl-string">''),
        class="hl-string">'ApplicationSource': (matching_app.get(class="hl-string">'source', {}) or {}).get(class="hl-string">'public_name', class="hl-string">''),
        class="hl-string">'RecruiterName': class="hl-string">'' class=class="hl-string">"hl-comment"># Can be enriched similarly if needed
    }

    class=class="hl-string">"hl-comment"># Offer Created
    if offer.get(class="hl-string">'created_at'):
        event_log_records.append({
            **base_attributes,
            class="hl-string">'ActivityName': class="hl-string">'Offer Created',
            class="hl-string">'ActivityTimestamp': offer[class="hl-string">'created_at'],
            class="hl-string">'OfferStatus': offer.get(class="hl-string">'status')
        })
    class=class="hl-string">"hl-comment"># Offer Extended
    if offer.get(class="hl-string">'sent_at'):
        event_log_records.append({
            **base_attributes,
            class="hl-string">'ActivityName': class="hl-string">'Offer Extended',
            class="hl-string">'ActivityTimestamp': offer[class="hl-string">'sent_at'],
            class="hl-string">'OfferStatus': offer.get(class="hl-string">'status')
        })
    class=class="hl-string">"hl-comment"># Offer Accepted/Rejected
    if offer.get(class="hl-string">'resolved_at'):
        if offer.get(class="hl-string">'status') == class="hl-string">'accepted':
            activity_name = class="hl-string">'Offer Accepted'
        elif offer.get(class="hl-string">'status') == class="hl-string">'deprecated': class=class="hl-string">"hl-comment"># Often used for rejected
            activity_name = class="hl-string">'Offer Rejected'
        else:
            continue
        event_log_records.append({
            **base_attributes,
            class="hl-string">'ActivityName': activity_name,
            class="hl-string">'ActivityTimestamp': offer[class="hl-string">'resolved_at'],
            class="hl-string">'OfferStatus': offer.get(class="hl-string">'status')
        })

print(class="hl-string">"Consolidating data and exporting to CSV...")
df = pd.DataFrame(event_log_records)
df_sorted = df.sort_values(by=[class="hl-string">'JobApplicationId', class="hl-string">'ActivityTimestamp'])
df_sorted.to_csv(class="hl-string">'greenhouse_event_log.csv', index=False)

print(class="hl-string">"Extraction complete. File 'greenhouse_event_log.csv' created.")

Etapas

Confirme se sua plataforma ETL licenciada oferece um conector do Greenhouse e se ele dá suporte aos objetos do Greenhouse ou aos conjuntos de dados replicados que contêm candidaturas, histórico de etapas das candidaturas, entrevistas, feedback de entrevistas, ofertas, mudanças no status das ofertas, verificações de antecedentes, transferências para integração e resultados de contratação. Os nomes dos objetos variam conforme a plataforma. Consulte o catálogo do conector e o navegador de esquemas, em vez de presumir nomes de tabelas.
Crie a conexão com o Greenhouse como fonte na plataforma ETL. Informe as credenciais do Greenhouse, os detalhes de autorização, as configurações de replicação e os filtros específicos da empresa necessários no seu ambiente. Siga o processo de autorização documentado pelo conector e conceda apenas as permissões necessárias para ler os dados de recrutamento selecionados.
Configure um data warehouse de destino e habilite a replicação dos objetos de origem necessários para criar o Event Log. No mínimo, selecione os objetos que disponibilizam candidaturas a vagas, histórico de status ou etapas das candidaturas, entrevistas, feedback de entrevistas, ofertas, mudanças no status das ofertas, eventos de verificação de antecedentes, transferências para integração e resultados de contratação. Se um objeto necessário não estiver disponível, documente essa limitação e mapeie a fonte compatível mais próxima, de acordo com sua configuração do Greenhouse.
Defina o período inicial de replicação conforme o período de análise necessário, normalmente os últimos 3 a 6 meses. Inclua um período anterior adicional quando candidaturas criadas antes do intervalo selecionado tiverem avançado durante esse período. Configure a replicação incremental e mantenha os horários de atualização da fonte, quando disponíveis.
Inspecione o esquema replicado e substitua cada marcador na consulta pelo esquema, nome de tabela, nome de coluna, campo de data e hora, identificador e valor de status reais disponibilizados pelo conector no destino. Não presuma que uma mudança de etapa, registro de entrevista, registro de feedback, registro de oferta, registro de verificação de antecedentes, transferência para integração ou resultado de contratação esteja disponível sem confirmar sua presença nos dados replicados.
Configure a consulta de transformação como uma união de extrações explícitas de eventos. Cada extração precisa retornar JobApplicationId, ActivityName, ActivityTimestamp, SourceSystem, LastDataUpdate, RecruiterName, JobDepartment, JobTitle, ApplicationStatus, ApplicationSource e OfferStatus. Padronize os horários em um único fuso, remova registros sem um identificador de candidatura válido ou sem horário de atividade e mantenha uma linha para cada evento de origem que represente uma atividade.
Aplique as regras de mapeamento de atividades. Use os dados de criação ou envio da candidatura para Application Received; uma etapa ou transição de status explícita de análise para Application Reviewed; um registro de triagem com recrutador ou uma transição configurada de etapa de triagem por telefone para Recruiter Screen Conducted; uma confirmação de entrevista ou horário agendado para Interview Scheduled; a conclusão da entrevista ou o horário de envio do feedback para Interview Completed; o envio do feedback para Feedback Submitted; a criação da oferta para Offer Created; o status de oferta enviada ou estendida para Offer Extended; o status de oferta aceita para Offer Accepted; um evento registrado de início da verificação de antecedentes para Background Check Initiated; um evento de transferência ou início da integração para Onboarding Initiated; um resultado de contratação para Candidate Hired; um resultado de oferta recusada para Offer Rejected; e um resultado de candidatura rejeitada ou uma transição para a etapa de rejeição para Application Rejected.
Carregue o resultado transformado em uma tabela ou visualização de destino dedicada ao Event Log do ProcessMind. Mantenha eventos de origem duplicados, a menos que uma regra de negócio documentada os identifique como duplicatas técnicas. Se for necessário remover duplicatas, remova apenas eventos de origem idênticos, considerando chaves como identificador da candidatura, nome da atividade, horário da atividade e identificador do registro de origem.
Valide o resultado usando as verificações abaixo. Confirme se todas as colunas necessárias estão presentes, se os horários são válidos, se todas as atividades necessárias estão representadas quando há dados de origem e se o identificador do caso é exclusivo por candidatura. Analise separadamente candidaturas rejeitadas, retiradas, arquivadas e incompletas para evitar que os filtros removam resultados válidos do processo.
Exporte ou disponibilize o resultado final como um CSV simples ou por uma conexão compatível com o data warehouse para carregá-lo no ProcessMind. Mapeie JobApplicationId como identificador do caso, ActivityName como atividade e ActivityTimestamp como horário do evento. Inclua SourceSystem e LastDataUpdate, mantenha os atributos recomendados, use um formato de data e hora consistente, como ISO 8601 com informação de fuso horário, e não dependa do ProcessMind para inferir eventos ausentes do arquivo.

Configuração

Conector e destino: use uma plataforma ETL licenciada com um conector do Greenhouse compatível e um data warehouse de destino acessível à camada de transformação. Os recursos do conector, os nomes dos objetos, os intervalos de atualização e o suporte à replicação histórica dependem da plataforma e da assinatura escolhidas.
Autorização da fonte: configure as credenciais e permissões do Greenhouse necessárias para o conector. Confirme se a conta autorizada pode ler os registros de candidaturas, o histórico de etapas ou status, os registros de entrevistas, o feedback, as ofertas e os dados integrados de verificação de antecedentes ou integração usados no mapeamento.
Objetos replicados: selecione todos os objetos de origem necessários para as 14 extrações de eventos. Não habilite apenas a tabela atual de candidaturas se o histórico de mudanças de etapa, ações de entrevista, envios de feedback, transições de oferta ou transferências posteriores estiverem armazenados separadamente.
Período: comece com 3 a 6 meses para a análise operacional. Amplie o período ao medir ciclos completos de candidatura, pois candidaturas criadas antes do intervalo podem chegar às etapas de entrevista, oferta ou contratação depois dele.
Atualização incremental: mantenha os horários de criação, ocorrência e última atualização da fonte, quando disponíveis. Configure atualizações recorrentes de acordo com a latência necessária para os relatórios e use uma pequena janela de sobreposição para registros que chegam com atraso ou são corrigidos.
Filtros: aplique apenas filtros documentados e específicos da empresa, como organização, departamento, vaga, local ou data da candidatura. Não use filtros genéricos, como Company Code ou Document Type, a menos que esses campos estejam presentes no esquema replicado do Greenhouse e sejam necessários para sua configuração.
Mapeamento de atividades: mantenha um mapeamento documentado entre o tipo de evento, a etapa, o status ou o horário de origem e cada ActivityName. Configure os valores exatos para análise, triagem por telefone, rejeição, oferta, aceitação, verificação de antecedentes, integração e contratação, de acordo com os valores usados pela sua organização.
Tratamento de valores nulos: permita que RecruiterName, JobDepartment, JobTitle, ApplicationStatus, ApplicationSource e OfferStatus fiquem nulos quando a fonte não fornecer esses dados. Investigue ou rejeite registros sem identificadores e horários obrigatórios.
Fusos horários: converta todos os horários das atividades para um único fuso de referência e mantenha o horário original da fonte quando necessário para auditoria. Verifique se LastDataUpdate representa o horário da atualização ou extração, e não o horário de ocorrência da atividade.
Performance: para conjuntos de dados grandes, filtre as extrações de origem por partições de horário replicadas, selecione apenas as colunas necessárias, use cargas incrementais e materialize o Event Log final. Evite relacionar repetidamente todo o histórico aos registros atuais de candidaturas sem identificadores indexados.
Retenção de dados: verifique se a plataforma ETL e o acesso ao Greenhouse mantêm os registros históricos de etapas, entrevistas, feedback, ofertas e resultados durante o período selecionado. Apenas as tabelas de estado atual não permitem reconstruir atividades históricas com confiabilidade.
Mapeamento no ProcessMind: configure JobApplicationId como identificador do caso, ActivityName como campo da atividade e ActivityTimestamp como horário do evento. Verifique se o arquivo exportado contém uma linha explícita por atividade e não depende de transições inferidas.

a Consulta de exemplo config

WITH
application_received AS (
    SELECT
        [JobApplicationId] AS JobApplicationId,
        'Application Received' AS ActivityName,
        [ApplicationReceivedTimestamp] AS ActivityTimestamp,
        'Greenhouse' AS SourceSystem,
        [LastDataUpdate] AS LastDataUpdate,
        [RecruiterName] AS RecruiterName,
        [JobDepartment] AS JobDepartment,
        [JobTitle] AS JobTitle,
        [ApplicationStatus] AS ApplicationStatus,
        [ApplicationSource] AS ApplicationSource,
        [OfferStatus] AS OfferStatus
    FROM [Your application event table]
    WHERE [ApplicationReceivedTimestamp] IS NOT NULL
),
application_reviewed AS (
    SELECT
        [JobApplicationId] AS JobApplicationId,
        'Application Reviewed' AS ActivityName,
        [StageChangeTimestamp] AS ActivityTimestamp,
        'Greenhouse' AS SourceSystem,
        [LastDataUpdate] AS LastDataUpdate,
        [RecruiterName] AS RecruiterName,
        [JobDepartment] AS JobDepartment,
        [JobTitle] AS JobTitle,
        [ApplicationStatus] AS ApplicationStatus,
        [ApplicationSource] AS ApplicationSource,
        [OfferStatus] AS OfferStatus
    FROM [Your application stage history table]
    WHERE [StageChangeTimestamp] IS NOT NULL
      AND [NewStageName] IN ('In Review')
),
recruiter_screen_conducted AS (
    SELECT
        [JobApplicationId] AS JobApplicationId,
        'Recruiter Screen Conducted' AS ActivityName,
        [ScreenCompletedTimestamp] AS ActivityTimestamp,
        'Greenhouse' AS SourceSystem,
        [LastDataUpdate] AS LastDataUpdate,
        [RecruiterName] AS RecruiterName,
        [JobDepartment] AS JobDepartment,
        [JobTitle] AS JobTitle,
        [ApplicationStatus] AS ApplicationStatus,
        [ApplicationSource] AS ApplicationSource,
        [OfferStatus] AS OfferStatus
    FROM [Your recruiter screen event table]
    WHERE [ScreenCompletedTimestamp] IS NOT NULL
),
interview_scheduled AS (
    SELECT
        [JobApplicationId] AS JobApplicationId,
        'Interview Scheduled' AS ActivityName,
        [InterviewScheduledTimestamp] AS ActivityTimestamp,
        'Greenhouse' AS SourceSystem,
        [LastDataUpdate] AS LastDataUpdate,
        [RecruiterName] AS RecruiterName,
        [JobDepartment] AS JobDepartment,
        [JobTitle] AS JobTitle,
        [ApplicationStatus] AS ApplicationStatus,
        [ApplicationSource] AS ApplicationSource,
        [OfferStatus] AS OfferStatus
    FROM [Your interview table]
    WHERE [InterviewScheduledTimestamp] IS NOT NULL
),
interview_completed AS (
    SELECT
        [JobApplicationId] AS JobApplicationId,
        'Interview Completed' AS ActivityName,
        [InterviewCompletedTimestamp] AS ActivityTimestamp,
        'Greenhouse' AS SourceSystem,
        [LastDataUpdate] AS LastDataUpdate,
        [RecruiterName] AS RecruiterName,
        [JobDepartment] AS JobDepartment,
        [JobTitle] AS JobTitle,
        [ApplicationStatus] AS ApplicationStatus,
        [ApplicationSource] AS ApplicationSource,
        [OfferStatus] AS OfferStatus
    FROM [Your interview table]
    WHERE [InterviewCompletedTimestamp] IS NOT NULL
),
feedback_submitted AS (
    SELECT
        [JobApplicationId] AS JobApplicationId,
        'Feedback Submitted' AS ActivityName,
        [FeedbackSubmittedTimestamp] AS ActivityTimestamp,
        'Greenhouse' AS SourceSystem,
        [LastDataUpdate] AS LastDataUpdate,
        [RecruiterName] AS RecruiterName,
        [JobDepartment] AS JobDepartment,
        [JobTitle] AS JobTitle,
        [ApplicationStatus] AS ApplicationStatus,
        [ApplicationSource] AS ApplicationSource,
        [OfferStatus] AS OfferStatus
    FROM [Your interview feedback table]
    WHERE [FeedbackSubmittedTimestamp] IS NOT NULL
),
offer_created AS (
    SELECT
        [JobApplicationId] AS JobApplicationId,
        'Offer Created' AS ActivityName,
        [OfferCreatedTimestamp] AS ActivityTimestamp,
        'Greenhouse' AS SourceSystem,
        [LastDataUpdate] AS LastDataUpdate,
        [RecruiterName] AS RecruiterName,
        [JobDepartment] AS JobDepartment,
        [JobTitle] AS JobTitle,
        [ApplicationStatus] AS ApplicationStatus,
        [ApplicationSource] AS ApplicationSource,
        [OfferStatus] AS OfferStatus
    FROM [Your offer table]
    WHERE [OfferCreatedTimestamp] IS NOT NULL
),
offer_extended AS (
    SELECT
        [JobApplicationId] AS JobApplicationId,
        'Offer Extended' AS ActivityName,
        [OfferExtendedTimestamp] AS ActivityTimestamp,
        'Greenhouse' AS SourceSystem,
        [LastDataUpdate] AS LastDataUpdate,
        [RecruiterName] AS RecruiterName,
        [JobDepartment] AS JobDepartment,
        [JobTitle] AS JobTitle,
        [ApplicationStatus] AS ApplicationStatus,
        [ApplicationSource] AS ApplicationSource,
        [OfferStatus] AS OfferStatus
    FROM [Your offer table]
    WHERE [OfferExtendedTimestamp] IS NOT NULL
),
offer_accepted AS (
    SELECT
        [JobApplicationId] AS JobApplicationId,
        'Offer Accepted' AS ActivityName,
        [OfferAcceptedTimestamp] AS ActivityTimestamp,
        'Greenhouse' AS SourceSystem,
        [LastDataUpdate] AS LastDataUpdate,
        [RecruiterName] AS RecruiterName,
        [JobDepartment] AS JobDepartment,
        [JobTitle] AS JobTitle,
        [ApplicationStatus] AS ApplicationStatus,
        [ApplicationSource] AS ApplicationSource,
        [OfferStatus] AS OfferStatus
    FROM [Your offer table]
    WHERE [OfferAcceptedTimestamp] IS NOT NULL
),
background_check_initiated AS (
    SELECT
        [JobApplicationId] AS JobApplicationId,
        'Background Check Initiated' AS ActivityName,
        [BackgroundCheckInitiatedTimestamp] AS ActivityTimestamp,
        'Greenhouse' AS SourceSystem,
        [LastDataUpdate] AS LastDataUpdate,
        [RecruiterName] AS RecruiterName,
        [JobDepartment] AS JobDepartment,
        [JobTitle] AS JobTitle,
        [ApplicationStatus] AS ApplicationStatus,
        [ApplicationSource] AS ApplicationSource,
        [OfferStatus] AS OfferStatus
    FROM [Your background check event table]
    WHERE [BackgroundCheckInitiatedTimestamp] IS NOT NULL
),
onboarding_initiated AS (
    SELECT
        [JobApplicationId] AS JobApplicationId,
        'Onboarding Initiated' AS ActivityName,
        [OnboardingInitiatedTimestamp] AS ActivityTimestamp,
        'Greenhouse' AS SourceSystem,
        [LastDataUpdate] AS LastDataUpdate,
        [RecruiterName] AS RecruiterName,
        [JobDepartment] AS JobDepartment,
        [JobTitle] AS JobTitle,
        [ApplicationStatus] AS ApplicationStatus,
        [ApplicationSource] AS ApplicationSource,
        [OfferStatus] AS OfferStatus
    FROM [Your onboarding handoff table]
    WHERE [OnboardingInitiatedTimestamp] IS NOT NULL
),
candidate_hired AS (
    SELECT
        [JobApplicationId] AS JobApplicationId,
        'Candidate Hired' AS ActivityName,
        [HiredTimestamp] AS ActivityTimestamp,
        'Greenhouse' AS SourceSystem,
        [LastDataUpdate] AS LastDataUpdate,
        [RecruiterName] AS RecruiterName,
        [JobDepartment] AS JobDepartment,
        [JobTitle] AS JobTitle,
        [ApplicationStatus] AS ApplicationStatus,
        [ApplicationSource] AS ApplicationSource,
        [OfferStatus] AS OfferStatus
    FROM [Your hiring outcome table]
    WHERE [HiredTimestamp] IS NOT NULL
),
offer_rejected AS (
    SELECT
        [JobApplicationId] AS JobApplicationId,
        'Offer Rejected' AS ActivityName,
        [OfferRejectedTimestamp] AS ActivityTimestamp,
        'Greenhouse' AS SourceSystem,
        [LastDataUpdate] AS LastDataUpdate,
        [RecruiterName] AS RecruiterName,
        [JobDepartment] AS JobDepartment,
        [JobTitle] AS JobTitle,
        [ApplicationStatus] AS ApplicationStatus,
        [ApplicationSource] AS ApplicationSource,
        [OfferStatus] AS OfferStatus
    FROM [Your offer table]
    WHERE [OfferRejectedTimestamp] IS NOT NULL
),
application_rejected AS (
    SELECT
        [JobApplicationId] AS JobApplicationId,
        'Application Rejected' AS ActivityName,
        [ApplicationRejectedTimestamp] AS ActivityTimestamp,
        'Greenhouse' AS SourceSystem,
        [LastDataUpdate] AS LastDataUpdate,
        [RecruiterName] AS RecruiterName,
        [JobDepartment] AS JobDepartment,
        [JobTitle] AS JobTitle,
        [ApplicationStatus] AS ApplicationStatus,
        [ApplicationSource] AS ApplicationSource,
        [OfferStatus] AS OfferStatus
    FROM [Your application outcome table]
    WHERE [ApplicationRejectedTimestamp] IS NOT NULL
)
SELECT JobApplicationId, ActivityName, ActivityTimestamp, SourceSystem, LastDataUpdate, RecruiterName, JobDepartment, JobTitle, ApplicationStatus, ApplicationSource, OfferStatus FROM application_received
UNION ALL
SELECT JobApplicationId, ActivityName, ActivityTimestamp, SourceSystem, LastDataUpdate, RecruiterName, JobDepartment, JobTitle, ApplicationStatus, ApplicationSource, OfferStatus FROM application_reviewed
UNION ALL
SELECT JobApplicationId, ActivityName, ActivityTimestamp, SourceSystem, LastDataUpdate, RecruiterName, JobDepartment, JobTitle, ApplicationStatus, ApplicationSource, OfferStatus FROM recruiter_screen_conducted
UNION ALL
SELECT JobApplicationId, ActivityName, ActivityTimestamp, SourceSystem, LastDataUpdate, RecruiterName, JobDepartment, JobTitle, ApplicationStatus, ApplicationSource, OfferStatus FROM interview_scheduled
UNION ALL
SELECT JobApplicationId, ActivityName, ActivityTimestamp, SourceSystem, LastDataUpdate, RecruiterName, JobDepartment, JobTitle, ApplicationStatus, ApplicationSource, OfferStatus FROM interview_completed
UNION ALL
SELECT JobApplicationId, ActivityName, ActivityTimestamp, SourceSystem, LastDataUpdate, RecruiterName, JobDepartment, JobTitle, ApplicationStatus, ApplicationSource, OfferStatus FROM feedback_submitted
UNION ALL
SELECT JobApplicationId, ActivityName, ActivityTimestamp, SourceSystem, LastDataUpdate, RecruiterName, JobDepartment, JobTitle, ApplicationStatus, ApplicationSource, OfferStatus FROM offer_created
UNION ALL
SELECT JobApplicationId, ActivityName, ActivityTimestamp, SourceSystem, LastDataUpdate, RecruiterName, JobDepartment, JobTitle, ApplicationStatus, ApplicationSource, OfferStatus FROM offer_extended
UNION ALL
SELECT JobApplicationId, ActivityName, ActivityTimestamp, SourceSystem, LastDataUpdate, RecruiterName, JobDepartment, JobTitle, ApplicationStatus, ApplicationSource, OfferStatus FROM offer_accepted
UNION ALL
SELECT JobApplicationId, ActivityName, ActivityTimestamp, SourceSystem, LastDataUpdate, RecruiterName, JobDepartment, JobTitle, ApplicationStatus, ApplicationSource, OfferStatus FROM background_check_initiated
UNION ALL
SELECT JobApplicationId, ActivityName, ActivityTimestamp, SourceSystem, LastDataUpdate, RecruiterName, JobDepartment, JobTitle, ApplicationStatus, ApplicationSource, OfferStatus FROM onboarding_initiated
UNION ALL
SELECT JobApplicationId, ActivityName, ActivityTimestamp, SourceSystem, LastDataUpdate, RecruiterName, JobDepartment, JobTitle, ApplicationStatus, ApplicationSource, OfferStatus FROM candidate_hired
UNION ALL
SELECT JobApplicationId, ActivityName, ActivityTimestamp, SourceSystem, LastDataUpdate, RecruiterName, JobDepartment, JobTitle, ApplicationStatus, ApplicationSource, OfferStatus FROM offer_rejected
UNION ALL
SELECT JobApplicationId, ActivityName, ActivityTimestamp, SourceSystem, LastDataUpdate, RecruiterName, JobDepartment, JobTitle, ApplicationStatus, ApplicationSource, OfferStatus FROM application_rejected;

Pronto para começar?

Aproveite todo o potencial dos seus dados de contratação. Comece a usar este Template hoje para simplificar seu processo de recrutamento e tomar decisões fundamentadas em dados.

Voltar ao guia de melhoria Baixar Template

Simplifique hoje a aquisição de talentos no Greenhouse

Reduza em 30% o tempo de ciclo das contratações e melhore hoje a experiência dos candidatos.

Começar o teste grátis

Não é necessário cartão de crédito • Configuração em 5 minutos

Seu Template de dados de recrutamento e aquisição de talentos

Seu Template de dados de recrutamento e aquisição de talentos

Atributos de recrutamento e aquisição de talentos

Atividades de recrutamento e aquisição de talentos

Guias de extração

Criador de relatórios do Greenhouse para exportação manual de CSV

Etapas

Configuração

a Consulta de exemplo config

Extração com script Python pela API Harvest do Greenhouse

Etapas

Configuração

a Consulta de exemplo python

Ferramenta ETL automatizada com conector do Greenhouse

Etapas

Configuração

a Consulta de exemplo config

Pronto para começar?

Simplifique hoje a aquisição de talentos no Greenhouse

Seu Template de dados de recrutamento e aquisição de talentos

Seu Template de dados de recrutamento e aquisição de talentos

Atributos de recrutamento e aquisição de talentos

Atividades de recrutamento e aquisição de talentos

Guias de extração

Criador de relatórios do Greenhouse para exportação manual de CSV

Etapas

Configuração

a Consulta de exemplo config

Extração com script Python pela API Harvest do Greenhouse

Etapas

Configuração

a Consulta de exemplo python

Ferramenta ETL automatizada com conector do Greenhouse

Etapas

Configuração

a Consulta de exemplo config

Pronto para começar?

Simplifique hoje a aquisição de talentos no Greenhouse

Sua privacidade é importante para nós