> Melhoria Contínua de Processos > Recrutamento e Seleção > Greenhouse > Modelo de Dados

Seu Template de Dados para Recrutamento e Seleção

Greenhouse

Atributos de Recrutamento e Seleção (22) Atividades de Recrutamento e Seleção (14) Guias de Extração (3)

Seu Template de Dados para Recrutamento e Seleção

Este template é um guia completo para coletar os dados certos do seu processo de Recrutamento e Seleção. Ele detalha os atributos e atividades essenciais e como extraí-los do Greenhouse, garantindo a base correta para suas análises.

Atributos recomendados para coletar
Atividades-chave a monitorizar
Orientação para Extração

É novo em event logs? Saiba como criar um event log para Process Mining.

Baixar Modelo

Atributos de Recrutamento e Seleção

Estes são os campos de dados recomendados para uma análise completa do seu processo de recrutamento no Greenhouse.

5 Obrigatório 6 Recomendado 11 Opcional

	Nome	Descrição
	Candidatura JobApplicationId	Identificador único para a candidatura de um candidato a uma vaga específica.
Descrição O ID da Candidatura é a base da análise, funcionando como o identificador único do caso. Ele vincula todas as atividades, desde a inscrição e triagem até a contratação final, permitindo uma visão ponta a ponta da jornada. No Process Mining, esse atributo reconstrói o caminho exato do candidato no funil, possibilitando analisar variantes de processo, tempos de ciclo e pontos de desistência para cada aplicante individualmente. Por que é importante O Case ID essencial que conecta todos os eventos de um candidato, permitindo analisar toda a jornada de ponta a ponta. Onde obter Geralmente o ID principal do objeto de aplicação. Na API do Greenhouse, costuma ser 'id' ou 'application_id'. Exemplos 987654321098765432119876543212
	Carimbo de data e hora da atividade ActivityTimestamp	A data e hora exata da ocorrência da atividade de recrutamento.
Descrição O timestamp da atividade marca o momento exato em que um evento ocorreu. Ele é a base temporal para todas as análises de desempenho, fornecendo a ordem cronológica para cada candidatura. Este timestamp é essencial para calcular KPIs como Time to Hire, tempo de agendamento e retorno de feedback. Ao analisar o intervalo entre as atividades, as empresas podem medir a eficiência, identificar atrasos e monitorar SLAs, alimentando dashboards de performance e gargalos. Por que é importante Timestamp crítico para ordenar eventos, calcular tempos de ciclo e analisar o desempenho do recrutamento. Onde obter Encontrado em vários objetos do Greenhouse, como 'applied_at' em Application, 'created_at' em propostas ou timestamps em feeds de atividade. 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.
Descrição Registra o nome de cada evento (ex: 'Entrevista Agendada'). Forma a sequência que compõe o mapa do processo. Analisar a frequência dessas atividades é a base do Process Mining. Ajuda a visualizar o funil, identificar caminhos comuns, detectar desvios e localizar gargalos onde o processo trava. Ex: permite ver quantos avançam da 'Triagem' para a 'Entrevista com Recrutador'. Por que é importante Define as etapas do recrutamento, permitindo visualizar o fluxo e identificar gargalos e desvios. Onde obter Geralmente derivado do mapeamento de mudanças de etapas, status de entrevistas ou propostas no Greenhouse. Pode exigir lógica para padronizar nomes de eventos. Exemplos Proposta RevisadaEntrevista ConcluídaProposta aceitaApplication Rejected
	Sistema de Origem SourceSystem	Identifica o sistema de origem de onde os dados foram extraídos.
Descrição Especifica a origem dos dados (neste caso, 'Greenhouse'). Mesmo parecendo estático, rastrear o sistema de origem é crucial para governança de dados e auditoria, especialmente se os dados forem cruzados com um sistema de RH (HRIS). Garante integridade e clareza sobre de onde a informação veio. Por que é importante Garante a procedência clara dos dados, essencial para governança, validação e gestão de múltiplas fontes. Onde obter Valor estático adicionado no ETL para rotular a origem dos dados. Exemplos Greenhouse
	Última Atualização de Dados LastDataUpdate	O registro de data e hora que indica quando os dados deste evento foram atualizados ou extraídos pela última vez.
Descrição Registra quando os dados foram extraídos do sistema de origem. Indica o quão atualizada está a análise. Essencial para que os usuários saibam se os dados são recentes. Ajuda a gerenciar expectativas sobre latência e a validar o pipeline de dados. Se a 'Última Atualização' for antiga, os dashboards não refletirão as atividades mais recentes. Por que é importante Indica o quão recentes são os dados, ajudando a entender se a análise reflete o estado atual do processo. Onde obter Timestamp gerado e carimbado no dataset durante o processo de ETL (extração e carga). Exemplos 2023-11-20T02:00:00Z2023-11-21T02:00:00Z2023-11-22T02:00:00Z
	Departamento da Vaga JobDepartment	O departamento ou unidade de negócio da vaga.
Descrição Especifica o departamento (ex: Engenharia, Vendas). Permite comparar métricas entre diferentes áreas do negócio. Segmentar por departamento é vital para dashboards de Time to Hire e Tendências de Aceite. Ajuda a identificar se certas áreas têm ciclos mais longos ou mais rejeições de propostas. Esses insights permitem intervenções focadas e melhorias personalizadas para cada departamento. Por que é importante Permite comparar a performance e variações de processo entre diferentes departamentos, revelando problemas sistêmicos ou boas práticas. Onde obter Geralmente disponível como campo padrão ou customizado no objeto Job no Greenhouse (seção 'departments' via API). Exemplos EngenhariaGestão de ProdutosVendasMarketing
	Fonte da Aplicação ApplicationSource	O canal pelo qual a candidatura foi recebida.
Descrição Rastreia a origem da inscrição (ex: LinkedIn, Indicação). Mostra a eficácia dos canais de recrutamento. O dashboard de Eficácia de Canais foca nisso. Analisando volume, tempo e taxa de contratação por fonte, a empresa otimiza o investimento em marketing de recrutamento. Ajuda a decidir quais canais trazem candidatos melhores com mais eficiência, alimentando o KPI de Conversão por Canal. Por que é importante Ajuda a medir o ROI de diferentes canais de recrutamento, permitindo decidir com dados onde investir esforços de sourcing. Onde obter Disponível no objeto Candidate no Greenhouse, vinculado à Candidatura. O campo 'source' fornece esta informação. Exemplos LinkedInIndicação de colaboradorPágina de carreiras da empresaIndeed
	Nome do Recrutador RecruiterName	Nome do recrutador responsável pela candidatura.
Descrição Identifica o recrutador da candidatura. É o responsável pela triagem e coordenação do candidato. Essencial para entender performance individual e carga de trabalho. O dashboard de Eficiência do Recrutador usa isso para calcular produtividade e tempos de ciclo, ajudando a equilibrar demandas e identificar quem precisa de suporte no time. Por que é importante Atribui atividades a um recrutador específico, permitindo analisar desempenho individual, carga de trabalho e eficiência. Onde obter Disponível no objeto Job no Greenhouse, geralmente na seção 'hiring_team', onde o papel de 'Recruiter' é definido. Exemplos Alice JohnsonRobert DavisMaria Garcia
	Status da oferta OfferStatus	O status atual de uma proposta enviada ao candidato.
Descrição Rastreia o status da proposta (Criada, Enviada, Aceita, Rejeitada). É o indicador-chave da fase final. Essencial para o dashboard de Tendências de Aceite. Ao acompanhar do envio ao aceite/rejeição, as empresas medem sua capacidade de fechar com o candidato. Analisar isso por área revela se a remuneração está competitiva ou se a experiência final foi negativa. Por que é importante Rastreia o resultado das propostas, fundamental para calcular e melhorar o KPI de Taxa de Aceite. Onde obter Disponível no objeto Offer no Greenhouse, vinculado a uma Candidatura. O campo 'status' fornece esta informação. Exemplos AceitoRejeitadoEnviadoCriado
	Status da Solicitação ApplicationStatus	O resultado final ou status atual da candidatura.
Descrição Indica a situação da candidatura (Contratado, Rejeitado, Ativo). Representa o estado final ou atual do processo. Dimensão crítica para análise de resultados. Permite filtrar casos para comparar caminhos de candidatos contratados vs. rejeitados, revelando padrões de sucesso. Também calcula taxas de conversão no dashboard de Funil de Recrutamento Geral. Por que é importante Define o resultado do processo, permitindo comparar jornadas de sucesso (contratado) versus jornadas sem sucesso (rejeitado). Onde obter Informação disponível no objeto 'Application' do Greenhouse, via campo 'status' na API. Exemplos AdmitidoRejeitadoAtivo
	Título do cargo JobTitle	Título do cargo para o qual o candidato se inscreveu.
Descrição Contém o título oficial da vaga (ex: 'Engenheiro de Software Sênior'). Analisar processos por cargo é fundamental para entender desafios específicos. O dashboard de Performance de Time to Hire usa isso para mostrar se cargos especializados demoram mais para preencher. Também ajuda a analisar taxas de aceite por posição, indicando a competitividade salarial. Por que é importante Permite filtrar e comparar métricas para funções específicas, ajudando a entender como a performance varia por tipo ou complexidade da vaga. Onde obter Campo principal no objeto Job no Greenhouse, geralmente disponível como 'name' na API de 'jobs'. Exemplos Engenheiro de Software SêniorExecutivo de ContasUX/UI Designer
	É Automatizado IsAutomated	Um sinalizador que indica se uma atividade foi realizada automaticamente pelo sistema.
Descrição Indica se a atividade foi feita por um usuário ou automação (ex: e-mails automáticos ou rejeição por critérios básicos). Ajuda a entender o nível de automação no processo. Serve para comparar a eficiência de passos manuais vs. automáticos e identificar onde automatizar mais para ganhar velocidade e consistência. Por que é importante Ajuda a distinguir atividades manuais de automáticas, permitindo analisar o impacto da automação na eficiência do processo. Onde obter Não é um campo padrão e costuma ser derivado. Pode ser inferido pelo usuário (ex: usuário 'Sistema') ou por tipos de eventos automáticos. Exemplos verdadeirofalse
	Está em conformidade IsCompliant	Um sinalizador calculado indicando se a candidatura seguiu o processo de contratação padrão definido.
Descrição Resultado de uma checagem de conformidade que compara o processo real com o modelo ideal. Sinaliza casos que pularam etapas ou inverteram ordens. Atributo central para o dashboard de Desvios de Conformidade e KPIs de violações. Filtrando esses casos, o RH investiga se os desvios ocorrem por falta de treinamento, falhas no sistema ou exceções necessárias, ajudando a padronizar fluxos e mitigar riscos. Por que é importante Identifica desvios, o que é crítico para medir a conformidade, garantir aderência e padronizar fluxos de contratação. Onde obter Campo calculado pelo software de Process Mining. Compara o log de eventos com um modelo ideal ou regras de negócio. Exemplos verdadeirofalse
	Estágio de Entrevista InterviewStageName	Nome ou tipo específico da etapa de entrevista.
Descrição Especifica a etapa da entrevista (ex: 'Painel Técnico', 'Rodada Final'). Oferece mais detalhe que um simples 'Entrevista Concluída'. Ao analisar cada estágio, a empresa localiza gargalos específicos. É possível medir a 'Taxa de Desistência por Etapa', identificando se os talentos saem mais após o teste técnico ou na triagem inicial. Esse detalhe é vital para melhorar a experiência do candidato de forma cirúrgica. Por que é importante Oferece uma visão detalhada do processo de entrevista, permitindo analisar tempos de ciclo e taxas de desistência em cada etapa específica. Onde obter Parte dos dados de agendamento no Greenhouse. O objeto 'interviews' na candidatura contém os detalhes da etapa. Exemplos Triagem do recrutadorHiring Manager InterviewAvaliação TécnicaEtapa Final Presencial
	Horário de término da atividade ActivityEndTime	O registro de data/hora indicando quando uma atividade com duração foi concluída.
Descrição Registra o horário de conclusão de atividades com duração (ex: entrevistas). Atividades com tempo mensurável precisam de início e fim. Ter o horário de término é crucial para calcular o tempo de processamento real, diferenciando o tempo de espera (fila) do tempo gasto na tarefa. Isso permite saber quanto tempo uma entrevista realmente leva vs. quanto tempo levou para ser agendada. Por que é importante Permite o cálculo preciso do tempo de processamento, ajudando a distinguir trabalho ativo de tempo de espera (ociosidade). Onde obter Pode estar em objetos como 'scheduled_interview' no Greenhouse, que possuem início e fim. Para outros eventos, pode ser inferido pelo timestamp da atividade seguinte. Exemplos 2023-10-27T15:35:10Z2023-11-05T10:15:00Z2023-11-10T11:00:00Z
	ID do Candidato CandidateId	Um identificador exclusivo para o candidato, independente de qualquer candidatura individual.
Descrição O ID do Candidato identifica o indivíduo, enquanto o ID da Candidatura é específico para uma vaga. Um candidato pode ter várias candidaturas ao longo do tempo. Embora o ID da Candidatura seja o Case ID aqui, o ID do Candidato permite rastrear a jornada do talento em diferentes processos, identificar candidatos recorrentes e analisar o relacionamento geral com o banco de talentos, oferecendo uma visão centrada na pessoa. Por que é importante Permite analisar múltiplas candidaturas do mesmo candidato, oferecendo uma visão ampla do engajamento ao longo do tempo. Onde obter Chave primária do registro do candidato no Greenhouse (ID na API). Exemplos 123456123457123458
	ID do Job JobId	ID único da requisição ou anúncio da vaga.
Descrição ID único da vaga (diferente do ID da candidatura). Várias candidaturas ligam-se ao mesmo ID de Vaga. Permite agregar dados por requisição, analisando o total de inscritos por vaga ou o tempo médio de contratação para cargos similares. Ajuda a agrupar e analisar esforços em torno de uma posição específica aberta. Por que é importante Permite agregar e analisar todos os dados de candidatos de uma vaga específica, fornecendo uma visão focada na requisição. Onde obter Chave primária do registro da vaga no Greenhouse (ID na API). Exemplos 400123400124400125
	Motivo da Rejeição RejectionReason	O motivo informado para a rejeição da candidatura.
Descrição Captura o motivo pelo qual o candidato não avançou (ex: 'Falta de fit cultural', 'Pretensão salarial alta'). Analisar esses motivos oferece feedbacks valiosos, revelando descrições de cargos desalinhadas ou salários fora do mercado. Ajuda a melhorar o sourcing e a experiência do candidato ao entender onde o funil de contratação mais falha. Por que é importante Fornece insights qualitativos sobre por que os candidatos saem do funil, ajudando a refinar descrições de cargos e critérios de triagem. Onde obter Disponível no objeto Application quando rejeitado. A API fornece o objeto 'rejection_reason' com os detalhes. Exemplos Faltavam habilidades necessáriasExpectativa salarial muito altaCandidato mais qualificado selecionado
	Nome do Gestor da Vaga HiringManagerName	Nome do gestor responsável pela vaga.
Descrição Identifica o gestor da equipe da vaga aberta. O gestor é um stakeholder-chave, envolvido na revisão e na decisão final. Analisar o processo por gestor revela padrões: o dashboard de gargalos de agendamento pode mostrar que atrasos se ligam à disponibilidade de gestores específicos. Isso ajuda a identificar quem precisa de apoio ou treinamento para engajar melhor no processo. Por que é importante Identifica um stakeholder chave, permitindo analisar gargalos ou eficiências ligados a gestores específicos. Onde obter Disponível no objeto Job no Greenhouse, geralmente na seção 'hiring_team', onde o 'Hiring Manager' é especificado. Exemplos Emily TranDavid ChenSophia Rodriguez
	Recomendação do Scorecard ScorecardOverallRecommendation	A recomendação geral de contratação de um scorecard preenchido.
Descrição Captura a recomendação final no scorecard da entrevista (ex: 'Sim (Forte)', 'Sim', 'Não'). Vital para avaliar a qualidade e consistência do processo. Ajuda a correlacionar feedbacks com contratações reais: 'candidatos com recomendações fortes são contratados mais vezes?'. Também é a base para o KPI de Taxa de Preenchimento de Scorecards. Por que é importante Conecta feedbacks estruturados aos resultados do processo e ajuda a medir a adoção de práticas de contratação baseadas em dados. Onde obter Encontrado no objeto Scorecard associado a uma entrevista. A API fornece isso via endpoint 'scorecards'. Exemplos Não (Forte)NãoSimSim (Forte)
	Tempo de Resposta do Feedback de Entrevista InterviewFeedbackTurnaroundTime	Tempo decorrido entre o fim da entrevista e o envio do feedback pelo entrevistador.
Descrição Mede a rapidez dos entrevistadores. Atrasos no feedback travam o processo e prejudicam a experiência do candidato. Alimenta o dashboard de Ciclo de Feedback e o KPI de Tempo de Resposta. É a diferença entre a entrevista feita e o envio do scorecard. Monitorar isso identifica gargalos causados por lentidão na avaliação e incentiva decisões mais ágeis. Por que é importante Mede a eficiência do ciclo de feedback pós-entrevista, uma fonte comum de atrasos. Onde obter Campo calculado pela diferença entre a conclusão da entrevista e o envio do feedback. Exemplos 86400172800259200
	Tempo para contratar TimeToHire	Duração total desde o recebimento da candidatura até a marcação como contratado.
Descrição Métrica que mede a duração total de um processo de contratação bem-sucedido. É um dos KPIs mais críticos de RH. Alimenta o dashboard de Performance de Time to Hire. É a diferença de tempo entre a inscrição e a contratação. Analisar isso ajuda a definir benchmarks e identificar atrasos sistêmicos no fluxo. Por que é importante KPI que mede a eficiência geral do funil de recrutamento para contratações. Onde obter Campo calculado pela diferença entre o timestamp de candidatura recebida e o de contratação. Exemplos 259200043200003456000

Obrigatório Recomendado Opcional

Atividades de Recrutamento e Seleção

Estes são os marcos e etapas fundamentais para capturar no seu log de eventos para a descoberta e otimização do funil.

7 Recomendado 7 Opcional

	Atividade	Descrição
	Application Rejected	A candidatura foi rejeitada em algum ponto. Este é o evento de insucesso mais comum e pode ocorrer em qualquer etapa.
Por que é importante Evento final crítico para analisar a evasão do funil. Entender quando e por que as rejeições ocorrem ajuda a identificar falhas no processo ou cargos desalinhados. Onde obter Evento registrado quando um usuário rejeita a candidatura no Greenhouse, geralmente com um motivo e timestamp no log de atividades. Captura Capturado a partir do timestamp da ação de rejeição aplicada à candidatura. Tipo de evento explicit
	Candidato contratado	O candidato concluiu todas as verificações e foi oficialmente contratado. Este é o evento final de sucesso do processo de candidatura.
Por que é importante Principal resultado de sucesso. O tempo da inscrição até este evento é o Time to Hire total, o KPI mais crítico. Onde obter Ação explícita no Greenhouse onde o recrutador marca o candidato como contratado, alterando seu status de ativo para admitido. Captura Capturado a partir do timestamp da ação 'Marcar como Contratado' no Greenhouse. Tipo de evento explicit
	Candidatura recebida	Marca o início do recrutamento para uma candidatura específica. É registrado quando o candidato se inscreve via site de carreiras, canal de origem ou manualmente.
Por que é importante Principal evento de início. Analisar o tempo daqui até outros pontos é vital para medir Time to Hire e eficácia de canais. Onde obter Evento registrado quando a candidatura é criada. O campo 'Application Date' ou o timestamp de criação fornece o horário. Captura Capturado a partir do timestamp de criação do registro da candidatura. Tipo de evento explicit
	Entrevista Concluída	Uma entrevista foi realizada. Frequentemente inferido pela passagem do horário agendado ou pelo envio do feedback da entrevista.
Por que é importante Esta atividade é um marco importante. Serve como ponto inicial para medir o tempo de envio de feedback e a progressão para a próxima etapa. Onde obter Geralmente inferido pelo fim da entrevista agendada ou pelo timestamp do primeiro feedback enviado. Captura Inferido pelo fim do horário agendado ou pelo timestamp do envio de feedback subsequente. Tipo de evento inferred
	Interview Scheduled	Uma entrevista foi agendada. O Greenhouse possui integração com calendários, então este evento é registrado quando a entrevista é confirmada.
Por que é importante Evento crítico para identificar gargalos no agendamento. O tempo entre este passo e o anterior é um KPI-chave de eficiência para recrutadores e coordenadores. Onde obter Capturado a partir do recurso de agendamento de entrevistas no Greenhouse. A API fornece os dados, incluindo o timestamp de criação. Captura Registrado quando um evento de entrevista é criado e associado à candidatura. Tipo de evento explicit
	Oferta apresentada	A proposta oficial foi enviada. Este é um marco crítico que representa o auge do processo de seleção.
Por que é importante Base para o KPI de Taxa de Aceite de Proposta. Marca o início da fase de decisão final do candidato. Onde obter Evento registrado quando o status da proposta muda para 'Enviado'. O objeto de propostas contém esses timestamps. Captura Capturado a partir do timestamp em que o status da proposta foi oficialmente marcado como enviado. Tipo de evento explicit
	Proposta aceita	O candidato aceitou formalmente a proposta. Este é um marco de sucesso e geralmente inicia atividades de pré-contratação, como verificação de antecedentes.
Por que é importante Marco de sucesso crítico e base do KPI de Taxa de Aceite de Proposta. Marca a transição de candidato para futuro colaborador. Onde obter Evento capturado quando o status da proposta muda para 'Aceito' no Greenhouse, seja via recrutador ou aceite eletrônico. Captura Capturado a partir do timestamp em que o status da proposta mudou para 'Aceito'. Tipo de evento explicit
	Feedback Enviado	Um entrevistador enviou seu scorecard ou feedback. O processo estruturado do Greenhouse depende disso para a tomada de decisão; portanto, é uma ação registrada.
Por que é importante A rapidez do feedback é vital para avançar os candidatos. Esta atividade analisa a eficiência do loop de feedback e a taxa de preenchimento dos scorecards. Onde obter Evento registrado quando o entrevistador envia o scorecard. O objeto da API de Scorecards contém o timestamp `submitted_at`. Captura Capturado a partir do timestamp de envio de um scorecard de entrevista. Tipo de evento explicit
	Oferta Criada	Uma proposta formal foi redigida e pode estar pendente de aprovação interna. Marca a decisão formal de avançar com a contratação.
Por que é importante Separa a decisão interna da oferta do envio real. Ajuda a analisar tempos de aprovação interna e gargalos antes de chegar ao candidato. Onde obter O Greenhouse tem um módulo de propostas. Este é um evento explícito capturado do timestamp de criação da proposta associada. Captura Registrado na criação do registro de proposta no Greenhouse. Tipo de evento explicit
	Onboarding iniciado	O onboarding do novo contratado começou oficialmente. Isso geralmente envolve a transferência do sistema de recrutamento para um sistema de RH (HRIS).
Por que é importante Rastreia a eficiência da passagem do recrutamento para o RH. Atrasos aqui prejudicam a experiência do novo colaborador. Onde obter Pode ser explícito se houver integração com sistema de onboarding. Caso contrário, é inferido pelo timestamp da etapa final 'Hired'. Captura Inferido por uma mudança de etapa ou log de integração indicando a transferência para o HRIS. Tipo de evento inferred
	Proposta Rejeitada	O candidato recusou formalmente a proposta. Este é um evento final de insucesso que ocorre nas etapas finais do funil.
Por que é importante Rastrear isso é vital para analisar a Taxa de Aceite. Se for muito frequente, pode indicar problemas com salário, cultura ou o cargo. Onde obter Evento capturado quando o status da proposta muda para 'Rejeitado' ou 'Recusado' no Greenhouse. O objeto da proposta terá o timestamp. Captura Capturado a partir do timestamp em que o status da proposta mudou para 'Rejeitado'. Tipo de evento explicit
	Proposta Revisada	Um recrutador ou gestor revisou a candidatura. Geralmente inferido quando o estágio ou status muda de 'Novo' para um estágio de revisão ativo, como 'Em Revisão'.
Por que é importante Rastrear isso identifica gargalos na triagem inicial e mede o tempo de resposta às novas inscrições. É o ponto de partida para o ciclo de agendamento. Onde obter Inferido pela mudança no status da candidatura. Procure mudanças de 'Novo' para 'Revisão', usando o timestamp da alteração. Captura Inferido pelo timestamp da mudança de status para 'Em Revisão' ou estágio similar. Tipo de evento inferred
	Triagem do Recrutador Realizada	Um recrutador realizou uma triagem por telefone ou conversa inicial. Frequentemente capturada ao mover o candidato para a etapa específica de 'Triagem por Telefone' no funil.
Por que é importante Marco de qualificação que indica que a candidatura passou na triagem inicial. Mede a carga do recrutador e a eficácia da triagem. Onde obter Inferido pelo timestamp de quando a candidatura entra ou sai da etapa de 'Triagem por Telefone' no Greenhouse. Captura Derivado do histórico de etapas da candidatura, especificamente a entrada no estágio de 'Triagem por Telefone'. Tipo de evento inferred
	Verificação de antecedentes iniciada	Uma verificação de antecedentes foi iniciada para o candidato, geralmente após a aceitação da proposta. Pode ser registrado como uma mudança de etapa específica ou gatilho de integração.
Por que é importante Importante para conformidade e rastreio de atrasos na triagem pré-contratação. Analisa o tempo entre o aceite da proposta e a conclusão das verificações. Onde obter Provavelmente inferido pela mudança para a etapa de 'Verificação de Antecedentes' ou log de integração desse serviço. Captura Inferido por uma mudança para a etapa de 'Background Check' ou log de API de um serviço integrado. Tipo de evento inferred

Recomendado Opcional

Guias de Extração

Como obter seus dados do Greenhouse

Etapas

Faça login na sua conta do Greenhouse Recruiting.
Navegue até a seção de Relatórios clicando no ícone de gráfico de barras na barra de navegação principal.
No Dashboard de Relatórios, localize e clique em 'Essential Reports'. Um relatório principal para esta extração é o 'All Applications'. Ele oferece uma visão abrangente das candidaturas e seus marcos principais.
Configure o relatório 'All Applications'. Clique no botão 'Columns'. Selecione todas as colunas necessárias para capturar os atributos e datas/horas das atividades. Certifique-se de incluir: Application ID, Candidate, Job, Department, Recruiter, Status, Source, Applied On, Rejected On, Hired On, Last Stage Change On, Offer Created On, Offer Accepted On, Offer Status.
Para capturar atividades relacionadas a entrevistas, você precisará de um relatório separado. Volte para 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. Isso fornecerá os horários de agendamento e envio de feedback.
Para ambos os relatórios, defina o intervalo de datas adequado. Um filtro comum é 'Applied On' definido como 'All Time' ou um intervalo específico, como os últimos 6 meses.
Gere cada relatório clicando no botão 'Update' ou 'Generate'. Quando o relatório aparecer, clique no botão 'Export to Excel' para baixar os dados como CSV. Você terá dois arquivos CSV separados.
Os arquivos exportados ainda não estão no formato de log de eventos. Você deve realizar uma etapa de transformação usando ferramentas como Python, R ou um programa de planilhas com recursos de unpivot, como o Power Query do Microsoft Excel.
Combine os dados dos relatórios 'All Applications' e 'Interview Details', unindo-os pelo ID da Candidatura (Application ID).
Para cada candidatura, crie uma linha distinta para cada coluna de data relevante exportada. Por exemplo, o valor em 'Applied On' torna-se o TimestampAtividade para uma atividade chamada 'Candidatura Recebida'. O valor de 'Rejected On' cria a atividade 'Candidatura Rejeitada', e assim por diante. Use 'Last Stage Change On' para inferir atividades como 'Candidatura Revisada' ou 'Triagem de Recrutador Conduzida' se não houver registros específicos.
Estruture o arquivo transformado final com as colunas obrigatórias: JobApplicationId, ActivityName, ActivityTimestamp, SourceSystem, LastDataUpdate e atributos recomendados. Salve como um único CSV para upload.

Configuração

Relatórios Principais: A extração depende da combinação de dados de múltiplos relatórios na seção Relatórios Essenciais do Greenhouse, principalmente 'Todas as Candidaturas' e 'Detalhes da Entrevista'.
Colunas Principais (Todas as Candidaturas): Para capturar todos os dados necessários, selecione colunas como ID da Candidatura, Candidato, Vaga, Departamento, Recrutador, Status, Origem, Status da Proposta e todas as colunas de data relevantes, incluindo Aplicado Em, Rejeitado Em, Contratado Em, Proposta Criada Em e Proposta Aceita Em.
Colunas Principais (Detalhes da Entrevista): Para capturar os eventos de entrevista, selecione colunas como ID da Candidatura, Nome da Entrevista, Início Agendado e Scorecard Enviado Em.
Filtros de Período: Recomendamos filtrar as candidaturas com base na data 'Aplicado Em' por um período de 3 a 6 meses para garantir um conjunto de dados gerenciável e relevante. Filtrar períodos mais longos pode impactar a performance.
Pré-requisitos: O usuário que realiza a exportação deve ter permissões no Greenhouse para acessar a seção de 'Relatórios' e visualizar dados dos candidatos. Isso geralmente requer 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 a Chave de API do Greenhouse
- Faça login na sua conta do Greenhouse com permissões de desenvolvedor.
- Navegue até Configure > Dev Center > API Credential Management.
- Clique em "Create New API Key".
- Forneça uma descrição, por exemplo, "Extração ProcessMind".
- Selecione "Harvest" como o 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 com segurança. Você não poderá visualizá-la novamente.
Configure seu Ambiente Python
- Certifique-se de ter o Python 3.6 ou superior instalado.
- Instale as bibliotecas necessárias executando os seguintes comandos no seu 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 no passo 1.
- Ajuste a variável START_DATE_ISO para definir o início do período de extração. Para uma carga inicial, recomenda-se uma data de 3 a 6 meses atrás.
Personalize o Mapeamento de Etapas
- Revise o dicionário STAGE_TO_ACTIVITY dentro do script.
- Este dicionário mapeia os nomes das etapas específicas da sua empresa no Greenhouse para os nomes de atividades padronizados para o Process Mining.
- Você DEVE atualizar este mapeamento para coincidir com a configuração exclusiva do seu Greenhouse. Por exemplo, se a sua etapa 'Recruiter Screen' se chamar 'Chat Inicial do Recrutador', atualize o dicionário correspondentemente.
Execute o Script de Extração
- Abra um terminal ou prompt de comando.
- Navegue até o diretório onde salvou extract_greenhouse_logs.py.
- Execute o script usando o comando: python extract_greenhouse_logs.py.
- O script se conectará à API do Greenhouse, buscará os dados, processará e exibirá as atualizações de status no console.
Recupere o Event Log
- Após a conclusão, o script gerará um arquivo chamado greenhouse_event_log.csv no mesmo diretório.
- Este arquivo CSV é o log de eventos final, formatado com as colunas e atividades necessárias.
Lide com Cargas Incrementais
- Para execuções futuras, você pode atualizar a variável START_DATE_ISO com o timestamp da última extração bem-sucedida. Isso garante que você busque apenas registros novos ou atualizados, tornando o processo mais rápido.
Upload para o ProcessMind
- O arquivo greenhouse_event_log.csv gerado está pronto para ser enviado diretamente ao ProcessMind. Verifique se os nomes das colunas no arquivo correspondem aos campos no seu projeto do ProcessMind.

Configuração

Permissões da Chave de API: A chave da API Harvest deve ter acesso de apenas leitura (GET) aos seguintes endpoints: Applications, Candidates, Jobs, Job Stages, Offers, Scorecards e Users. Permissões insuficientes resultarão em dados ausentes para certas atividades.
Filtro de Período: O script usa um parâmetro updated_after (variável START_DATE_ISO) para filtrar candidaturas. Para a primeira extração, use um intervalo maior, como os últimos 6 meses. Para cargas incrementais subsequentes, defina este valor com o timestamp da última execução bem-sucedida para melhorar a performance.
Mapeamento de Etapa para Atividade: O dicionário STAGE_TO_ACTIVITY no script é fundamental. Ele deve ser configurado para refletir com precisão as etapas de contratação exclusivas da sua empresa no Greenhouse para identificar corretamente atividades como 'Triagem de Recrutador Conduzida' e 'Verificação de Antecedentes Iniciada'.
Limite de Taxa da API: O script inclui um pequeno atraso fixo entre as chamadas de API para respeitar os limites do Greenhouse (aprox. 20 solicitações por segundo). Para volumes de dados muito grandes, você pode precisar ajustar esse atraso para evitar erros de conexão.
Granularidade dos Dados: A extração foca em eventos com data/hora e mudanças de status. Não captura conteúdos detalhados como notas de entrevista ou e-mails, apenas os metadados de que o evento ocorreu.

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

Faça login na sua conta do Greenhouse Recruiting.
Navegue até a seção de Relatórios clicando no ícone de gráfico de barras na barra de navegação principal.
No Dashboard de Relatórios, localize e clique em 'Essential Reports'. Um relatório principal para esta extração é o 'All Applications'. Ele oferece uma visão abrangente das candidaturas e seus marcos principais.
Configure o relatório 'All Applications'. Clique no botão 'Columns'. Selecione todas as colunas necessárias para capturar os atributos e datas/horas das atividades. Certifique-se de incluir: Application ID, Candidate, Job, Department, Recruiter, Status, Source, Applied On, Rejected On, Hired On, Last Stage Change On, Offer Created On, Offer Accepted On, Offer Status.
Para capturar atividades relacionadas a entrevistas, você precisará de um relatório separado. Volte para 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. Isso fornecerá os horários de agendamento e envio de feedback.
Para ambos os relatórios, defina o intervalo de datas adequado. Um filtro comum é 'Applied On' definido como 'All Time' ou um intervalo específico, como os últimos 6 meses.
Gere cada relatório clicando no botão 'Update' ou 'Generate'. Quando o relatório aparecer, clique no botão 'Export to Excel' para baixar os dados como CSV. Você terá dois arquivos CSV separados.
Os arquivos exportados ainda não estão no formato de log de eventos. Você deve realizar uma etapa de transformação usando ferramentas como Python, R ou um programa de planilhas com recursos de unpivot, como o Power Query do Microsoft Excel.
Combine os dados dos relatórios 'All Applications' e 'Interview Details', unindo-os pelo ID da Candidatura (Application ID).
Para cada candidatura, crie uma linha distinta para cada coluna de data relevante exportada. Por exemplo, o valor em 'Applied On' torna-se o TimestampAtividade para uma atividade chamada 'Candidatura Recebida'. O valor de 'Rejected On' cria a atividade 'Candidatura Rejeitada', e assim por diante. Use 'Last Stage Change On' para inferir atividades como 'Candidatura Revisada' ou 'Triagem de Recrutador Conduzida' se não houver registros específicos.
Estruture o arquivo transformado final com as colunas obrigatórias: JobApplicationId, ActivityName, ActivityTimestamp, SourceSystem, LastDataUpdate e atributos recomendados. Salve como um único CSV para upload.

Configuração

Relatórios Principais: A extração depende da combinação de dados de múltiplos relatórios na seção Relatórios Essenciais do Greenhouse, principalmente 'Todas as Candidaturas' e 'Detalhes da Entrevista'.
Colunas Principais (Todas as Candidaturas): Para capturar todos os dados necessários, selecione colunas como ID da Candidatura, Candidato, Vaga, Departamento, Recrutador, Status, Origem, Status da Proposta e todas as colunas de data relevantes, incluindo Aplicado Em, Rejeitado Em, Contratado Em, Proposta Criada Em e Proposta Aceita Em.
Colunas Principais (Detalhes da Entrevista): Para capturar os eventos de entrevista, selecione colunas como ID da Candidatura, Nome da Entrevista, Início Agendado e Scorecard Enviado Em.
Filtros de Período: Recomendamos filtrar as candidaturas com base na data 'Aplicado Em' por um período de 3 a 6 meses para garantir um conjunto de dados gerenciável e relevante. Filtrar períodos mais longos pode impactar a performance.
Pré-requisitos: O usuário que realiza a exportação deve ter permissões no Greenhouse para acessar a seção de 'Relatórios' e visualizar dados dos candidatos. Isso geralmente requer 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'

Seu Template de Dados para Recrutamento e Seleção

Seu Template de Dados para Recrutamento e Seleção

Atributos de Recrutamento e Seleção

Atividades de Recrutamento e Seleção

Guias de Extração

Construtor de Relatórios do Greenhouse para Exportação Manual de CSV

Etapas

Configuração

a Consulta de Exemplo config

Extração via Script Python pela API Greenhouse Harvest

Etapas

Configuração

a Consulta de Exemplo python

Ferramenta de ETL Automatizada com Conector Greenhouse

Etapas

Configuração

a Consulta de Exemplo config

Pronto para Começar?

Agilize seu Recrutamento no Greenhouse Hoje Mesmo

Seu Template de Dados para Recrutamento e Seleção

Seu Template de Dados para Recrutamento e Seleção

Atributos de Recrutamento e Seleção

Atividades de Recrutamento e Seleção

Guias de Extração

Construtor de Relatórios do Greenhouse para Exportação Manual de CSV

Etapas

Configuração

a Consulta de Exemplo config

Extração via Script Python pela API Greenhouse Harvest

Etapas

Configuração

a Consulta de Exemplo python

Ferramenta de ETL Automatizada com Conector Greenhouse

Etapas

Configuração

a Consulta de Exemplo config

Valorizamos sua privacidade

Pronto para Começar?

Agilize seu Recrutamento no Greenhouse Hoje Mesmo