Big data & recruiting

Door Bas van de Haterd op 17-06-2013 06:58.

analyticsHet is een onderwerp dat hot is, dus tegenwoordig ook hot in Recruitment: Big Data. Er is veel over te doen, want het lijkt een heilige graal te zijn. Dus zitten we bovenop de hype cycle en worden er allerlei eenhoors bedacht. Toch is het niet een trend die we zomaar moeten negeren, want de potentiële toepassingen zijn eindeloos en groot.

Ik heb wat research gedaan naar wat er nu gebeurt op dit gebied. Het zit allemaal in de experimentele fase, dus ik hoef niet te fantaseren wat er nog meer mogelijk is, meer kijken naar: wat als dit werkt?

Definitie Big Data

Hoewel er meerdere definities zijn, zoals eigenlijk met elk begrip, geef ik hier degene die IK hanteer. Dat is niet de definitie, maar degene die voor dit artikel belangrijk is in het achterhoofd te houden. Bij Big Data ga ik altijd uit van meerdere databronnen, onafhankelijk van elkaar, waaruit mogelijke correlaties te vinden zijn. Databronnen die niet per definitie verzameld zijn voor een bepaald doel, maar waarvan wel de mogelijkheid (praktisch en juridisch) bestaat ze ervoor in te zetten.

Big Data & Recruitment

Wat kunnen we daar dan mee in recruitmentland. Laten we dan eerst beginnen met een paar problemen die we nu hebben, en dat zijn de assumpties die we als mensen maken over andere mensen.

Zo bewijs allerlei wetenschappelijk psychologisch onderzoek een aantal vooroordelen. Men heeft de CV’s van bepaalde mensen door recruiters laten beoordelen op geschiktheid. Hierbij heeft men exact gelijke CV’s (inhoudelijk) laten bekijken en ranken. Het resultaat:

  • Vrouwen krijgen lagere scores bij technische beroepen dan mannen, met dezelfde CV
  • Zwart klinkende namen krijgen lagere scores dan wit klinkende namen

Zomaar twee vooroordelen (o.a. te lezen in dit artikel van de NY Times). Dit weten we allemaal, want in Nederland doen we allemaal onderbewust hetzelfde met Marokkanen en Turken, helaas. We ontkennen het allemaal, en niemand doet het bewust, maar we bekijken de CV’s wel anders.

Andere vooroordelen die we hebben zijn bijvoorbeeld m.b.t. ex-gevangenisklanten of werklozen. Ook daarvan hebben we een lagere dunk, terwijl in veel gevallen uit dit onderzoek (wederom artikel NY Times) blijkt dat dat onterecht is. Ook blijken job hoppers niet per definitie minder lang te blijven bij een bedrijf. Interessant, niet?

Toepassingen

De toepassing van Big Data in Recruitment kan dus van pas komen om vooroordelen over objectief gezien goede kandidaten met een ‘andere’ achtergrond te verwijderen uit het proces. Door niet mensen, maar IT initieel de beste CV’s eruit te laten halen. Hier is in het verleden veel meer geëxperimenteerd en dat is vooral ook heel erg fout gegaan. Ik herinner me nog een systeem waarbij men 10 CV’s in de machine gooide die alle 10 een 100% match hadden en maar 4 kwamen als ‘geschikt’ eruit. Het probleem van de eerste generatie systemen was dat ze hard gecodeerd waren, we zitten nu veel meer op zelflerende systemen. Dus door het systeem te helpen worden ze beter.

Dit is een eerste stap en nog niet echt big data. Immers gaat het veel uit van bestaande databronnen (CV’s) en niet meerdere data bronnen. In dit artikel van The Economist gaat men al een stukje verder. Zo is er bijvoorbeeld een correlatie tussen de browser die men gebruikt (Firefox of Chrome) en de kwaliteit van mensen. Ja, serieus. De praktijk (en daar gaat het om) wijst uit dat deze mensen productiever zijn en minder vaak van baan veranderen. De theorie is dat mensen die een andere browser dan de standaard browser gebruiken beter nadenken over hun besluiten en deze beter geïnformeerd maken. Dat zouden ze dus ook over hun baan, en bij hun werk doen. Of die theorie klopt weten we niet, maar in de praktijk blijkt (volgens het artikel) het zo te zijn.

Nog een stap verder gaat het bedrijf GILD (wederom het eerst genoemde artikel in de NY Times). Dit bedrijf zoekt op basis van een hele reeks aan openbare data naar de ongepolijste diamanten. Het verhaal dat ik hier eerder over schreef n.a.v. het boek van Chris Andersom: Makers, proberen zij op grote schaal waar te maken. Chris Anderson vond zijn partner in zijn nieuwe fabriek voor drones door een forum. De jongen was heel slim, effectief en bleek geen studie gedaan te hebben omdat hij moest wachten op zijn Green Card. Gild zoekt op basis van vele, vele bronnen naar deze mensen. Zo vonden ze hun eigen hoofd programmeur door onder andere zijn grote bijdrages aan github (een plek waar veel open source code gedeeld wordt) en andere online plekken.

GILD is nog in zijn eerste stadia, maar het zoeken naar het ongepolijste talent is natuurlijk een grote markt. Iedereen kan een IT’er van een top universiteit wel kwalificeren, maar daar kom je er niet mee in Sillicon Valley (of in de Eindhovense engineering scène). Deze techniek is natuurlijk nog verre van perfect en zoals de oprichters ook heel duidelijk stellen: het vervangt niet het menselijke stukje van het selectie proces. Men kijkt hierbij enkel naar de technische vaardigheden, iemand moet ook passen.

Conclusie

Big data in recruitment komt er aan, maar met stapjes. Eerst komt er gewoon analytics en data gebruiken. Niet puur webdata, maar ook data over verloop, productiviteit en dergelijke. Op basis daarvan is beter vast te stellen wat voor soort mensen het bedrijf eigenlijk zoekt.

Vervolgens zijn betere data analyses te gebruiken voor het ondersteunen van de mens bij zijn vooroordelen. Die hebben we allemaal, 90% van alles dat we doen, doen we onderbewust. Techniek kan ons helpen daar inzicht in te geven. Ook dit is nog geen ‘big data’, maar gewoon goede analytics.

De derde stap is dat we kleine stukjes additionele data gaan gebruiken. Van de browser die men gebruikt tot de sites die men misschien eerder bezocht heeft en noem het maar op. Dat is de eerste stap in echte ‘big data’. Dan worden niet standaard bronnen erbij getrokken om betere besluiten te maken.

De vierde stap is waar bedrijven als GILD mee bezig zijn. Serieuze data analyses om de ruwe diamanten te identificeren die anders buiten de boot zouden vallen. Ook zullen we data gebruik zien voor betere werk-prive balans (denk aan de reisdata van mensen die banen aangeboden kunnen krijgen dichter bij huis).

Big data en recruitment? Het komt er echt aan. Van werving tot selectie tot het overtuigen van mensen voor je te kiezen. De mens zal zeker nog een rol blijven spelen in het proces, het zag nog decennia duren verwacht ik voor we het gesprek laten vallen en zelfs dan zullen veel partijen het nog steeds voeren, al is het maar voor de vorm. We kunnen de besluiten die we nemen dan echter wel beter onderbouwen.

 

Over de Auteur

Bas van de Haterd Bas van de Haterd is professioneel bemoeial. Hij helpt organisaties met het begrijpen van social media en de gedragsveranderingen die dit met zich meebrengt op het gebied van de arbeidsmarkt. Organisaties huren hem in voor het verzorgen van inspirerende lezingen over de toekomst van de arbeidsmarkt, trainingen over het gebruik van social media voor recruitment of het opzetten van een recruitmentsite. Hij is tevens co-auteur van Personal Brand.nl en auteur van Werken Nieuwe Stijl. Hij is te bereiken op bas@vandehaterd.nl


760 views | Reageer (7 reacties)
  • Arend

    Hi Bas, dank voor dit artikel. ik vermoed dat ‘gewone analytics’ op de standaard data die men nu al heeft niet snel tot “onontdekte parels” gaat leiden. Zelfs het aangehaalde voorbeeld van ‘gewone analytics’ – dat de internetbrowser van een sollicitant een correlatie heeft succes – lijkt me voor veel organisaties al een hele uitdaging om toe te passen… laat staan om dit verband zelf te ontdekken!

    Het voorbeeld GILD in het geciteerde NYT artikel maakt volop gebruik natural language processing en lerende algoritmes: niet iets dat je even in excel doet!

    In ditzelfde artikel wordt een bedrijf genoemd dat jou zeker zal aanspreken:
    http://www.remarkablehire.com/ : dit bedrijf helpt e via posts op social media de ideale kandidaat voor een vacature te vinden!

    Een andere trend die je zal aanspreken is het ontdekken/evalueren van talent binnen je eigen organisatie obv het aantal en de kwaliteit (opwaarderingen) van post op intranet discussiefora zoals Yammer…

    mogelijk erg confronterend zijn voor medewerkers die inhoudelijk weinig toevoegen!

  • Arend

    Intranet Benefits for Human Resource Management
    http://www.bitrixsoft.com/company/blog/unleashed/2320.php

  • Meeuwis de Weerd

    Goh Bas, 2 zielen en 1 gedachte. Ik ben het helemaal met je eens en toevallig heb ik, zij het in een wat eenvoudigere vorm, ook gisteren een blog gepost over dit onderwerp (flynter.weebly.com). Ik denk dat Resumatching een belangrijke ontwikkeling gaat worden binnen recruitland. Maar waar ik ook op wil wijzen is de mogelijkheid op het ‘sturen’ van Big Data.

    Als (beoogd) kandidaat hoef je deze ontwikkeling niet lijdzaam af te wachten, je kan namelijk ook jouw profiel in een bepaalde richting sturen door jezelf op een strategische wijze te profileren. Big Data analyse zal nog voornamelijk op basis van grote gemiddelden gebruikt worden dus dat geeft een kandidaat de mogelijkheid om eventuele ‘foutjes’ uit het verleden weg te poetsen.

    Big Data zal dus niet zaligmakend zijn en de persoonlijke touch en skills van een recruiter blijven zeker van groot belang. Maar ik ben wel van mening dat de early adapters van Resumatching (zowel recruiter als kandidaat) een voorsprong zullen krijgen op de arbeidsmarkt.

  • Sorry Meeuwis, maar dan denk ik toch niet dat we om een gedachte zitten als ik je reactie zo lees. Echte big data kan je namelijk niet sturen en gaat dus juist niet over dat ene foutje dat je wilt wegpoetsen.

    De huidige analytics kunnen dat al amper aan. Dat is het interessant, die analytics mee laten wegen haalt dat ene foutje uit zichzelf al weg. Want die gaan dus uit van dat gemiddelde. Echter, de toekomstige big data, zoals omschreven in dat stukje van GILD, kan je dus juist niet meer zo beïnvloeden. Behalve door je normale gedrag. Jij kan niet beïnvloeden hoeveel je code in een open source project gebruikt wordt. niet significant tenminste. Jij kan je ‘karma’ niet beïnvloeden op bepaalde kennis fora. Hoewel, je hebt natuurlijk 100% invloed, door gewoon goed te zijn. Je kan het alleen niet oppoetsen. Niet snel even, niet tijdelijk.

  • Meeuwis de Weerd

    Bas, ik ben het met je eens dat je jezelf niet ‘ineens’ kan verbeteren. Echter, ik ben wel van mening dat je jouw profiel over een langere periode zo kan positioneren dat je als positieve ‘match’ tevoorschijn komt.

    Het is net statistiek: Hoe je ernaar kijkt bepaalt de uitkomst.

  • Je hebt 100% invloed op je profiel, dat is logisch. Echter proberen om dit aan te passen, je positioneren als match, nee. Naar het feit dat je dat niet moet eens moet willen (je moet je niet anders voordoen), kan dat ook niet want je weet helemaal niet waarop men zoekt op matcht. Als tenminste de software echt goed wordt ingezet.

  • Pingback: Big data in recruitment: wat is het nu eigenlijk? | RecTec()


vandehaterd @ Twitter

Outdoor Recruitment

Wat voor personeel mik je op met zo'n poster op de deur?Wethouder van Verkeer & Vervoer Jeannette Baljeu doopt onderzeeboot RETOnderzeeboot RET rijdt door de straten - wereld haven dagen 1 - maximumMis de boot niet - onderzeeboot RET - maximumKapitein van deze lijn - onderzeeboot RET - wereld havendagen - maximum73764129Werving 1#or manpower ad. Crisis is over#or avans 2#or op anavs 1De ideale (bij)baanlandmacht_tram_08

Categoriën