Big Data és a munkaerő felvétel

Robotizált kiválasztás

Hogyan segítik a szoftverek a vállalatokat a hatékonyabb munkaerő kiválasztásban?




A HR vezetők döntései is csak emberiek. Kétségeik, preferenciáik és előítéleteik vannak, mint bármelyikünknek, ezért néha ők is hibáznak.
Léteznek viszont érzelemmentes technikai eszközök, amelyek néha jobb kiválasztási döntéseket tudnak hozni a „Big Data” kiaknázásával. Azok a szoftverek, amelyek rendkívüli mennyiségű adatot dolgoznak fel, észrevesznek olyan dolgokat, amelyek emberi szemmel nem láthatóak.
Órabérben dolgozó amerikai munkások felvételénél néhány meglepő összefüggést hoztak  napvilágra.Például, azok az emberek, akiknek az online jelentkezéshez internet böngészőt kellett telepíteniük a számítógépükre (mert nem volt rajta automatikusan), jobban teljesítenek, és ritkábban váltanak munkahelyet.
Ez akár véletlen is lehet, de néhány elemző úgy gondolja, hogy azok az emberek, akik veszik a fáradtságot, hogy egy új böngészőt telepítsenek, azok arra is hajlandóak, , hogy tény alapú döntést hozzanak. Az Evolv nevű cég, amely a toborzási és munkahelyi adatokat vizsgál, több mint 30 000 munkavállaló megközelítőleg 3 millió adatpontjából merített, hogy ezt a megállapítást tegye.
Az amerikai munkások mindegy 60%-a órabérben dolgozik.  ennek kb. a fele évente munkahelyet cserél. Így azoknak a vállalatoknak, amelyek sok szakképzetlen munkaerőt alkalmaznak, mint a szupermarketek és a gyorséttermi hálózatok, rengeteg – olykor több millió – jelentkezést kezelnek minden évben.  A folyamat hatékonyságának javításával rengeteg pénzt tudnak megspórolni.
Az Evolv adathegyekből bányászik. Ha a megbízójuk ügyfélszolgálati központot (call center-t) üzemeltet, az Evolv például napi kimutatásokat készít olyan információkról, hogy mennyi idő telik el, mire egy munkatárs megválaszolja az egyes ügyfelek kérdéseit. Ezek után feltárja az összefüggéseket, amelyek  a teljesítmény és azon jellemző tulajdonságok között vannak, amelyek már a kiválasztás során is láthatóak voltak.
Néhány felismerés épp ellentétes azzal, amit gondolnánk. Vannak olyan cégek, például, amelyek rendszeresen kiszórják a büntetett előéletű jelölteket. Az elemzések viszont azt mutatják, hogy bizonyos munkaköröknél ez nincs összefüggésben a teljesítménnyel. Sőt, ügyféltámogató hívásoknál a büntetőjogi háttérrel rendelkező munkatársak kicsit még jobban is teljesítenek. Ugyanígy sok HR munkatárs automatikusan kizárja azokat a jelentkezőket, akik gyakran váltogatták a munkahelyeiket. De egy közelmúltban 100 000 telefonos ügyfélszolgálati munkatárson végzett kutatás azt mutatta, hogy akik korábban ugráltak a munkahelyek között, nem feltétlenül valószínűbb, hogy kilépnének , mint azok, akikre a munkahely váltogatás nem volt jellemző korábban.
A Xerox vállalatnál az Evolv úgy találta, hogy az ügyfélszolgálati munkatársak akkor maradnak meg legvalószínűbben a munkakörükben, ha a munkahelyükhöz közel laknak, vagy könnyen beérnek a munkahelyükre. Ezek és más elemzési eredmények segítették a Xerox-ot abban, hogy egy kísérleti programban a munkatársak lemorzsolódását ötödével csökkentsék, ezért a programot azóta meg is hosszabbítottak. Azt is kimutatták, hogy azok a munkatársak, akik egy-két közösség hálózathoz csatlakoztak, általában tovább maradtak ugyanabban az állásban. Akik viszont négy vagy több közösségi hálózathoz csatlakoztak, azokra ez nem volt igaz.

Nincs értelme azt kérdezni az álláskeresőktől, hogy vajon őszinték-e. De a felmérések közvetve tudják mérni az őszinteséget olyan kérdésekkel, mint „Mennyire jártas a számítógép felhasználó szintű kezelésében?”, és aztán: „Mit csinál a Control-V a szövegszerkesztő programban?”. Egy 20 000 munkatársat elemző tanulmány azt mutatta, hogy az őszintébb emberek később általában jobban teljesítnek, és tovább maradnak a munkahelyükön. Valamilyen oknál fogva azonban, kevésbé hatékony értékesítő lesz belőlük…
Az algoritmusok és a „Big Data” hatékony eszközök. Ha okosan használják őket, segítenek a megfelelő embereket a megfelelő pozíciókkal összepárosítani. Ezeket az algoritmusokat azonban emberek tervezik és használják, tehát nagyon rosszul is működhetnek. Peter Cappelli, a Pennsylvaniai Egyetem Wharton Üzleti Iskolájáról emlékeztet egy olyan esetre, amikor a szoftver minden jó jelöltet elutasított egy munkakörrel kapcsolatban, mert a szóban forgó vállalat egy olyan feltételt adott meg, hogy egy bizonyos pozíció címet kellett viselniük már a múltban – amely pozíciónév viszont semmilyen más cégnél nem létezett.
A Big Data felhasználásának korlátlan lehetőségei vannak. Míg a kiválasztást nehéz lenne teljesen automatizálni, a toborzási és kiválasztási folyamatok egyes lépéseinek vizsgálata rámutathat bizonyos összefüggésekre és tényszerűségekre. Ezek tudatos alkalmazásával a vállalat jelentősen növelheti a kiválasztás eredményességét, így rengeteg pénzt spórolhat meg.

További információért adatbányászat és Big Data felhasználás ügyben keressen bennünket az info@humanexcellence.hu címen. 

Forrás: Economist

Hiba történt a modul működésében