Pop-up stores zijn hip. Dat hebben we vorig jaar al gezien, maar ook dit jaar gaat de Parels Compagnie weer aan de slag met een tijdelijke winkel om talent aan te trekken. Wij spraken hen over hun plannen in Gelderland.
Hun pop-up store vorig jaar in Zeist was een groot succes. Hier gingen zes verschillende zorgwerkgevers aan de slag om potentieel talent te spotten en bezoekers te laten kennismaken met de verschillende organisaties. In een maand tijd werden er meer dan 350 mensen gescout. De helft van hen wilde uiteindelijk aan de slag bij de werkgevers, daarvan is 1 op de 4 geplaatst. Daarnaast zijn 24 mensen met een grotere afstand tot de arbeidsmarkt via een bootcamp bij werkgevers geplaatst. Dit resultaat was onverwacht en des te meer reden om ermee door te gaan, zegt Jaap Hermsen.
Energieneutraal
Hermsen is samen met Roegina Hilbrands oprichter van de Parels Compagnie: ‘In samenwerking met de provincie Gelderland starten we drie pop-up stores. De provincie wil namelijk energieneutraal worden en daarvoor hebben ze hulp nodig van werkgevers. Alleen zijn daar natuurlijk wel mensen voor nodig.’
‘Talentscouts kijken wat ervoor nodig is om de kandidaat in de energiesector te krijgen’
En dat is waar de pop-up stores voor energietechniek om de hoek komen kijken. Deze komen in drie regio’s (Arnhem-Nijmegen, Stedendriehoek en Noord-Veluwe) in winkelstraten. Hermsen: ‘Vorig jaar hebben we gemerkt dat de meeste mensen naar binnen gaan, omdat ze ergens erover hebben gelezen. Maar er is ook wel aanloop van mensen die denken: wat is dit nu weer?’
Aansluiting met de energiesector
Als eerste heeft Hermsen de vacatures opgehaald bij de werkgevers. Dat leverde werk op, van ongeschoold tot wetenschappelijk onderwijs benodigd. Talentscouts in de winkel helpen mensen om de overgang te maken. Zo wordt er gekeken naar vaardigheden en wat mensen wel of niet leuk vinden. De scouts kijken vervolgens hoe dat aansluit bij het werk in de energiesector en wat ervoor nodig is om de kandidaat in die sector te krijgen.
Hermsen: ‘Het is een winkel waar iedereen zich welkom voelt. De talentscouts trainen we intensief, want we willen niet terugvallen op de oude recruitmenttechniek van mensen afvinken. Het moet niet voelen als een selectiegesprek, het gaat op basis van gelijkwaardigheid. We zullen ook niet alleen de mooie dingen vertellen, maar hoe het werk echt eruitziet, zoals: je moet elke dag om 6 uur in een busje stappen. Samen met de bezoeker gaan we op zoek naar aansluiting in de energietechniek. Met als doel dat elke bezoeker een route naar werk krijgt. Verder kijken dan je neus lang is: daarmee maken we het verschil.’
‘Met verder kijken dan je neus lang is, maken wij het verschil’
Dit is dan ook niet de laatste pop-up store die de Parels compagnie zal beginnen: momenteel zijn ze bij een aantal gemeentes in gesprek om elke maand een ander thema te koppelen aan een pop-up store. Zo wordt de pop-up store toch nog een beetje permanent.
Google is er zelf nog zo gesloten over als een oester. Maar als de voortekenen niet bedriegen, komt Google for Jobs (heel?) binnenkort ook naar Nederland. Er schijnen momenteel zelfs al testen gedaan te worden, zowel bij ons als in Frankrijk. En in Duitsland is ook al gestart met de uitrol, nadat de zoekmachine eerder in VS, Japan, India, Zuid-Afrika, Argentinië, Brazilië, Mexico, Kenia, Nigeria, het Verenigd Koninkrijk en Spanje deze speciale vacaturesectie lanceerde. Dit zou betekenen dat Nederlandse werkzoekenden binnen afzienbare tijd in hun Google-zoekresultaten direct vacatures te zien zullen krijgen.
Ben jij er klaar voor? Let op deze 2 aspecten
Wat betekent dit voor jou als je een werkgever of intermediair bent en met regelmaat online vacatures publiceert? Als je een ATS gebruikt dat z’n zaakjes goed op orde heeft én als je nu al aandacht besteedt aan je vacatureteksten, no stress. Doe je dat niet? Time for a change. Om klaar te zijn voor de komst van Google for Jobs zijn er namelijk 2 aspecten zeer belangrijk: de technische kant en de tekstuele optimalisatie.
#1. De technische kant
Laten we starten bij het technische deel. Wil je dat Google for Jobs dadelijk ook jouw vacatures vindt, dan moet je zorgen dat de data op je vacaturedetailpagina te indexeren zijn door Google for Jobs. Dat betekent dat deze pagina structured data moet bevatten, waaronder de publicatiedatum, de locatie, het dienstverband en het salaris. Met structured data bedoelen we dat deze gegevens via een code aan de achterkant van je vacaturedetailpagina moeten worden weergegeven. Voor de meesten in recruitmentland is dat een taak voor de aanbieders van een Applicant Tracking System.
‘Voor de meesten in recruitmentland zijn de structured data een taak van de ATS-aanbieders’
Zijn alle ATS’en al klaar voor de komst van Google for Jobs? ATS’en zijn hierover maar weinig spraakzaam over op hun eigen sites, het laatste bericht op de site van Bullhorn over de Job Search Experience dateerde uit 2017. Recruiteeblogt dat voor zijn klanten in de UK en US alles is geregeld, maar hoe zit dat met de Nederlandse klanten? Die vraag bleef onbeantwoord, dus stelde ik die vraag binnen mijn netwerk, waaronder in Facebookgroep Recruitment Vrijstaat. Ook hier bleef een concreet antwoord echter uit. Wel werd Hireserve als goed voorbeeld genoemd, in combinatie met Endouble. Zo is Albert Heijn al heel lang ‘Google for Jobs-proof’ door de combinatie van Hireserve en Endouble.
Benieuwd of jouw vacaturedetailpagina technisch al klaar is voor Google for Jobs? Doe de test.
#2. Het tekstuele deel
Dan part two: schrijf je nu al goede vacatureteksten voor Google for Jobs? Oftewel: maak je de juiste keuze voor de functienaam in je vacaturetekst? Heb je een ijzersterk intro? En benoem je het salaris? Als je nu al echt aandacht besteedt aan een goede vacaturetekst, is het waarschijnlijk nauwelijks nodig je gameplan aan te passen.
‘Raffel je nu je vacatureteksten af, of copy-paste je het functieprofiel? Dan is er serieus werk aan de winkel’
Raffel je echter je vacatureteksten af? Doe je aan copy-paste van het functieprofiel? Of gooi je de wervingstekst vol met clichés? Dan is er serieus werk aan de winkel. Met een zesje voor je vacaturetekst kom je er namelijk niet meer bij Google for Jobs. De zoekmachine rekent je keihard af op transparantie en op de kwaliteit van de teksten. En met kwaliteit bedoel ik niet alleen de inhoud, maar ook dat je geen spelfouten maakt, Google noemt juiste spelling nu al een rankingsfactor.
Ben je een intermediair en doe je vaag over de ‘opdrachtgever’ of over de exacte locatie van de werkzaamheden? Dan krijg je het extra zwaar. Transparantie is zó belangrijk voor Google for Jobs, dat je als intermediair eigenlijk wel om exclusiviteit móét vragen als je straks die goede positie in de zoekresultaten wilt. Die exclusiviteit geeft je de kans jouw opdrachtgever bij naam te noemen, plus dat je dan het exacte adres kunt vermelden.
En dan nog… de derde component
Er is overigens nog een derde aspect van toepassing op hoe hoog je straks in de zoekresultaten komt. En dat is de vraag: plaats je jouw vacatures op de juiste kanalen? Google geeft aan hierbij een voorkeur te hebben voor bedrijven met een stevige online ‘voetafdruk’. Bovendien partneren Monsterboard, Glassdoor en Careerbuilder al met Google. Wat dat in de praktijk (waarschijnlijk) betekent? Dat een vacature op Monsterboard meer rankingpunten oplevert dan een publicatie op een vacaturebank die Google kent als het regionale sufferdje. En dus hoger zal scoren.
Moet Indeed al bang worden?
En Indeed dan, dat al jarenlang wereldwijd de nummer-1-vacaturesite is? Indeed trekt meer dan 250 miljoen unieke bezoekers per maand, en is beschikbaar in meer dan 60 landen in 28 talen. Daarmee wordt 94% van het wereldwijde BNP bereikt.
‘Als Google Indeed zou buitensluiten, zou dat oneigenlijk gebruik van zijn monopolie zijn’
Het marktaandeel, het gemak en de bekendheid van Indeed zijn dus waanzinnig groot. Maar dat van Google is nog veel groter. Dus moet Indeed zich zorgen maken over zijn toekomst? Waarschijnlijk (nog) niet. Ook Google for Jobs kan immers niet zomaar om de vacaturezoekmachine heen. In woorden van innovation recruitment consultant Patrick Boonstra: ‘Als Google Indeed zou buitensluiten, zou dat oneigenlijk gebruik van zijn monopolie zijn.’
Hoeveel traffic gaat van Google naar Indeed?
Bij mij rijst de vraag hoeveel traffic nu vanuit Google naar Indeed gaat. Ik weet het niet zeker, maar ik denk dat dat veel is. Zeker omdat ik zelf zo’n gebruiker ben die via Google Chrome ‘alles’ googelt. Als ik dan bij een vacaturezoekopdracht nu de Google Ads negeer, domineren de Indeed-resultaten nu vrijwel altijd de eerste zoekresultaten. En zo kom ik dus meestal linea recta bij Indeed terecht…
Google pakt straks voor jobs hoogstwaarschijnlijk de toppositie
Met de komst van de Job Search Experience verandert dit beeld naar verwachting aanzienlijk. Google pakt straks voor zijn Jobs hoogstwaarschijnlijk zelf die toppositie. Daardoor verschuiven de Indeed-zoekresultaten naar beneden, misschien zelfs wel tot ‘onder de vouw’. Een mooi voorbeeld daarvan zien we nu al bij Google Shopping, dat op veel vlakken te vergelijken is met Google for Jobs:
Moet je stoppen met adverteren bij Indeed? Nee.
Moet je dan stoppen met adverteren of niet langer je teksten optimaliseren voor Indeed? Nee. Zoals eerder aangegeven zijn het marktaandeel, het gemak en de bekendheid van Indeed nu al groot(s). Google for Jobs is dichtbij, laat internationaal mooie resultaten zien, maar is nog niet gelanceerd in Nederland. Hier geldt dus mijns inziens: resultaten uit het verleden die Indeed al wel kan tonen, bieden wél garantie voor de toekomst. Want hoewel ik heilig erin geloof dat Google for Jobs een gamechanger wordt binnen recruitend Nederland, moet Google dat natuurlijk eerst nog wel laten zien.
Je moet nu zorgen dat je technisch klaar bent voor Google for Jobs én ijzersterke vacatures gaan schrijven
Wat je dus nú al wel moet doen? Zorgen dat je technisch klaar bent voor de komst van Google for Jobs én zorgen dat je ijzersterke vacatureteksten schrijft.
Over de auteur
Dit blog is geschreven door Nicol Tadema, directeur, trainer en adviseur bij Voor Tekst.
Er is veel te doen over arbeidsmarktplatforms. Maar hoe moeten we ze eigenlijk zien: als disruptie, een signaal of een hype? Geert-Jan Waasdorp zoekt het uit.
Bijna 100.000 zelfstandigen zoeken (ook) opdrachten via online marktplaatsen/platforms in Nederland
Werknemers en zelfstandigen zijn steeds meer consumenten van arbeid en willen ook technologisch gefaciliteerd worden als consument
Van disruptie door arbeidsmarktplatforms is nog geen sprake. Van een belangrijk signaal aan jobboards, intermediairs en ATS, VMS en flexsystemen om te innoveren wel, aangezien ze snel obsolete worden.
ING zette in mei 2018 de zaak op scherp met het rapport Algoritmes versus de flexbranche, waarin de bank scenario’s schetst dat platforms 20 tot 70% van de flexmarkt zouden ‘disrupten’ in de komende 10 jaar. Als ik een advies zou geven aan een van mijn klanten met zo’n conclusie zou ik kunnen fluiten naar mijn geld. Maar met een marge van 20 tot 70% in de komende 10 jaar – zonder harde cijfers of onderbouwing – zette het rapport van de ING toch van alles in beweging.
Inmiddels zien we dat bijvoorbeeld Randstad zelf ook volop inzet op platforms
Belangrijke reacties uit de sector komen van Randstad en de ABU, waarbij zij hun vraagtekens zetten bij de duurzaamheid van de platforms en het gevaar van het verder uithollen van het sociale systeem. Inmiddels is dat geluid wat verstomd en zien we bijvoorbeeld dat datzelfde Randstad (Randstad Go), evenals veel andere ABU-leden, nu zelf ook volop inzetten op de platforms.
Arbeidsmarktplatforms: nog onbekend en zelden winst
Maar het gaat nog lang niet zo snel met de platforms. Temper, een van de mooiste succesverhalen op de arbeidsmarkt in 2018, heeft nog geen euro winst gemaakt (aanrader is de aflevering van Tegenlichtover de klik- en kluseconomie).
Ook is een groot platform als Temper nog nauwelijks bekend bij het brede publiek. Bij de laatste 32.000 personen uit de Nederlandse beroepsbevolking die Intelligence Group ondervroeg in het kader van het Arbeidsmarkt GedragsOnderzoek, noemde niemand (!) dit platform. Dat geeft te denken! En een platform beginnen is ook geen garantie op succes, getuige ook Pack van Brunel, dat haar activiteiten alweer heeft gestopt.
De eerste cijfers over de rol van arbeidsmarktplatforms
Er wordt veel over de (mogelijke) rol van platforms gespeculeerd, maar tot op de dag van vandaag ontbreken veelal cijfers. Vandaar dat ik er een paar analyses op heb losgelaten. Eind 2018 staan online marktplaatsen op de elfde plek van opdrachtzoekkanalen van zzp’ers/freelancers. In totaal zeiden 96.210 Nederlandse zelfstandigen in 2018 dit kanaal te gebruiken om naar een opdracht te zoeken. Het is 1 van de gemiddeld 2,7 zoekkanalen die zij gebruiken.
Er wordt veel over platforms gespeculeerd, maar cijfers ontbreken veelal
Bij jongeren onder de 30 is het arbeidsmarktplatform net iets populairder: van hen zegt 1 op de 6 dit kanaal te gebruiken om aan een opdracht te komen, wat neerkomt op bijna 25.000 jongeren onder de 30 jaar. Daarbij verwacht ik dat de groep jongeren die via platforms werkt net iets groter is, aangezien niet iedereen zichzelf typeert als zelfstandige en online marktplaatsen en arbeidsmarktplatforms nog niet eenduidig zijn gedefinieerd.
Er is een veenbrand gaande bij…
Arbeidsmarktplatforms zouden in dat geval bij uitstek de brug kunnen zijn om hybride vormen van opdrachten voor zzp’ers alsmede kleine banen voor werknemers te faciliteren. Het aantal dat er nu al gebruik van maakt, is vooralsnog een druppel op een gloeiende plaat. Alhoewel een sterke groei in 2019/2020 niet uit te sluiten is.
Het signaal is namelijk wel dat er iets aan het veranderen is. Platforms in de vorm van Temper, Deliveroo of YoungOnes appelleren aan de wens dat werknemers meer eigen regie hebben in tijd en tarief. Maar ook in de keuze of ze wel of niet verzekerd willen zijn of een pensioen willen ontvangen.
Nog lang geen A.I. En zijn ze eigenlijk wel disruptive?
De pers schrijft deze platforms vaak de magie van Uber, Airbnb of anderszins toe, gedreven door A.I. Maar in de praktijk is niets minder waar (al is misschien de wens de vader van de gedachte). De matchingstechnologie die de platformen gebruiken, is meestal namelijk vooral heel simpel en heeft weinig met A.I. te maken. De belangrijkste technologische vernieuwingen die de platforms bieden, is gewoon dat zij eigentijds en kandidaatgericht het systeem hebben ingericht, namelijk:
Mobile first
Kandidaatgericht: Zelfstandige/kandidaat bepaalt tijd (wanneer werken) en prijs (uurtarief waarvoor beschikbaar/accepteren)
Maximaal flexibel
Eenvoudig te gebruiken en opdrachten gemakkelijk te accepteren
Snel uitbetaald krijgen
Reageren in één klik
Communiceren via chat
De opkomst van de platforms is een dringend signaal dat de markt moet innoveren
Ik weet niet per se of dit disruptive is, maar de opkomst van deze platforms kan natuurlijk wel verregaande gevolgen hebben voor alle huidige aanbieders van vacatures, banen en opdrachten. Van intermediairs tot en met jobboards, die met desktop gedreven old-school-‘legacy’-systemen de kandidaat proberen te verleiden, worden hiermee voorbijgelopen. Ook de ATS-, VMS- en flexsystemen gaan last krijgen van de opkomst van platforms. Buiten Otys en Tigris is geen enkel bestaand systeem ook maar deels in staat om ‘platforms’ in te richten, blijkt na een rondje bellen naar de 20 belangrijkste systemen. Dat geeft te denken… de markt is veranderd en de rest kijkt vooralsnog toe.
Achterhaald zijn is iets anders dan disrupt worden
De opkomst van arbeidsmarktplatforms is een dringend signaal dat de andere partijen in de markt moeten innoveren. En dan vooral in het communiceren en verleiden van de kandidaat en de zelfstandige. De manier waarop we de afgelopen 15 tot 20 jaar met deze groep hebben gecommuniceerd is drastisch aan het veranderen. Dat is eigenlijk niet eens schokkend, want als consument op Amazon, Bol.com of KLM.nl vinden we het nu al de normaalste zaak van de wereld om anders aangesproken te worden. Waarom niet op jobboards of als we contact hebben met een flexbureau?
Arbeidsmarktplatforms zijn de markt niet aan het disrupten, het zijn werknemers die steeds meer consumenten van arbeid worden
Platforms spelen perfect in op de wensen van de huidige en toekomstige werknemer en zelfstandige. Met kernwoorden als flexibiliteit, vrijheid en mobile first. Als de flexmarkt en de ondersteunende technologische systemen meegroeien met de wensen van de huidige tijd, dan worden platforms net zoveel een ander kanaal als bijvoorbeeld nu sociale media. Nothing to worry about… Arbeidsmarktplatforms zijn de markt niet aan het disrupten, het zijn werknemers die steeds meer consumenten van arbeid worden en daarin ook modern willen worden gefaciliteerd. Platforms doen dat nu al. Als de rest niet meegroeit en meebeweegt, worden ze vanzelf obsolete. En dat is iets anders dan ge-disrupt.
Over de auteur
Geert-Jan Waasdorp is oprichter van Intelligence Group en mede-oprichter van Werf& en de Academie voor Arbeidsmarktcommunicatie.
Voorspellende waarde wordt steeds belangrijker in recruitment. Maar hoe maak je daar een algoritme voor? Martijn Roos schetst het proces in 5 stappen. ‘Jawel, ook bij algoritmes komt nog ouderwets menselijk denkwerk kijken!’
Afgelopen week schreef ik hoe data-analyse en kunstmatige intelligentie de rol van arbeidsbemiddelaars de komende jaren veranderen. In dit artikel vertel ik in 5 stappen hoe je zelf zo’n effectief machine learning-algoritme kunt (laten) ontwikkelen. Mits je in elk geval over goede data beschikt.
Stap 1:Bepaal en controleer wat je wil voorspellen
Voor de ontwikkeling van een algoritme voor kunstmatige intelligentie onderscheiden we onafhankelijke en afhankelijke variabelen. De afhankelijke variabele is datgene wat je wilt voorspellen. De onafhankelijke variabele is de input die je een model geeft om die voorspelling mogelijk te maken.
Als je hebt bepaald wát je wilt voorspellen, is het belangrijk de waarde hiervan te controleren
Als je hebt bepaald wát je wilt voorspellen, dan is het belangrijk de voorspellende waarde te controleren. Om bijvoorbeeld te kunnen voorspellen of een kandidaat geplaatst wordt bij een specifieke opdrachtgever, moet je controleren of er daadwerkelijk sprake geweest is van een plaatsing en niet van een afwijzing. En stel: je wilt voorspellen of een kandidaat een goede match is met een specifieke opdrachtgever. Dan moet je controleren in hoeverre beide partijen na verloop van tijd tevreden zijn over de plaatsing.
Stap 2: Gebruik alleen historische data als input
Een fout die je in de praktijk vaak ziet is dat een variabele wordt gekozen als input, terwijl de data ervan nog helemaal niet beschikbaar zijn. Om bijvoorbeeld een plaatsing te voorspellen, kun je kijken naar door eerdere kandidaten gemaakte assessments. Maar als je deze variabele (de uitkomst van de assessment) vervolgens toepast op nieuwe kandidaten, werkt het model niet meer. De uitslagen zijn immers nog niet bekend, of de assessments zijn zelfs nog niet gemaakt. Gebruik dus altijd historische data als inputvariabele. Alleen dan kun je betrouwbare voorspellingen doen.
Stap 3: Voorkom schijnverbanden
Als je model een verband legt tussen twee variabelen, ga dan na of er inderdaad sprake is van een directe oorzaak-gevolgrelatie. Het kan namelijk ook zo zijn dat er toeval in het spel is, of mogelijk een derde variabele, of dat de relatie de andere kant op gaat.
‘Jawel, ook bij algoritmes komt nog ouderwets menselijk denkwerk kijken!’
Een bekend voorbeeld in HR-studies is de relatie tussen de medewerkertevredenheid en financiële prestaties van bedrijven. Je kunt concluderen dat tevreden medewerkers beter presteren en daardoor de bedrijfsresultaten positief zijn. Maar het kan ook andersom werken, als een bedrijf met betere resultaten zich meer kan veroorloven om medewerkers tevreden te stellen. Dus zorg dat je inzichtelijk heeft of B een gevolg is van A, andersom of dat het juist C is die de relatie bepaalt. Jawel, ook bij algoritmes komt nog ouderwets menselijk denkwerk kijken!
Stap 4: Train en test het algoritme
Deze vierde stap bestaat uit twee onderdelen: het trainen en het testen van het model.
ad 1: Het trainen van het model
Om het model te trainen kun je een bestand gebruiken met historische gegevens van kandidaten, hun kenmerken en de resultaten (dus of ze uiteindelijk geplaatst of afgewezen zijn). Aan de hand van dit bestand kan het model zichzelf trainen om de juiste verbanden te vinden tussen de kenmerken (de variabelen) en de uitkomsten (afwijzing of plaatsing). Het machine learning-algoritme zoekt dus welke verbanden relevant zijn voor het succes van de plaatsing van de kandidaat. Zorg ervoor dat je een willekeurig deel van je bestand apart houdt, zodat deze gegevens nog niet gebruikt worden om het model te trainen.
ad 2: Het testen van het model
Nadat je je model hebt getraind kun je het toepassen op het deel van het bestand dat je eerder apart hebt gehouden. Door de voorspelling van het getrainde model te vergelijken met het werkelijke plaatsingsresultaat kun je testen hoe goed je model presteert.
‘Als je een model niet generaliseren kunt naar een volgend bestand, wordt het nagenoeg onbruikbaar’
Waarom dan een apart training- en testbestand? Kun je niet gewoon trainen en testen op álle data, zodat het model al die data heeft gezien en daarmee het best getraind is? Nou, het gevaar hiervan is dat het model te specifiek wordt en daarmee een one-trick-pony: het model heeft een trucje voor deze dataset geleerd, maar kan dit niet generaliseren naar een volgend bestand. Daarmee wordt het nagenoeg onbruikbaar. Pas als de uitkomsten van het model vergelijkbaar zijn met de gegevens in de testbestanden kun je er vanuit gaan dat een model iets heeft geleerd wat breder toepasbaar is.
Stap 5: Houd rekening met de context van de trainingsdata
De onafhankelijke inputvariabele die je een model geeft, kan cultuur- en marktafhankelijk zijn. Denk aan een arbeidsbemiddelaar die het selectieproces van kandidaten automatiseert. Als de informatie in het trainingsbestand is gebaseerd op historische menselijke besluitvorming waarin mannen de voorkeur kregen boven vrouwen, neemt het model deze context mee in de bepaling van de doelvariabele (de meest succesvolle kandidaat). Dat betekent dat vrouwen minder snel geselecteerd worden dan mannen. Houd dus rekening met de context en mogelijke vertekening in de trainingsdata, als je een eerlijk algoritme wilt ontwikkelen.
Over de auteur
Martijn Roos is Industry Expert bij Graydon, verantwoordelijk voor het hogere segment binnen de Zakelijke Dienstverlening.
PDZ Uitzendbureau en RecruitNow zijn een samenwerkingsverband aangegaan. Het doel is met toepassing van slimme software het recruitmentproces sneller en eenvoudiger te laten verlopen.
Deze samenwerking zal voor intercedenten resulteren in meer tijd voor persoonlijk contact met klanten en kandidaten. PDZ Uitzendbureau gaat hiervoor gebruik maken van RecruitNow | Cockpit en een nieuwe recruitmentwebsite die door RecruitNow wordt verzorgd.
Wendbaarheid voor werknemers en werkgevers
PDZ Uitzendbureau is actief op de flexmarkt en richt zich op meer wendbaarheid voor werknemers en werkgevers in hun arbeidsmarktpositie. RecruitNow is een online recruitmentspecialist die klanten helpt met werving van meer en betere kandidaten. De samenwerking richt zich verder ook op data driven recruitment en innovatie voor de digitale transitie. Met de keuze voor een mobile proof recruitmentsysteem heeft PDZ Uitzendbureau een matchingsinstrument in handen dat overal en altijd toegankelijk is voor gebruikers.
De samenwerking zal zich ook richten op data driven recruitment en innovatie voor de digitale transitie
Geoptimaliseerd recruitmentproces
De recruitmentsoftware Cockpit van RecruitNow koppelt automatisch de beste kandidaten aan vacatures. Dankzij deze matchsuggesties van kandidaten die soms al bekend zijn in de database kunnen intercedenten sneller, makkelijker en beter werven. Bovendien hebben intercedenten meer inzicht in de weg die een kandidaat aflegt van begin tot eind dankzij de verzamelde data. Met die data kan in samenwerking met RecruitNow het recruitmentproces doorlopend worden geoptimaliseerd.
Arbeidsfit blijven
Timo de Regt van PDZ Uitzendbureau: ‘Onze intercedenten gaan actiever samenwerken met lokale partners en kunnen zo meer tijd besteden aan het ‘arbeidsfit’ blijven van kandidaten. Ook geven zij zo meer aandacht aan leer- en werkprogramma’s voor de kennis en kunde die in de toekomst op de arbeidsmarkt nodig is.’
Paul Wilkens van RecruitNow: ‘De recruitmentsoftware Cockpit van RecruitNow is ontwikkeld met én voor gebruikers van middelgrote en grote uitzendbureaus. Het is compleet afgestemd op wat de markt nodig heeft en we koppelen naadloos met bestaande backofficesystemen.’
Een bladzijde uit mijn dagboek als bureaurecruiter, ten tijde dat de kandidaten nog netjes in rijen van drie voor je bureau stonden opgesteld en we koe nog met ‘lange oe’ schreven. Om vacatures werd gevochten, een gerealiseerde plaatsing bekrachtigde je bestaansrecht als recruiter. Het was mijn eerste job binnen de arbeidsbemiddeling en met mijn fonkelnieuwe visitekaartjes lag deze wondere wereld aan mijn voeten.
‘In tegenstelling tot veel van mijn collega’s vond ik telefonisch acquireren een interessant spel en zag ik elk bezwaar als een uitdaging’
Ik belde dagelijks verschillende bedrijven in mijn postcodegebied. In tegenstelling tot veel collega’s vond ik telefonisch acquireren een interessant spel. Elk bezwaar zag ik als een uitdaging. Was ik de zoveelste die belde? Dan vroeg ik hoe laat ik de dag erop terug moest bellen om de eerste te zijn. Hadden ze nog nooit van ons bureau gehoord? Dan was mijn timing perfect; ik belde juist om kennis te maken.
Ik was de eerste die Alex belde. Ooit
Zo’n afspraak was vaak nog niet zo snel en makkelijk ingeschoten. Zo niet met Alex, eigenaar van een bedrijf, gevestigd op het industrieterrein in mijn eigen woonplaats.
‘Ik hoopte dat ik Alex niet zou hoeven uitleggen dat discriminatie voor ons een no go was’
Alex stak zijn verbaasdheid niet onder stoelen of banken. Ik was de eerste recruiter die hem belde. Ooit. Vacatures? Ja, die had hij zeker. Hij zocht al geruime tijd drie gastvrouwen. ‘Ehm, specifiek vrouwen…?’ Ik hoopte dat ik Alex niet zou hoeven uitleggen dat discriminatie voor ons een no go was. ‘Ja, jij wil natuurlijk meer eisen horen. Nou goed: het liefst tussen de 25 en 35 jaar oud en ze moeten er natuurlijk een beetje appetijtelijk uitzien.’ De paar seconden stilte die volgden werden onderbroken door hard gelach van Alex. ‘Geintje joh, zo selectief ben ik niet.’ Gelukkig. Alex grapte. Ik lachte.
De afspraak volgde al snel…
Alex snapte maar al te goed dat een goede inventarisatie en analyse van wensen, eisen en behoeften de basis zouden zijn voor een match. Zo ging hij zelf ook met zijn klanten om. Natúúrlijk. Onze afspraak planden we dus al voor diezelfde middag. Eerder had ik mijn uiterste best gedaan om zoveel mogelijk informatie te vergaren. Maar er bleek online helaas weinig over het bedrijf te vinden, op een website die onder constructie was na. Dat temperde mijn enthousiasme niet. Ik was dan weliswaar een beginneling in het vak, ik had wel mooi drie vacatures in één klap gescoord en de concurrentie was in geen velden of wegen te bekennen.
‘Ik was weliswaar een beginneling in het vak, ik had wel mooi drie vacatures in één klap gescoord’
Een keurige vijf minuten voor onze afspraak stond ik dan ook voor het pand. De etalage was deels afgeplakt met een soort van vuilniszakken. Balancerend op de punten van mijn pumps kon ik net langs een stukje gescheurde vuilniszak kijken. Het was vooral donker.
Daar stond Alex in de deuropening
‘Jij moet Jessica zijn, kom verder!’ Van schrik deinsde ik achteruit. Daar stond Alex, een meter verderop, in de deuropening waarvan ik, dankzij de vuilniszakken, niet had opgemerkt dat het überhaupt een deuropening was. Ietwat ongemakkelijk stapte ik naar voren en schudde ik Alex de hand. Achter de deur bevond zich een kleine hal.
Overal stonden rekken feestkleding. politiehesjes, maskers, veren, glitters… ‘Ja, ja, voor elk wat wils, ieder zijn feestje’
Overal stonden rekken met feestkleding. Brandweerpakken, doktersjassen, politiehesjes, maskers, veren, glitters… ‘Ja, ja, voor ieder wat wils, ieder zijn feestje’, legde Alex het uit.
Ik met mijn blocnote vol kattebelletjes en ezelsbruggetjes
Aan het einde van de lange hal nam ik plaats in Alex zijn kantoor met mijn blocnote vol kattebelletjes en ezelsbruggetjes voor het voeren van een goed verkoopgesprek: gunning creëren en oprechte interesse tonen. Dat laatste was niet moeilijk, want ik was onwijs nieuwsgierig geworden naar deze in vuilniszakken gehulde feestwinkel. ‘Nou, je hebt al een kleine blik kunnen werpen op ons assortiment. Dat helpt je wellicht meteen om een beetje een beeld te schetsen van onze klanten.’
‘ik was onwijs nieuwsgierig geworden naar deze in vuilniszakken gehulde feestwinkel’
‘Inderdaad, wat ontzettend veel kleding en variatie.’ Alex knikte. ‘Ja, de cabines bevinden zich hierachter. En we kunnen natuurlijk niet van onze dames verlangen dat ze dit allemaal zelf aanschaffen en dan meeslepen naar hun werkplek.’
Het muntje viel en ik verslikte me bijna in mijn koffie. ‘Toch?’ Alex kreek me vragend aan. ‘Ehm goh… ja eh nee. Nee! Natuurlijk niet! Dat kan echt niet!’
‘Bossladies in mantelpak, die doen het altijd goed’
Vanaf dat punt weet ik alleen nog flarden van de rest van het welgeteld 4 minuten durende gesprek. Alex had na twee zinnen door dat ik niet kon leveren wat hij zocht. En ik begreep tegelijkertijd dat zijn definitie van gastvrouw heel anders was dan de mijne. Om het feest compleet te maken trok Alex zijn stoute schoenen aan (figuurlijk, godzijdank!) en opperde of het misschien niet iets was voor mijzelf. Bossladies in mantelpak en bril op de neus, die deden het namelijk ook erg goed. Bovendien had ik de juiste leeftijd.
‘Ik ben die middag blijkbaar met 156 km/uur geflitst’
Ik ben die middag blijkbaar met 156 km/uur geflitst bij het verlaten van het industrieterrein, haastig onderweg zijnde naar een plek ver weg van het feestgedruis. Carnaval zou nooit meer hetzelfde zijn…
Over de auteur
Jessica Grauerholz is recruiter bij Greywoods, strategic recruitment services. Ze blogt hier zo af en toe op eigen titel, over alles wat ze in haar praktijk meemaakt en wat het recruiterleven zo boeiend maakt.
Werf& is nog altijd op zoek naar recruiters die een boekje open willen doen over wat ze in de praktijk zoal beleven. Dat mag zelfs anoniem. Dus heb je verhalen over de kandidaten over wie je je verbaast, de hiring manager die van een andere planeet lijkt te komen, of de moeilijke keuzes die nog in je hoofd rondspoken als je naar huis rijdt? Inspireer er ook anderen mee!
Als we echt de beste kandidaten willen selecteren, moeten we nu dringend een manier vinden om onze onbewuste vooroordelen terzijde te schuiven. Want: ‘Het verschil kan echt in de miljarden lopen.’
Als recruiters kijken we gemiddeld hooguit zo’n 6 seconden naar een cv. En de dingen waar we dan op letten? Iemands naam, opleiding, recente ervaring, wanneer hij of zij daar werkte. Een foto misschien nog. Maar dat is het dan wel zo’n beetje. En laten dat nou toevallig allemaal dingen zijn die bijzonder weinig zeggen over hoe iemand gaat presteren in een baan.
Tijd dus om daar afstand van te doen, betoogde Rob Williams gisteren tijdens Indeed Explore in Utrecht, het grootste evenement van de vacaturezoekmachine in heel Europa tot nu toe. Weg met het cv dus. Want als we erin zouden slagen onze onbewuste vooroordelen te laten varen, en écht eerlijker hiring tot stand te brengen, kan dat volgens hem een enorm verschil maken. ‘Dat kan echt in de miljarden lopen. Niet alleen mensen, maar ook hele organisaties kunnen er veel succesvoller door worden.’
‘Stel je eens een genie voor’
Maar ja, hoe doe je dat dan, je vooroordelen aan de kant schuiven? Die zijn toch immers ingebakken in de mens? Volgens Williams begint het in de eerste plaats met bewustwording. En daarvan heeft hij een paar fraaie staaltjes in petto. Zoals de vraag aan de zaal: ‘Stel je eens een genie voor’. En daarna een foto van Albert Einstein. ‘Zag hij er ongeveer zo uit?’ Oeps, betrapt. Op de vraag wie zich een vrouw had voorgesteld ging slechts een enkele van de 800 aanwezige handen omhoog.
Nog een voorbeeld. Wie van de twee hierboven zou je aannemen: A of B? Ook hier geldt: je hebt geen enkele informatie over deze twee personen. Sterker nog: hun afbeeldingen zijn door de computer samengesteld en opgebouwd uit pixels. Toch hebben de meeste mensen wel een duidelijke voorkeur. En nog snel ook. ‘In minder dan een tiende van een seconde beslissen we of iemand extravert, dominant, vertrouwenwekkend en competent is’, zegt Williams, die bij Indeed directeur ‘Employment Insights‘ is.
‘Onze eerste indrukken zijn bijna altijd verkeerd. Kijk alleen maar naar de politici die we kiezen…’
Maar de vraag is natuurlijk: hoe eerlijk is dat? ‘Onze eerste indrukken zijn bijna altijd verkeerd’, haalt hij beroemd onderzoek aan van Alexander Todorov. ‘Kijk alleen maar naar de politici die we gekozen hebben…’
Van The Voice tot Moneyball
Van The Voice tot Moneyball: voorbeelden van minder selecteren op onderbuikgevoel en het uiterlijk van kandidaten zijn inmiddels wijdverbreid. Toch lijken we er in de recruitmentwereld maar moeilijk van los te kunnen komen. ‘Zou het kunnen dat onze selectiemethoden kwetsbaar zijn voor deze simpele principes’, vroeg Williams zich af. ‘Maken we dezelfde fouten als we talent assessen? En wat moeten we dan doen om greatness te ontdekken?
Ook andere wetenschappers wezen op ons irrationeel denken. Of het nu gaat om Nobelprijswinnaars Amos Tversky en Daniel Kahneman, bekend van ‘Ons feilbare denken‘, of Edward Thorndike, die bijna een eeuw geleden baanbrekend werk verrichte op het gebied van het halo-effect: het effect dat we de score op één karakteristiek van iemand ook meteen toeschrijven aan alle andere kenmerken van die persoon. Soldaten die langer waren en aantrekkelijker werden gevonden, werden ook als intelligenter gezien.
Elke centimeter erbij is 268 euro meer
Dat brengt Williams meteen op nog een leuk feitje: uit onderzoek van Gallup zou blijken dat langere mensen gemiddeld genomen méér verdienen. Elke centimeter erbij zou gemiddeld 268 euro per jaar meer opleveren dan hun kortere collega’s. Zonder dat daar aantoonbaar betere prestaties tegenover staan. ‘Dat is de premie die werkgevers blijkbaar bereid zijn te betalen voor lengte’, aldus Williams, die daar geruststellend aan toevoegde dat ‘de Nederlanders nog steeds het langste volk ter wereld zijn…’
‘eerste indrukken, stereotypes, en halo-effecten: ze beïnvloeden het hele werving- en selectieproces’
Kortom, eerste indrukken, stereotypes, uiterlijkheden, random inputs, en halo-effecten: ze beïnvloeden het hele werving- en selectieproces. En dat op vrijwel alle momenten, liet Williams zien. Dat begint al als kandidaten een vacature zien. Denk aan functietitels waarin termen voorkomen als ‘ninja‘ en ‘guru‘. ‘Die schrikken vrouwen af’, zegt Williams. ‘Net als ook het aantal gevraagde kwalificaties invloed heeft op welke mensen zullen reageren.’
‘Referrals zijn goed voor witte mannen’
Een ander punt van zorg noemt hij referrals. Ze mogen een belangrijke bron van talent zijn voor heel veel bedrijven, ze kunnen ook onbedoelde verschillen in de hand werken. ‘Referrals zijn sterk in het voordeel van witte mannen, zo blijkt uit onderzoek‘, legt Williams uit. ‘En ze blijken ook veel beter betaald te worden: gemiddeld wel 7.000 euro per jaar meer dan een gemiddelde hire.’
aan de hand van lichaamssignalen is al na 15 seconden te voorspellen of de geïnterviewde de baan krijgt
Ook een belangrijk moment: het sollicitatiegesprek. Williams noemt ook hier mooi onderzoek, dit keer van Tricia Prickett. Zij bestudeerde sollicitatiegesprekken, maar dan zonder het geluid. Haar conclusie: aan de hand van lichaamssignalen was al na 15 seconden te voorspellen of de geïnterviewde een baan zou krijgen of niet. De rest van het interview bleek voor die beslissing volstrekt irrelevant.
En dan is er natuurlijk ook nog het moment van de finale beslissing. Ook hier gaan we vaak de bias-fout in, aldus Williams. Hij haalt daarvoor onder meer onderzoek aan van Lauren Rivera, die aantoont dat de ‘mini-me‘ hier vaak de voorkeur krijgt. Zijn conclusie, kortom: ‘We hebben nog een lange weg te gaan voordat we kandidaten goed en eerlijk beoordelen.’
Hoe moet het dan wel? De 4 strategieën
Hoe moet het dan wel? Williams noemt daarvoor een viertal strategieën. Het cv weggooien is er daar eentje van. Oftewel: verstop alle bronnen van bias zoveel mogelijk, en focus je op de vaardigheden die aantoonbaar relevant zijn. Iets wat volgens Williams overigens al vrij gebruikelijk is, als hij stelt dat 72 procent (!) van alle Nederlandse werkgevers al sommige informatie op het cv zou afdekken.
72 procent (!) van alle Nederlandse werkgevers zou al sommige informatie op het cv afdekken
Een andere mogelijke strategie is zorgen voor een meer uitgebalanceerde pool aan kandidaten. Unilever is daarvan een voorbeeld, net als Blendle. Wat je ook kunt doen is variëren in het recruitmentproces voor verschillende kandidaten. Zoals Angi Studio bijvoorbeeld deed toen ze een front-end developer zochten, en daarvoor een soort wedstrijd opzetten. Of Indeed zelf, dat voor meer dan 3.000 banen het vereiste liet vallen dat mensen (minstens) een college degree moeten hebben. ‘Na onderzoek waaruit bleek dat er geen correlatie was tussen dat diploma en iemands latere prestaties.’
Overzicht van ideeën uit een brainstorm van Indeed met werkgevers om bias in de selectie te voorkomen.
Leeftijd of organisational fit voorspellen maar bar weinig
En als laatste strategie noemt hij eigenlijk een combinatie van bovenstaande dingen. Oftewel: ontwerp een proces dat echt voorspellend is. Leeftijd? Organisational fit? Ervaring en opleiding? Ze blijken daarbij nauwelijks van waarde. Integriteitstesten, en work sample tests al veel meer, maar gestructureerde gesprekken en IQ-tests nog steeds het meest. En een combinatie van deze dingen al helemaal. ‘Als je gestructureerde interviews koppelt aan goede testen kun je 87% van iemands performance voorspellen. Dan worden alle andere dingen min of meer overbodig’, sluit Williams af.
In weinig sectoren zijn de tekorten zo groot als in de horeca. Debuut, bekend van merken als Popocatepetl, probeert daar nu iets aan te doen, met een opvallende campagne vol met vakidioten, fooiboy’s en showpony’s.
Debuut Horeca is als merknaam misschien niet zo bekend, ketens als Popocatepetl The Mexican, Beers & Barrels, De Vooruitgang, Breakaway, STAN&CO en Belgian Beer Café Olivier zijn dat waarschijnlijk des te meer. Zo heeft Debuut Horeca 32 locaties, 18 formules, 3 miljoen gasten en een omzet in 2018 van 52 miljoen euro. En dan zit er ook nog eens behoorlijke groei in, zowel qua locaties als qua omzet.
De tekorten lopen hoog op
Best veel, al met al, maar al die horecagelegenheden moeten natuurlijk wel bemenst worden. En dat is lastig in de huidige tijd, waarin juist in de horeca de tekorten hoog oplopen. Zo hoog, dat diverse locaties al hun deuren hebben moeten sluiten. Debuut wil het zover niet laten komen, en schakelde daarom de Reclamestal uit Amersfoort in voor een opvallende wervingscampagne.
Weg van de clichés
Die campagne, ondersteund door een werkenbij-site met opvallende URL, wil volgens Debuut vooral wegblijven van clichés als ‘horecatoppers en -tijgers’. In plaats daarvan willen ze juist liever mensen aanspreken op een directe manier waar zij zichzelf (of één van hun vrienden) in kunnen herkennen. Debuut zoekt daarbij vooral opvallende types die niet direct in het perfecte plaatje lijken te passen. ‘Imperfect-perfect’ noemen ze het zelf.
Debuut zoekt vooral opvallende types die niet direct in het perfecte plaatje lijken te passen…
Elk horecateam heeft namelijk wel een aantal typische karakters rondlopen, zeggen ze. Denk aan een perfectionist, een lomperd, een ietwat naïeve newbie, een regelrechte vakidioot van een chef, of een controlfreak in de bediening. Om deze mensen te bereiken, laat Debuut deze karakters zien in een reeks van 7 miniverhalen op social media, op posters, in restaurants en in vakbladen. Kandidaten of vrienden kunnen alle karakters bovendien on- en offline delen via bijvoorbeeld WhatsApp of ansichtkaarten.
Van afwassers tot barista’s
In de campagne mag Debuut Horeca dan zeggen op zoek te zijn naar controlfreaks, perfectionisten, gangmakers, newbies, gladde janussen of showpony’s, in werkelijkheid luiden de functiebeschrijvingen toch weer net iets anders. Dan gaat het om afwassers, assistent-bedrijfsleiders, barmedewerkers, barista’s, bedrijfsleiders, chefs, souschefs, floormanagers, manusjes, medewerkers bediening, medewerkers keuken, nachtwakers, schoonmakers en ondersteuning voor het hoofdkantoor.
Jonge recruiters zitten nog maar net in het vak, maar hebben al genoeg te vertellen. Elke maand interviewen we een van hen in onze Jonge Recruiterspodcast. Denk aan vragen als: hoe ging je eerste aanname? En hoe zie je de toekomst van recruitment voor je?
Vandaag in de tweede aflevering: Ruth Tolhuijs, Recruitment Consultant Online Marketing bij WeKnowPeople.
Wat nu?
Na haar HR-studie twijfelde Ruth: wat nu? Bij haar werk voor een uitzendbureau ontdekte ze dat het belangrijk is om eerst te weten wie je bent en wat bij je past, voordat je kunt solliciteren. En dat gold ook voor haarzelf.
De juiste persoon op de juiste plek, dat is wat ze nastreeft
Match via Instagram
Via het Instagramaccount van de Rijdende Recruiter werd ze nieuwsgierig. Waar werkte deze creatieve en inspirerende vrouw? De match werd al snel duidelijk: Ruth ging aan de slag bij WeKnowPeople, het bedrijf dat haar waarden deelde. De juiste persoon op de juiste plek, precies wat zij zelf nastreeft als recruiter.
Meedoen?
Ben jij een jonge recruiter (max 2 jaar ervaring en onder de 30 jaar) en wil je meedoen? Neem dan contact met ons op!
Opleiding en ervaring zeggen weinig over wat iemand écht kan. Steeds meer partijen duiken in dat gat met online testen en assessments. Een markt waar ook steeds meer geld in omgaat, getuige de 35 miljoen die de Amerikaanse start-up Triplebyte recent ophaalde.
‘Meer bedrijven dan ooit tevoren hebben ontwikkelaars nodig. Maar de standaard om die mensen te vinden is door op LinkedIn te kijken. Dat is volgens ons niet genoeg’, zei Triplebyte-CEO Harj Taggar (midden) in een recent interview. Bij een zoektocht op LinkedIn mis je immers de mensen die nu nog niet in het IT-vak zitten, maar daar wél heel goed zouden passen.
‘de standaard om ontwikkelaars te vinden is door op LinkedIn te kijken. Dat is volgens ons niet genoeg’
Samen met CTO Guillaume Luccisano (links) en COO Ammon Bartram (rechts) probeert hij daaraan iets te doen. Met codeertests en machine learning wil de start-up uit San Francisco een grotere pool aan potentiële medewerkers aanboren, en zo betere matching tot stand brengen. Dat pakt tot nu toe al redelijk goed uit: het eigen personeelsbestand nam het afgelopen jaar al toe van 20 naar 40, met een omzet tot boven de 1 miljoen dollar per maand, afkomstig van klanten als Adobe, Apple, American Express, Blackrock, Box, Dropbox en Uber.
‘Dit kan wel eens een unicorn zijn’
En nu komt er nog eens een investeringsronde van 35 miljoen dollar bij voor de Amerikaanse start-up. Mede dankzij de eerder opgehaalde miljoenen hintte CEO Taggar er zelf al op dat dit wel eens een nieuwe zogeheten ‘unicorn’ kan zijn (een jong bedrijf dat snel 1 miljard waard is). ‘We zijn Triplebyte gestart omdat elk bedrijf nu zijn eigen software wil bouwen, en dat ze daarvoor ontwikkelaars nodig hebben. Maar er komen niet genoeg engineers van school om aan de vraag te voldoen. De oplossing, denken wij, is een nieuwe manier te zoeken waarmee bedrijven technisch talent kunnen vinden.’
‘De mismatch oplossen? Zoek een nieuwe manier waarmee bedrijven technisch talent kunnen vinden’
Dat talent wordt verleid met leuke giveaways (zoals jassen en powerbanks) om een profiel in te vullen en de testen te maken. Iemand die op ‘de traditionele manier’ meermalen werd afgewezen, wijdt er op Medium een enthousiaste review aan. Inmiddels hebben al meer dan 150.000 mensen de testen op de site gedaan.
Zeker niet de enige
Het verhaal van Triplebyte is niet het enige dat een oplossing zoekt in een sollicitatieproces waarbij het cv overbodig wordt gemaakt, maar in plaats daarvan op werkelijke skills wordt geselecteerd. In Nederland zijn de testen van Brainsfirst enigszins vergelijkbaar. Ook Pymetrics en Arctic Shores vallen min of meer in dezelfde belofte, net als codeerplatform DevScore. In de VS zijn ook veel andere partijen bezig te kijken hoe je vaardigheden boven ervaring kunt stellen, zodat een meer eerlijke selectie kan plaatsvinden. En in Nieuw-Zeeland is er recent veel aandacht voor Joy Business Academy, dat cv’s wil laten uitsterven via gamification.
veel partijen zijn momenteel bezig te kijken hoe je vaardigheden boven ervaring kunt stellen
Denk aan Plum.io dat zaken als arbeidsethos, teamwork en leiderschap zegt te meten aan de hand van onder meer een database van 24 biljoen datapunten. Of aan Vervoe, dat zogeheten ‘Talent Trials’ inzet om de on-the-job skills van kandidaten te meten en die zo automatisch te matchen met hiring managers. Ook noemenswaard is Andela, dat via AI-tools Afrikaanse programmeurs wil verbinden aan Amerikaanse start-ups.
Meer precisie in het proces
Alles erop gericht om ‘meer precisie’ in het recruitmentproces te krijgen, zoals Taggar het uitdrukt. Of, met enig bravoure: ‘Als jij de skills hebt, zorgen wij dat jij het sollicitatiegesprek krijgt.’
In de rubriek ‘Algoritme van de maand‘ laat Bas van de Haterd zijn licht schijnen op een toepassing in de recruitmentindustrie. Dit keer het algoritme van IBM dat met 95% zekerheid schijnt te kunnen voorspellen of iemand op het punt van vertrekken staat.
Heb je te kampen met een recruitmentuitdaging? De beste oplossing is om te beginnen met ervoor te zorgen dat mensen niet vertrekken, of in elk geval dat de mensen van wie je niet wilt dat ze vertrekken dat niet doen. Dus hoe handig is het als je een algoritme hebt dat met 95% zekerheid kan voorspellen of iemand binnen 9 maanden vertrekt? IBM claimt dat te kunnen.
hoe handig is het als een algoritme met 95% zekerheid kan voorspellen of iemand binnen 9 maanden vertrekt?
Dit is geen claim van een verkoper, maar van IBM-CEO Ginni Rometty, die vertelt dat de HR-tools van IBM ook overal intern gebruikt worden. Dat leidt tot veel weerstand, maar elke keer bewijzen ze weer hun waarde.
Welke data gebruikt IBM eigenlijk?
Rometty weigert helaas om enige details te geven over hoe het algoritme werkt en wat voor data ervoor gebruikt worden. Inhoudelijk is er dus helemaal niets over te zeggen. Ook al verkoopt IBM het als een product, het is dus onmogelijk om iets te zeggen over de vraag of het bij andere organisaties ook gaat werken, of dat die organisaties wel de juiste data hebben en wat de voorspellende waarde dan is.
Een werknemer die de waarde van zijn pensioen opvraagt, is een duidelijk indicator dat diegene vertrekt
Ik herinner me een lezing van Dr. John Sumser van jaren geleden waarbij hij aangaf dat een Amerikaan die de waarde van zijn of haar pensioen opvraagt een hele duidelijke indicator is dat die persoon op vertrekken staat. In de VS zijn pensioenen namelijk iets dat je moet omzetten bij vertrek. Dat doen de meeste mensen dus niet tot ze al een nieuwe baan hebben, zeker geen 9 maanden van tevoren.
Ook weet ik dat bij TomTom vele jaren geleden de tevredenheid met de reistijd een van de belangrijkste indicatoren bleek te zijn voor vertrek. Niet de absolute reistijd, maar de tevredenheid met die reistijd. Maar zonder te weten welke data worden gebruikt, is het dus niet mogelijk om te bepalen of IBM echt relevante gegevens heeft.
95% zekerheid, maar hoe is die berekend?
Rometty zegt ook niets over hoe IBM die 95% zekerheid heeft berekend. Hoe weet je zeker dat iemand gaat vertrekken? Is het berekend aan de hand van data uit het verleden? Mensen die vertrokken zijn? Dat lijkt mij de enige mogelijkheid om een claim over voorspellende waarde van vertrek te doen. Maar resultaten uit het verleden geven geen garantie voor de toekomst.
resultaten uit het verleden geven geen garantie voor de toekomst
Laat ik dit omschrijven met een persoonlijk voorbeeld uit het begin van mijn carrière. Weinig bekend feit is dat ik ooit een paar jaar gewerkt heb als dataleverancier voor beleggers. We hadden destijds een uniek product met unieke data ontwikkelend. Na 2 jaar data verzamelen maakten we een model dat op basis van onze data een rendement van 60% per jaar wist te realiseren. Toen we het model het jaar erop fictief lieten beleggen, kwam het slechts tot een rendement van 10%. Als we het model wat aanpasten, boekten we wel meer dan 50% rendement. Het probleem van een model baseren op het verleden is dat het in de toekomst soms niet werkt…
Conclusie: 95% zekerheid bieden is onmogelijk
Dus als ik een uitspraak hoor dat men met 95% zekerheid kan voorspellen dat iemand vertrekt vind ik dat aan de ene kant onwijs interessant, want die signalen opvangen is heel belangrijk. Aan de andere kant weet ik dat het onmogelijk is zo’n zekerheid te noemen.
Interessante, maar niet te controleren statements, zodat het algoritme mij vooral grootspraak lijkt
Het klinkt heel interessant. Ik geloof ook absoluut dat er datapunten zijn die iemands vertrek voorspellen. Ik denk dat we als mensen deze indicatoren vaak over het hoofd zien, maar dat een algoritme die absoluut wel kan zien. Maar of dat ook met 95% zekerheid gebeurt? Ik kan je met 100% zekerheid zeggen dat we dat nooit kunnen zeggen. Omdat je nooit met zekerheid kunt zeggen of je iets voorkomen hebt of dat het anders toch niet was gebeurd. Interessante materie, maar oncontroleerbare statements, waardoor het algoritme mij voorlopig vooral grootspraak lijkt.
Over de auteur van dit blog
Bas van de Haterd is onder meer initiatiefnemer van Digitaal-Werven, een jaarlijks onderzoek naar welke organisatie aan kandidaten de beste digitale sollicitatie-ervaring biedt, en samen met Werf& organisator van TA Live.
Hun pop-up store vorig jaar in Zeist was een groot succes. Hier gingen zes verschillende zorgwerkgevers aan de slag om potentieel talent te spotten en bezoekers te laten kennismaken met de verschillende organisaties. In een maand tijd werden er meer dan 350 mensen gescout. De helft van hen wilde uiteindelijk aan de slag bij de werkgevers, daarvan is 1 op de 4 geplaatst. Daarnaast zijn 24 mensen met een grotere afstand tot de arbeidsmarkt via een bootcamp bij werkgevers geplaatst. Dit resultaat was onverwacht en des te meer reden om ermee door te gaan, zegt Jaap Hermsen.
Over de auteur
Over de auteur
Over de auteur van dit blog