De 7 essentiële kenmerken van goede recruitmentdata

Geert-Jan Waasdorp Op 07 april 2016
Gem. leestijd 3 min 1439x gelezen
Deel dit artikel:
De 7 essentiële kenmerken van goede recruitmentdata

Data zijn steeds bepalender in arbeidsmarktcommunicatie en recruitment. Maar hoe scheid je daarin het kaf van het koren?

Data geven ons steeds meer mogelijkheden om het gedrag van sollicitanten en kandidaten in kaart te brengen, te voorspellen en te verklaren. Bijvoorbeeld door het gebruik van externe arbeidsmarktdata, variërend van analytics tot en met werkloosheidscijfers, vacaturedata, en in- en uitstroomaantallen vanuit het onderwijs. Zulke data kun je dan weer combineren met eigen interne data zoals de conversieratio, de quality of hire, je doorstroom en de kwaliteit van je candidate experience.

Halen we ook meer resultaat?

We meten steeds meer, maar halen we nu ook echt meer resultaat? Nu we zoveel data hebben, weten we ook zeker dat we onze besluiten baseren op de juiste informatie? Recruitmentbeleid baseren op incomplete en incorrecte data kan zomaar je wervingsprobleem vergroten in plaats van verkleinen. Dan was je beter af zonder data.

Goede data werken zeker

Daarentegen is data driven recruitment zeer krachtig als je werkt met goede data. Om hier zeker van te zijn, moet je letten op 7 essentiële kenmerken:

#1. Er is een bronvermelding

Is er een bronvermelding? In dat geval wordt er verantwoording afgelegd over de herkomst van de data. De bron is een eerste indicatie van de kwaliteit van de data en maakt dat je de data kunt verifiëren. Daarmee voorkom je dat de data onbetrouwbaar zijn of dat er lukrake definities zijn gebruikt.

#2. De data zijn betrouwbaar

Zijn de gebruikte databronnen betrouwbaar en gelden zij als valide en (markt)standaard? De herkomst van de data – hoe deze zijn verkregen – is daarbij een essentieel onderdeel. De aanwezigheid van een technische verantwoording is een randvoorwaarde.

#3. Er is sprake van representativiteit

Representatief houdt in dat iedereen uit de beoogde populatie een gelijke kans heeft om te worden meegenomen in het onderzoek. Vervolgens worden de data gewogen naar de gemiddelden van de populatie, bijvoorbeeld de gouden standaard of CBS-data. De analyses betreffen bij een representatief onderzoek de gehele doelgroep (inclusive) en sluiten geen personen of doelgroepen uit. Met andere woorden: je sluit als onderzoeker geen groepen uit om zo een gewenstere uitkomst te krijgen.

#4. Het onderzoek is statistisch relevant

Een statistisch relevante steekproef kent een steekproef die groot genoeg is. Daarmee wordt een betrouwbaar beeld gegeven van (groepen in) de arbeidsmarkt. Bij een voldoende grote steekproef wordt de kans gereduceerd op ‘toeval’ en vormen de data en onderzoeksresultaten een goede afspiegeling/benadering van ‘de werkelijkheid’.

#5. De definities zijn zuiver

Definities worden vooraf opgesteld, gecommuniceerd en gehanteerd. Heldere definities maken het mogelijk data te vergelijken (over een bepaalde periode) en te reproduceren, waardoor je conclusies en oplossingen kunt verantwoorden. Definities maken het bovendien mogelijk om data uit verschillende bronnen met elkaar te vergelijken, zoals vacaturedata en werkloosheidsdata en informatie rondom de grootte van de doelgroep. De definities staan in een technische verantwoording.

#6. Het onderzoek is onafhankelijk

Als de analyserende partij ook een ander doel dient met de gepresenteerde data, moet je vragen stellen over de betrouwbaarheid en representativiteit ervan. Een voorbeeld daarvan is koppelverkoop voor andere recruitmentdienstverlening, zoals werving & selectie, mediaverkoop of sourcing. Belangrijk is dat je met onafhankelijke data werkt, zoals media-neutrale data. Arbeidsmarktdata afkomstig van één mediabron, zoals een vacaturesite, LinkedIn of Google zijn per definitie gekleurd en hebben een (grote) foutmarge. Media-neutrale data geven een correcter beeld, zeker als het gaat om (oriëntatie)gedrag van bijvoorbeeld baanzoekers.

#7. De onderzoekers zijn analysevaardig

Voldoen je data aan bovenstaande 6 kenmerken? Dan is het tot slot nog belangrijk dat de onderzoekers of analisten die met de data werken en rapportages opmaken daartoe opgeleid dan wel vakbekwaam zijn. Kunnen ze de betrouwbaarheid in statistieken uitdrukken? En – nog belangrijker – kunnen ze de juiste berekeningen en analyses uitvoeren om de vraagstelling te beantwoorden?

De normaalste zaak van de wereld

Ik adviseer werkgevers, bureaus, recruiters en arbeidsmarktcommunicatiespecialisten die werken met data om deze checklist altijd erbij te houden en eventueel navraag te doen. Elke analist en onderzoeker vindt het de normaalste zaak van de wereld hierop te antwoorden. Daar zijn we voor opgeleid. Daardoor heb je als opdrachtgever direct inzicht in de kracht, maar ook de onvolkomenheden van de data waarmee je werkt. Ken je de zwakte van de data waarmee je werkt, dan kun je daarmee in je analyses en conclusies rekening houden. ‘Blind’ conclusies verbinden aan incorrecte en/of onvolledige data, kost geld, tijd en wervingssucces. En juist dat wil data driven recruitment voorkomen.

Auteur Geert-Jan Waasdorp is oprichter/eigenaar van de Intelligence Group

Foto via Flickr.com

Meer van zulke verhalen?

Lees elke week de Nieuwsbrief van Werf& en blijf op de hoogte van alles wat er gebeurt op het gebied van arbeidsmarktcommunicatie en recruitment! Doe het nu, het is gratis en je mist nooit meer iets!

Deel dit artikel:

Geert-Jan Waasdorp

Entrepreneur en investeerderbij o.a. Intelligence Group (Giant), Academie voor Arbeidsmarktcommunicatie, Werf&, Arbeidsmarktkansen, en RecruitAgent.ai
Geert-Jan Waasdorp is directeur van Intelligence Group en uitgever van Werf-en.nl
Bekijk volledig profiel

Premium partners Bekijk alle partners