Gem. leestijd 5 min  3193x gelezen

Hoe gedragseconomie onze selectie (eindelijk) gaat verbeteren

Hoe gedragseconomie onze selectie (eindelijk) gaat verbeteren

Veel selectiebeslissingen zijn nog gebaseerd op structurele denkfouten. Die kunnen we voorkomen, als we ons meer zouden verdiepen in de gedragseconomie. Als we als recruiters (eindelijk) leren hoe statistiek werkt, nemen we nooit meer iemand aan over wie we later ontevreden zijn.

Veel bedrijven voeren ongestructureerde sollicitatiegesprekken met kandidaten. Of hij of zij wel of niet wordt aangenomen, beslissen we vervolgens aan de hand van de eerste indruk van die kandidaat.

Slechte voorspeller

Maar de eerste indruk is helaas een heel slechte voorspeller van de prestaties van een kandidaat in de toekomst. Dit gegeven vloeit voort uit de gedragseconomie, een wetenschap die psychologie en economie integreert. Gedragseconomie is ontstaan door veelvuldig onderzoek van wetenschappers naar het menselijk oordeel.

Kahneman

kahnemanEén van de meest invloedrijke gedragseconomen is Nobelprijswinnaar Daniel Kahneman. In zijn boek ‘Thinking, Fast and Slow laat hij zien dat de mens structureel ‘statistische denkfouten’ (‘heuristics’) maakt, waardoor wij beslissingen maken die volledig tegen de statistieken indruisen.

Onherkenbaar veranderen

Een aantal bedrijven in de zorg, de financiële sector en de amusementssector is zich bewust van de invloed van de gedragseconomie. Als gevolg daarvan worden er binnen die sectoren hele bedrijfsprocessen anders ingericht. Maar hoe bedrijven nieuwe mensen aannemen, blijft vaak haken op achterhaalde manieren van werken. Toch kunnen principes uit de gedragseconomie ook werving onherkenbaar gaan veranderen. Zoals het boek Moneyball al ooit liet zien, waar het ging over honkbal.

De Linda-test

Om het duidelijk te maken: laat me je eens vertellen over Linda. Linda is 24 jaar oud, vrijgezel en neemt geen blad voor de mond. Ze is intelligent en gevat. Toen zij filosofie studeerde, was ze zich heel bewust van sociale ongelijkheid in de wereld. In haar studententijd was ze actief binnen de Occupy-beweging.

Dan nu de vraag: welke van de onderstaande twee mogelijkheden is waarschijnlijker?

  • A. Linda is accountant.
  • B. Linda is accountant en daarnaast actief binnen de Occupy-beweging.

Ik gok dat veel lezers antwoord B kiezen. Toch is antwoord A hier het goede antwoord. De groep mensen die én accountant zijn én lid van de Occupybeweging is immers een subset van de groep die accountant is. En dus is per definitie de kans op antwoord A groter dan de kans op antwoord B.

Wat ons in de Linda-test een verkeerde beslissing doet maken, is de beschrijving over Linda die vooraf gaat aan de vraag. En ons beperkte begrip van statistiek.

Systeem 1 en 2

Onze hersenen werken namelijk volgens twee processen die Kahneman ‘systeem 1’ en ‘systeem 2’ noemt. Systeem 1 omvat de processen in ons hoofd die ervoor zorgen dat we eerste indrukken kunnen produceren. Onder systeem 1 vallen dus de processen die ervoor zorgen dat we snel kunnen beslissen. Naast systeem 1 zijn het de processen van systeem 2 die ervoor zorgen dat we meer rationeel en logisch kunnen nadenken.

Context

De keuze voor antwoord B bij de Linda-test is een gevolg van de werking van systeem 1. Systeem 1 houdt namelijk van context. Antwoord B sluit perfect aan op de beschrijving voorafgaand aan de vraag. Omdat het past in de context, zorgt systeem 1 ervoor dat we antwoord B als waar beschouwen. Systeem 2 laat zich graag overrulen door systeem 1, omdat de aanwending van systeem 2 voor ons lichaam veel meer energie kost.

Ook in werving

Wat Kahneman met de Linda-test heeft aangetoond, is dat ons brein niet is ingesteld op statistiek. Kahneman heeft een aantal statistische denkfouten in zijn boek geformuleerd. Deze denkfouten zijn 1-op-1 ook terug te herleiden naar werving. We noemen er hier 5:

Denkfout #1

We hechten te veel waarde aan kleine samples die voortkomen uit onze eigen ervaringen.

“De laatste 2 stagiaires die ik heb aangenomen van universiteit X, waren echt fantastisch. We moeten ons aannamebeleid ten aanzien van stagiairs voortaan focussen rondom universiteit X.”

Denkfout #2

What You See Is All There Is (WYSIATI). Het bewijs dat we nu zien, beschouwen we als het enige bewijs.

“Haar CV ziet er goed uit en ze kwam heel goed over tijdens het gesprek. Ik hoef verder niks meer over haar te weten, het is een topkandidaat.”

Denkfout #3

We hechten te veel waarde aan factoren die we ons makkelijk herinneren en in ons hoofd makkelijk naar voren kunnen halen.

“De kandidaat beantwoordde de vraag ‘Hoeveel golfballen passen er in een bus?’ echt gevat en slim.”

Denkfout #4

We denken dat het gedrag dat een kandidaat vertoont tijdens een sollicitatieprocedure, gebaseerd is op vaste karaktereigenschappen en niet afhankelijk is van de situatie.

“De kandidaat was behoorlijk afgeleid tijdens het gesprek, waarschijnlijk kan hij zich slecht concentreren.” (Conclusie: gedrag is een manifestatie van vaste karaktereigenschappen). In tegenstelling tot: “De kandidaat was behoorlijk afgeleid tijdens het gesprek, misschien was er wat aan de hand op het thuisfront.” (Conclusie: gedrag is situatie-afhankelijk)

Denkfout #5

Het halo-effect: we beoordelen een persoon vooral op basis van dingen die we leuk aan diegene vinden (of juist niet leuk: het ‘horn’-effect).

“Egbert is echt de aangewezen persoon om teamlead te worden. Hij komt namelijk altijd op tijd en doet altijd wat van hem wordt gevraagd.”

Hoe kan het beter?

De gedragseconomie leert ons dat we wervingsbeslissingen beter op basis van statistiek kunnen nemen, zodat we systeem 1 leren uitzetten en vaker op systeem 2 kunnen vertrouwen. Een aantal HR-organisaties is daarom begonnen met het aanwenden van data ten aanzien van hun wervingsbeleid. En terecht.

Een paar voorbeelden

Hieronder wat voorbeelden uit de praktijk:

  • Een bioscoopketen bestudeerde nauwkeurig het doen en laten van de teams die veel popcorn verkochten. De analyse die daaruit voortkwam, werd de nieuwe basis voor het aannamebeleid.
  • Een retailer analyseerde de cognitieve vaardigheden van zijn beste cosmeticaverkopers. Bij het aannameproces kwam de focus vervolgens te liggen op deze vaardigheden.
  • Een distributeur van sportartikelen ontdekte aan de hand van data dat ‘mensen die van buitenlucht houden’ veel beter presteerden dan mensen die over hele sterke technische vaardigheden beschikten. Het selectiebeleid werd daar vervolgens op aangepast.
  • Een ander bedrijf dat data een grote rol laat spelen in zijn aannamebeleid is Google. Dat gebeurt op allerlei manieren:
    – Het aantal gesprekken binnen de sollicitatieprocedure schroefden zij terug van 10 naar een maximum van 4. De toegevoegde waarde van meer dan 4 gesprekken bleek na een analyse namelijk nul.
    – Bij Google worden bij sollicitatiegesprekken geen ‘brain teaser’-vragen meer gesteld (denk: ‘Hoeveel golfballen kunnen er in een lijnbus?’). Uit analyse van de data bleek namelijk dat zulke vragen nul voorspellende waarde hebben voor de vaardigheden van een kandidaat.
    – Google hecht tegenwoordig veel minder waarde aan kandidaten die hun diploma hebben behaald aan topuniversiteiten. Uit data-analyse bleek namelijk dat zij op deze manier veel topkandidaten met diploma’s van andere universiteiten misliepen.

Grote sample

Dit zijn mooie voorbeelden, waarvoor je natuurlijk als werkgever wel wat schaal nodig hebt. Een zo groot mogelijke sample verkrijgen is daarom heel belangrijk. Als bedrijf wil je dus een zo groot mogelijk bereik onder kandidaten. Zo kun je je wervingsbeleid op een wetenschappelijke manier valideren met gebruik van data. Een hele klus misschien, maar het resultaat is er dan ook naar: aantoonbaar betere kandidaten, met betere prestaties!

Dit blog is geschreven door Thomas Brons, content marketeer bij Bonque, en deels gebaseerd op deze bijdrage van Deloitte University Press.

Lees meer over denkfouten:

En meer over recruitment op basis van data:

Foto boven via Flickr.com

 

 

  • Leave behind a comment

Onze partners Bekijk alle partners