Zo bereken je de skills die jouw organisatie in huis heeft (deel 1/2)

‘Welke vaardigheden heeft je organisatie in huis en welke zijn nodig?’ Bij die vraag zou je niet hoeven aarzelen: een skills gap is tegenwoordig zo overbrugd, toch? Laurens Waling (8vance) laat (in 2 delen) zien hoe de benodigde vaardigheden te berekenen.

Laurens Waling Op 08 februari 2024
Gem. leestijd 4 min 132x gelezen
Deel dit artikel:
Zo bereken je de skills die jouw organisatie in huis heeft (deel 1/2)

Het verschil tussen de vaardigheden en competenties die je in huis hebt en die je nodig hebt noemen we ook wel een skills gap. Maar hoe krijg je hier goed zicht op? Hiervoor zijn gelukkig veel data beschikbaar, zowel binnen als buiten de organisatie. Het berekenen van zo’n skills gap is een voorbeeld van ‘Talent Intelligence‘. In dit artikel verken ik een simpele methode die organisaties kunnen gebruiken om hun interne vaardigheden effectief te bepalen en te benutten.

Door de huidige talentprofielen te analyseren kun je een duidelijk beeld krijgen van welke vaardigheden je al bezit.

Er zijn verschillende methoden voor het bepalen van de aanwezige skills. We focussen hier op een data-analyse van werknemersprofielen. Door de huidige talentprofielen te analyseren kunnen organisaties een duidelijk beeld krijgen van welke vaardigheden ze al bezitten. Dit omvat het kijken naar cv’s, prestatiebeoordelingen, en training records. Veel organisaties hebben intern geen uitgebreide profielen beschikbaar. Maar geen nood. De meeste mensen hebben ook een publiek profiel, waarmee deze informatie alsnog extern beschikbaar is.

Waar vind je deze publieke profielen?

Er zijn verschillende platformen waar mensen hun profiel (publiekelijk) delen. Dit is enigszins afhankelijk van de doelgroep. In Nederland is LinkedIn met 9 miljoen profielen natuurlijk de bekendste. De meeste mensen hebben hun profiel op publiek toegankelijk staan, wat betekent dat ze onder andere in Google vindbaar zijn. Dat vindt LinkedIn fijn, want dat geneert verkeer naar hun platform. Anderzijds beperken ze dit steeds meer, om zelf te kunnen verdienen aan de data. Of leden van het platform dat willen is maar weer de vraag, want zij willen vooral vindbaar zijn. Hoe dan ook, er zijn nog tal van andere manieren en platformen om aan deze data te komen.

LinkedIn biedt zelf het programma Talent Insights, maar experts lopen hier tegen zeer veel beperkingen aan.

Vervolgens zijn er verschillende manieren om op basis van deze data analyses te doen. Zo biedt LinkedIn zelf het programma Talent Insights, maar experts lopen hier tegen zeer veel beperkingen aan. Je kunt er bijvoorbeeld geen A.I. mee trainen, functies standaardiseren of skills classificeren. Een alternatief is deze data via Google en andere zoekmachines te benaderen. De ‘index’ van Google bevat ook deze profielen en is middels ‘Custom searches’ of ‘Programmable search engines’ goed benaderbaar voor allerlei zoekopdrachten. Zo kun je toch de data van jouw medewerkers eruit halen en analyseren. Er zijn bedrijven die hierin gespecialiseerd zijn, mocht je het wiel niet opnieuw willen uitvinden. En ben je hier eenmaal handig mee, dan doe je dit natuurlijk ook even voor de concurrentie.

Het gebruik van A.I. in Talent Intelligence

De opkomst van A.I. en geavanceerde analytics heeft een nieuwe dimensie toegevoegd aan het bepalen van in-house vaardigheden. A.I.-gestuurde tools kunnen grote hoeveelheden gegevens analyseren om trends, skills gaps en ontwikkelingsmogelijkheden te identificeren. Deze technologieën maken het mogelijk om realtime analyses uit te voeren en voorspellende modellen te creëren voor toekomstige talentbehoeften.

Na het identificeren van de bestaande vaardigheden en de benodigde vaardigheden, moeten organisaties strategieën ontwikkelen om de skills gap te overbruggen. Dit kan onder meer via interne training en ontwikkelingsprogramma’s, het aantrekken van nieuw talent met de ontbrekende vaardigheden, en het stimuleren van interne mobiliteit door medewerkers de kans te geven nieuwe rollen en verantwoordelijkheden op te nemen.

Een voorbeeld

Op deze manier kunnen we van een willekeurige organisaties de in-house skills in beeld brengen. Neem bijvoorbeeld een grote financiële organisatie, waarvan we bijna 100.000 publieke profielen vonden die hier werken of gewerkt hebben. Deze medewerkers delen online informatie over hun werkervaring en opleidingen, wat nuttig is voor het samenstellen van diverse grafieken, zoals de carrièrepaden van huidige, toekomstige en voormalige werknemers.

Dit is waardevol, maar voor een grondige analyse van de skills gap is specifiekere informatie nodig, zoals de huidige functies van medewerkers. Zonder enige interne data te gebruiken, is het mogelijk om een overzicht te maken van de meest voorkomende functies. Hierbij kan A.I. worden ingezet voor het classificeren van complexe functietitels.

Top-25 vaardigheden

De volgende stap is het analyseren van de vaardigheden die nodig zijn voor deze functies. Dit kan door functiebeschrijvingen en profielen van medewerkers te onderzoeken. Vaak zijn de benodigde vaardigheden al direct uit de profielen af te leiden, anders kunnen ze worden voorspeld of aangevuld op basis van opleiding en werkervaring. A.I.-tools zoals 8vance kun je dan gebruiken om een gedetailleerd overzicht van vaardigheden te maken voor elke functie. Dit vormt het eerste deel van de skills gap-analyse. Zo kun je bijvoorbeeld een top-25 van vaardigheden binnen de hele organisatie samenstellen, maar dit kun je ook op kleinere schaal toepassen voor specifieke teams of afdelingen.

Het effectief bepalen van in-house vaardigheden is een vrij simpele, maar cruciale stap voor organisaties om competitief te blijven in een snel veranderende wereld. Door data-analyse en A.I. te gebruiken kunnen organisaties niet alleen hun huidige talentenpool begrijpen, maar ook strategisch plannen voor toekomstige behoeften. Uiteindelijk leidt dit tot een meer dynamische, flexibele en veerkrachtige organisatie, waarbij er volop kansen zijn voor de medewerkers om leuker, leerzamer en effectiever te werken. In volgende blogs ga ik verder in op het bepalen en werven van de benodigde skills.

Lees ook

Deel dit artikel:

Laurens Waling

Chief Evangelistbij 8vance
Laurens is Chief Evangelist voor 8vance. 8vance levert een Talent Mobility-platform met eigen AI om precies te voorspellen wie welk werk het beste kan doen, onder andere op basis van skills, persoonlijkheid en ambitie. Laurens is een expert in toepassingen van AI in het HR-domein. Hij adviseert grote bedrijven, zorgorganisaties, onderwijsinstellingen en overheden bij innovatie-, HR- en organisatievraagstukken. Laurens was oprichter van het jobcarving-platform Part-up, dat hij in 2021 verkocht, waarna hij zich aansloot bij 8vance.
Bekijk volledig profiel

Premium partners Bekijk alle partners