Gem. leestijd 5 min  186x gelezen

Zo bereken je de skills die jouw organisatie nodig heeft (deel 2/2)

‘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 je de benodigde skills kunt berekenen.

Zo bereken je de skills die jouw organisatie nodig heeft (deel 2/2)

In de huidige arbeidsmarkt is het voor elke organisatie essentieel om een duidelijk beeld te hebben van de vaardigheden en competenties die je in huis hebt en die je nodig hebt. Hiervoor zijn veel data beschikbaar, binnen en buiten de organisatie. Bereken je met deze data een skills-gap, dan is dat een voorbeeld van ‘Talent Intelligence‘. Dit concept stelt organisaties in staat om strategische beslissingen te nemen over onder andere werving, ontwikkeling en behoud van talent.

Aan de hand van je vacatures kun je bepalen welke vaardigheden je organisatie momenteel vraagt.

In mijn vorige blog verkende ik een simpele methode om interne vaardigheden effectief te bepalen en te benutten. Ik keek op basis van publieke profielen naar de skills die al in huis zijn. In dit artikel doen we iets vergelijkbaars, maar dan kijken we naar vacatures. Aan de hand van vacatures kun je bepalen welke vaardigheden een organisatie momenteel vraagt. Soms zijn deze expliciet genoemd, soms zijn ze met een kleine vertaalslag snel te achterhalen.

Waar vind je de gevraagde vaardigheden?

Door de bril van de gewenste vaardigheden zie je wat je tekort komt in de bestaande talentenpool. Op basis van die skills gap baseer je je strategische personeelsplanning, waaronder het richten op opleiding en ontwikkeling, het aanpassen van wervingsstrategieën, en bereken je de businesscase voor het bevorderen van interne mobiliteit of maatregelen om mensen beter te behouden.

Het is mogelijk met externe data – in dit geval: uitstaande vacatures – het tweede deel van de skills gap te bepalen.

We gaan hier even verder op het voorbeeld van mijn vorige blog, waarin we voor een willekeurige grote financiële organisatie de ‘in-house’ skills in kaart brachten, op basis van 80.000 publieke profielen. Ook voor de gevraagde skills is het mogelijk om met externe data – in dit geval: uitstaande vacatures – het tweede deel van de gap te bepalen. Er zijn veel platformen en tools die online vacatures verzamelen, als die al niet via de eigen werkenbij-site van een organisatie beschikbaar zijn.

Ontdubbelen

Nadeel van de eigen website is dat reeds ingevulde vacatures snel verdwijnen. Dat is soms niet handig. En dan heb je ook nog het probleem van dubbele vacatures. Jobdigger bijvoorbeeld presteert als een van de beste in het ontdubbelen van vacatures. Niet onbelangrijk, want vacatures worden online volop herschreven en dubbel geplaatst, omdat er allerlei bureaus op die manier net doen of ze een unieke vacature kunnen aanbieden. Aangezien je nauwkeurig wilt tellen hoe vaak een vacature voorkomt, wil je deze dubbelingen niet meenemen.

Zie bovenstaand het resultaat. Hiervoor bekeken we 5.609 recente vacatures van deze organisatie. Nog zonder aanvullende interne data te gebruiken, konden we een overzicht maken van de meest gevraagde functies. Hierbij kun je A.I. inzetten voor het classificeren van complexe functietitels, naar een aantal standaard functies, waardoor ze beter te vergelijken zijn.

Analyseren van de vaardigheden

De volgende stap is het analyseren van de vaardigheden die nodig zijn voor deze functies. We gebruiken hiervoor de door onszelf ontwikkelde A.I. om skills bij functies te voorspellen. Dit kan direct, maar ook via een omweg, door functiebeschrijvingen en profielen van medewerkers die deze functies invullen te onderzoeken. Soms zijn de benodigde vaardigheden 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 maken een gedetailleerd overzicht van vaardigheden voor elke gevraagde functie. Zo kun je bijvoorbeeld een top-25 vaardigheden binnen de hele organisatie samenstellen, maar dit is ook op kleinere schaal toe te passen voor specifieke teams of afdelingen. In bovenstaand overzicht valt direct op dat er naar data, agile en Azure-specialisten wordt gevraagd. Houd de gevraagde en de aanwezige skills eens naast elkaar en je ziet direct opvallende verschillen. Data, agile en het platform Azure zijn skills die nauwelijks aanwezig waren en veel worden gevraagd. Een duidelijke skills gap dus, waarop je beleid kunt gaan maken.

Welke skills verwacht je nodig te hebben?

Vacatures geven zicht op het heden en een doorkijkje naar de kortetermijntoekomst. Maar welke skills zijn op de lange termijn nodig? Daarvoor kijk je naar strategische plannen van de organisatie zelf, van vergelijkbare organisaties en naar bijvoorbeeld trendrapporten van de sector. Deze rapportages zijn ook online te vinden. En voor je eigen organisatie heb je vast wel wat interne rapporten waaruit duidelijk wordt, waar jullie welke skills nodig gaan hebben. Tools als ChatGTP, SummarizeAI en CopyAI analyseren razendsnel documenten, en kunnen desgevraagd al een indicatie van de benodigde skills opleveren. Ervaring leert wel dat de skills die de Generatieve A.I.-tools opleveren te grof zijn om echte analyses op te kunnen maken, maar het is goede start voor iets meer handwerk.

Welk gewicht hangt er aan een skill, oftewel: wat is de ervaring van iemand met de skill?

Met de gevonden skills uit de doorkijkjes naar de toekomst vul je de gevraagde skills uit stap 2 aan en je hebt een duurzaam uitgangspunt voor je HR-strategie. Vervolgens kun je in principe het aanbod aan skills aftrekken van de vraag naar skills. Dat gaat natuurlijk niet zomaar, want daaronder liggen allerlei aannamen zoals: ben je in staat de in huis aanwezige skills te benutten en te behouden? In hoeverre kun je skills los zien van elkaar? En in hoeverre zijn combinaties nodig en/of mogelijk? Welk gewicht hangt er aan een skill, oftewel: wat is de ervaring van iemand met de skill? En welke mate van hanteren van de skill is gewenst?

Nuanceringen

Met veel van dit soort nuanceringen kun je overigens ook weer gaan rekenen. Je kunt er een dagtaak van maken. Vandaar dat steeds meer organisaties ‘Talent Intelligence’-specialisten aan boord hebben die dit soort berekeningen uitvoeren. Het lijkt misschien een flink investering om dit soort data-specialisten in huis te nemen, maar vergelijk het maar eens met hoeveel geld er momenteel wordt verspild voor ongericht recruitment, onnodig verzuim en verloop en externe inhuur, daar waar de interne skills vaak al aanwezig zijn.

Niet gek dat steeds meer organisaties ‘Talent Intelligence’-specialisten aan boord hebben.

Door gebruik te maken van data-analyse en A.I. kunnen organisaties een skills gap maken van aanwezige en benodigde vaardigheden. Zo kun je niet alleen de huidige talentenpool beter begrijpen, maar ook strategisch plannen voor toekomstige behoeften. In komende blogs ga ik verder in op het vinden van de benodigde skills. Door hier structurele maatregelen voor te nemen, ga je van ad hoc recruitment naar het organiseren van een continue instroom van skills. 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.

Lees ook

Chief Evangelistbij 8vance

Laurens Waling

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.
  • Leave behind a comment

Onze partners Bekijk alle partners