close
LearningTech & Tools

Recruitment zonder CV’s (3-stappenplan)

CV’s zijn stervende. Of althans, dat is wat er gaat gebeuren. De zogeheten War for Talent is intensiever dan ooit tevoren. Het gevolg: de hiring policies van bedrijven zullen flink moeten gaan veranderen. Mijn advies: start met het zogeheten hiring for potential. Of terwijl, recruitment zonder CV.

Predictive Analytics en Machine Learning

Hiring for potential. Deze uitspraak valt zonder meer in de categorie vakjargon waarbij velen het nèt iets anders interpreteren. Voordat ik uitleg wat ik versta onder deze term is het belangrijk om de concepten Predictive Analytics en Machine Learning goed te begrijpen – deze begrippen zijn key als het gaat om recruitment innovatie. Een korte uitleg:

Predictive Analytics betekent het analyseren van historische data om toekomstige outcomes te kunnen voorspellen. In andere woorden: vind een patroon om op basis hiervan de volgende stap te voorspellen.

Machine Learning algoritmes zijn in staat om te leren van data zonder afhankelijk te zijn van op regels gebaseerde programmering. In andere woorden: een algoritme dat in staat is om zelfstandig te leren en optimaliseren o.b.v. verzamelde data – ofwel een zelflerend algoritme.

Dit tweetal concepten is van groot belang omdat de combinatie van beiden het mogelijk maakt om de vertaalslag binnen recruitment te maken van hiring for experience naar hiring for potential.

 

Hiring for potential: hoe werkt het

Zoals gezegd, hiring for potential is een relatief nieuw HR-begrip en wordt daarom nog op verschillende manieren geïnterpreteerd. Dit is mijn definitie:

Hiring for potential betekent het verzamelen van kandidaat-data die de toekomstige capabilities van een kandidaat kan voorspellen in plaats van data die focust op het verleden van een kandidaat. In andere woorden: het voorspellen van het succes van een kandidaat op basis van potentie (ability to learn) i.p.v. ervaring.

Nu je globaal weet wat ik versta onder dit concept neem ik je graag mee in een step-by-step guide om je te laten zien hoe je dit in de praktijk kunt brengen.

Stap 1. Creëer een set van aannames

Iedere analyse start bij het maken van aannames. In andere woorden: probeer uit te vinden wat waarschijnlijk waar is. In deze stap zijn de Predictive Analytics van groot belang. Door het analyseren van historische data kunnen we een eerste voorspelling maken van de toekomstige uitkomst – ofwel een assumptie.

Een voorbeeld: onderzoek naar Business Developers (BD’s) heeft uitgewezen dat 86% van alle succesvolle BD’s een hoog logisch redeneervermogen heeft. Op basis van deze analyse kan worden aangenomen dat een hoge score op logisch redeneervermogen een vereiste is om succesvol te zijn binnen BD.

Het merendeel van de assumpties binnen recruitment zal gebaseerd zijn op bepaalde professional skills, cognitieve skills en persoonlijkheidskenmerken.

Stap 2. Vind een manier om de componenten van jouw assumpties te testen.

Zoals bovenstaand benoemd is uit vele onderzoeken gebleken dat de combinatie van professional skills, cognitieve skills en persoonlijkheidskenmerken de belangrijkste voorspeller blijkt van candidate job success. Reden hiervoor is dat deze zaken verder niet enkel inspelen op intelligentie en kennis, maar bovendien bepalen wie binnen bepaalde bedrijfsculturen past.

De meest betrouwbare manier om deze traits te analyseren is middels gamification – om de volgende redenen:

    • Games bieden geen ruimte voor sociaalwenselijkheid door de manier van ‘vraagstelling’. In andere woorden: de uitkomsten van games zijn niet tot nauwelijks te manipuleren, waar vragenlijsten veel gevoeliger zijn voor sociaalwenselijkheid.

 

  • Gamification stimuleert het onbewuste gedrag van een kandidaat. Dit is het type gedrag waarvan we ons niet bewust zijn – onze dagelijkse gewoonten, hoe we omgaan met anderen en hoe we door anderen worden ervaren. Dit type gedrag vertelt ons alles wat we moeten weten over persoonlijkheid en cognitieve skills.

Ben jij op zoek naar manieren om gamification in te zetten in jouw recruitmentproces? Vraag gerust eens een Equalture demo aan.

Stap 3. Creëer een feedback loop.

Tot slot is het noodzakelijk om assumpties continu te evalueren en bij te stellen. In andere woorden: het is belangrijk een feedback loop te creëren om te ervaren of jouw assumpties ook daadwerkelijk hebben geleid tot het aannemen van de beste kandidaat. In deze stap komt Machine Learning om de hoek kijken.

Binnen Equalture – een pre-hiring matchingstechnologie – hebben wij een zelflerend algoritme geïntegreerd middels Machine Learning. Dit algoritme verbetert zichzelf continu op basis van feedback vanuit het systeem. Zodra een kandidaat is aangenomen vraagt het systeem het bedrijf om feedback te verschaffen over een kandidaat (over een periode van ca. 2 jaar), zodat ons algoritme weet of een kandidaat een succesvolle hire is gebleken. In andere woorden: we vergelijken onze job successfulness prediction met het daadwerkelijke candidate job success. voorspelling van de werkingssucces met het echte succespercentage.

Et voilà. Door dit stappenplan te volgen zou jouw bedrijf in staat moeten zijn om kandidaten niet langer aan te nemen o.b.v. het CV, maar door daadwerkelijk te kijken naar het potentieel van kandidaten. Twee randvoorwaarden:

    • Je hebt een technologie nodig die het stukje gamification faciliteert en de uitslagen voor je interpreteert;

 

  • Je hebt een technologie nodig die jou voorziet van een zelflerend matchingsalgoritme voor kandidaten – inclusief assumpties.

Als dat is waar je naar op zoek bent zou Equalture wellicht een goede oplossing voor je zijn.

Happy hiring!

Charlotte Melkert

Leave a Response

×