TOEGANG TOT BESCHIKBAAR TALENT - PART 2 GEERT-JAN WAASDORP, JULI 2015
BIG DATA EN RECRUITMENT
INHOUDSOPGAVE
INLEIDING
3
2 WAT IS BIG DATA & RECRUITMENT
4
3 BUSINESS CASE 2020
6
4. BESCHIKBAARHEID OP ARBEIDSMARKTNIVEAU
7
Van data naar aanbeveling Big data en recruitment
Big data arbeidsmarktinformatie Big data arbeidsmarktinformatie in Nederland Van data naar insights en predictives
4 4
7 8 9
5 BESCHIKBAARHEID OP DOELGROEPNIVEAU
10
6. BESCHIKBAARHEID OP PERSOONSNIVEAU
14
7 VAN BESCHIKBAARHEID NAAR BESCHIKBAAR TALENT
16
AFSLUITENDE GEDACHTE
17
Recruitment kengetallen Salaris en arbeidsvoorwaarden Beweegmotieven Bereiken van de doelgroep Wereld van verschil: vast en flex Waar gaat het naar toe?
Waar gaat het naar toe?
Pools met beschikbaar potentieel
10 11 12 12 12 13
15
16
INITIATIEFNEMERS 18
2
1
INLEIDING Uit het eerste paper ‘CV’s en arbeidsmarktprofielen zijn commodity geworden’ bleek dat arbeidsmarktprofielen en CV’s rijkelijk aanwezig zijn, doordat mensen bewust en onbewust hun gegevens online achterlaten, al dan niet in relatie tot de arbeidsmarkt. Van LinkedIn en CV databases tot en met consumentenpanels en datingwebsites.
1 Beschikbaarheid vertaald in termen als schaarste en wervingshaalbaarheid op een lokale, nationale en internationale arbeidsmarkt.
Deze profielen zijn steeds makkelijker vindbaar, worden eenvoudiger ontsloten, aan elkaar gekoppeld en verrijkt door people aggregators. Zo jagen ontwikkelingen als de Watson technologie van IBM of Workfusion het wereldwijd ontsluiten van flexwerkers sterk aan. In theorie is de toegang tot profielen daarmee bijna oneindig, maar of deze profielen beschikbaar en geschikt zijn voor de arbeidsmarkt, is maar zeer de vraag.
3
In deze tweede paper van de drieluik ‘toegang tot beschikbaar talent’ wordt inzoomd op beschikbaarheid.
2 Beschikbaarheid vertaald in criteria waarop doelgroepen bewegen op de arbeidsmarkt, naar salaris, media, beweegmotieven en arbeidsvoorwaarden. Beschikbaarheid op micro niveau. Er zijn zeer veel concrete ontwikkelingen die bijvoorbeeld al kunnen zeggen of een persoon ‘in de markt’ is. Dat wil zeggen dat op individueel niveau al inschattingen gemaakt kunnen worden van profielen, of iemand actief op zoek is naar een baan en/of staat hij open voor een nieuwe carrièrestap.
WELKOM IN DE WERELD VAN BIG DATA
Met behulp van big data gaan we de beschikbaarheid van kandidaten en profielen op de (wereldwijde) arbeidsmarkt verkennen. In de laatste paper van dit drieluik slaan we de brug naar de kwalitatieve dimensie ‘talent’. Ook daar speelt big data een belangrijke rol.
Veel plezier met het lezen van deze paper, Namens Carerix en Intelligence Group
3
2
WAT IS BIG DATA? Met de exponentiële groei van (het meten van) data, wordt steeds meer inzichtelijk wat de kansen zijn die big data ons bieden. Een buzzwoord dat te pas en te onpas wordt gebruikt als the next big thing. Big data is niet nieuw. Het begrip bestaat al meer dan 20 jaar, maar is vooral erg hot geworden na de publicatie van McKinsey in 2011, te weten: Big data: The next frontier for innovation, competition, and productivity. Een eenduidige definitie over big data is er niet, behalve dat het over veel data gaat. Op Wikipedia wordt de volgende definitie gebruikt: Men spreekt van big data wanneer men werkt met een of meer datasets die te groot zijn om met reguliere databasemanagementsystemen onderhouden te worden. Populair gezegd… als je het met Excel kunt berekenen en bewerken is het geen big data. Gartner en andere partijen houden eigen (spel)regels aan om te bepalen of iets big data is. Een semantische discussie, omdat het veel belangrijker is wat je kunt doen met deze data. VAN DATA NAAR AANBEVELING
Het startpunt van de reis begint bij het hebben van data, gestructureerde of ongestructureerde nullen en enen. Deze data kunnen combineren en bewerken naar intelligence is de volgende stap. Intelligence definiëren wij als begrijpelijke resultaten, bijvoorbeeld 50% is man en 50% is vrouw.
De volgende stap die gemaakt wordt, is dat de begrijpelijke resultaten vertaald en geduid moeten worden naar insights. Inzichten zoals dat er (relatief) meer of minder vrouwen in een bepaalde populatie zitten. De laatste stap is dat deze inzichten vertaald worden naar aanbevelingen en voorspellingen die er toe doen. De bekendste vorm van deze stap zijn de aanbevelingen die bijvoorbeeld Amazon.com of Bol.com maken op basis van jouw profiel en eerder gedrag op de website. Maar ook de opties die je al dan niet op je beeldscherm ziet. BIG DATA & RECRUITMENT
Big data en recruitment is nog een wereld in ontwikkeling, waarbij de meest voorkomende datavorm intelligence is. Hierbij bedoelen we veelal mooi opgemaakte presentaties van partijen met het doel om producten en diensten te verkopen. Organisaties die verder gaan (en waarvan we in de volgende hoofdstukken veel voorbeelden laten zien), laten zich het best typeren als single source insights. Daarmee bedoelen we dat er uit één bron data wordt gebruikt (single source) waaruit daadwerkelijk inzichten voortkomen. Deze partijen hebben nog een paar stappen nodig om de wereld van recruitment te veranderen met behulp van data. Daarvoor zijn de volgende stappen essentieel, te weten: • • • •
Het koppelen van meerdere databronnen Zorgen voor relevante inzichten Aanbevelingen maken Click & play implementaties aanbieden die sneller tot een beter recruitmentresultaat leiden
BRON
VERTALING UITLEG
Data
Gegevens 0-1
Intelligence
Begrijpbare resultaten
50/50
Insights
Inzichten
Meer of minder
Recommendations
Aanbevelingen
En dat betekent...
Predictive
Voorspellingen
De verwachting is...
TABEL 1 I
Hiërarchie van data
4
WAT IS BIG DATA?
2
Voor 2020 zal de manier waarop werkgevers werven flink zijn veranderd. Op onderdelen maken we al gebruik van producten en diensten gebaseerd op data, alleen zijn deze producten en diensten nog niet geïntegreerd in onze recruitmentprocessen en -systemen. Dat dit gaat gebeuren is slechts nog een kwestie van tijd. Een mooie implementatie van big data is dat het recruitmentsysteem waarmee je werkt, bijvoorbeeld een verwachting gaat afgeven over het aantal sollicitaties dat je mag verwachten op basis van de kanalen die je inzet en de arbeidsvoorwaarden en salaris dat je aanbiedt. Datzelfde systeem zal ook aanbevelingen doen met welke arbeidsvoorwaarden en wervingsmedia je andere resultaten haalt. Een ontwikkeling waar Broadbean, samen met PepsiCo, een eerste belangrijkste eerste stap in heeft gemaakt met de Big Data Analytics Suite en inmiddels al acteert op insight niveau.
Een ander mooi voorbeeld is Tamo binnen Carerix. Tamo is ontwikkeld door Carerix partner “HRlinkIT” en volledig geintegreerd in Carerix. Met Tamo worden alle sollicitatiekanalen gedetailleerd geregistreerd en gekoppeld aan sollicitaties. Op deze manier kan de effectiviteit van de werving worden geoptimaliseerd. Het systeem geeft insights om het recruitmentproces te optimaliseren. De volgende stap is dat met één druk op de knop deze inzichten ook doorgevoerd kunnen worden in de vacaturetekst en de publicatie van de vacature. Het recruitmentvak is volop in verandering op verschillende losse onderdelen (single sources). Deze verschillende onderdelen behandelen we op de volgende pagina’s. Weet dan dat data daarbij de olie is die deze innovaties aanjaagt. Hoe big die data is, is daarbij minder belangrijk. Veel belangrijker is of de data ervoor zorgt dat je meer en makkelijker toegang krijgt tot beschikbaar talent.
Bron: Big Data Analytics Suite van Broadbean en Tamo van HRLinkIT geintegreerd in Carerix
5
BUSINESS CASE 2020 Het is onze absolute verwachting dat als recruiters in 2019 een vacature uploaden in de cloud of een foto maken met onze ‘recruitmentApp’ van een vacature, we direct inzage krijgen in: • Aantal beschikbare kandidaten in de eigen talentpool • Beschikbare kandidaten ‘in de markt’ • Wervingshaalbaarheid • Verwachte doorlooptijd van de vacature • Verwachte cost per hire • Mate waarin de arbeidsvoorwaarden competitief zijn • Marktconformheid van het salaris • Aantrekkelijkheid van de vacaturetekst • Duurzaamheid van de functie En dat we aanbevelingen krijgen voor: • • • •
De beste wervingsmix Inhoudelijke aanpassingen o.b.v. cultuur (paper 3) Toevoegen van competenties (paper 3) Alternatieve functies en wervingsmogelijkheden
3
De vacature staat in een navigatiescherm, waaruit het mogelijk is om te draaien aan knoppen waarvan je direct kunt zien wat de verwachte resultaten zullen zijn. Denk hierbij aan de impact van het bieden van ‘10% meer salaris’, het verbeteren van de vacaturetekst of het verlengen van de doorlooptijd van de vacature met 14 dagen. Op basis van predictive analyses kan real time bekeken worden wat realistisch en haalbaar is voor een vacature en wervingsplan. Met een druk op de knop kunnen bijvoorbeeld de vacaturetekst of het geboden salaris worden aangepast, het wervingsplan worden uitgevoerd en/of de beschikbare kandidaten worden uitgenodigd. Het bijzondere is... al de hierboven genoemde opties bestaan al. Alleen zijn ze single source of als standalone optie beschikbaar binnen een systeem, applicatie, API of als webservice. In de volgende hoofdstukken lopen we de belangrijkste mogelijkheden daarvan langs en schetsen een beeld hoe dat er in de toekomst uit zou kunnen zien.
6
BESCHIKBAARHEID OP ARBEIDSMARKTSNIVEAU Het verhaal dat Google kan voorspellen dat er een griepepidemie op komst is, is één van de klassieke big data verhalen. Eenzelfde verhaal geldt ook voor de arbeidsmarkt. Toen in februari 2012 de sluiting van Nedcar dreigde, zagen de jobboards in Nederland een sterke toename van traffic en CV’s vanuit de omgeving Born.
BIG DATA ARBEIDSMARKTINFORMATIE
Op het laagste niveau is dus arbeidsmarktactiviteit op vacatureniveau te meten. Stel dat je deze gegevens zou hebben van alle vacatures in Nederland, dan was een real time ontwikkeling van vraag en aanbod mogelijk. De partijen die daar in Nederland in potentie het dichtste bij kunnen komen, zijn o.a. Indeed.nl, Werk.nl, Randstad.nl en de grotere jobboards. In Amerika heeft Careerbuilder, - één van de leidende jobboards - een supply & demand portal gebouwd op basis van de volgende gegevens: • • • •
De sluiting van Nedcar haalde het voorpaginanieuws Toenemende (zoek)activiteit vanuit bepaalde regio’s en/of IP adressen die terug te herleiden zijn naar organisaties duiden op actuele omstandigheden die vraag en aanbod op de arbeidsmarkt beïnvloeden. Wanneer we dit soort data in dezelfde omgeving combineren met actuele vacaturetellingen, zoals geregistreerd door Indeed, Jobfeed of Jobdigger krijgen we een eerste schets van de vraag- en aanbodontwikkelingen in een bepaalde regio (zie ook het boek ‘Schaarste bestaat niet’ uit 2013). Het kan zelfs nog een stap dieper en dat is wanneer op vacatureniveau de geo-data van de traffic wordt geplot. In normale mensentaal bedoelen we dan dat we op vacatureniveau bekijken waar de traffic vandaan komt, zodat we kunnen zien uit welke regio en/of van welk bedrijf de interesse voor deze vacature afkomstig is. Interessante informatie voor recruiters die actief searchen (zie ook hoofdstuk 6).
4
51 miljoen actieve baanzoekers 135 miljoen profielen/CV’s 19 miljoen salarisbenchmarks Circa 25 miljoen unieke vacatures per jaar
Dat geeft een beeld van hoe vraag en aanbod zich tot elkaar verhouden en wat de wervingshaalbaarheid is. Tooling die steeds vaker door recruitment managers gebruikt wordt en goed inzicht geeft in schaarste van de doelgroep, wervingshaalbaarheid en andere achtergrondgegevens.
Voorbeeld van de supply & demand portal van Careerbuilder
7
BESCHIKBAARHEID OP ARBEIDSMARKTNIVEAU
4
Het mooie van de supply & demand portal van Careerbuilder is dat er drie databronnen worden gebruikt, te weten CV’s, vacatures en traffic op de jobboard. Nadeel is natuurlijk dat het alleen Careerbuilder data is en daarmee (theoretisch) onvolledig, maar gezien het volume (lees: big data) zijn de insights wel goed werkbaar. WantedAnalytics (Wantedanalytics.com) brengt de gehele online demand-kant in Amerika in kaart. Met het meten van gemiddeld 100 miljoen unieke vacatures in Amerika per jaar is dat vier keer zo veel als Careerbuilder.
De meest gebruikte bron in Nederland die een beeld geeft van de ‘totale vraag’ op de arbeidsmarkt (het aanbod van vacatures) is Jobfeed.nl van Textkernel. Die geeft een goed beeld van de vraag op de Nederlandse arbeidsmarkt. Een andere tool die dit doet is Jobdigger.nl. Door deze data te combineren met andere open data van o.a. het UWV, CBS, DUO, Google Maps en de KvK heeft Brainport Development de ambitie om een platform te ontwikkelen die de Brabantse arbeidsmarkt verder transparant maakt. De wereld van big arbeidsmarktdata is dus sterk in ontwikkeling en (nog) sterk gefragmenteerd.
BIG DATA ARBEIDSMARKTINFORMATIE IN NEDERLAND
In Nederland is er steeds meer actueel bekend over krapte en schaarste op de arbeidsmarkt. Een equivalent van de supply & demand portal van Careerbuilder heeft USG ontwikkeld met Lami (lokaal arbeidsmarkt inzicht). Dat is o.a. gebaseerd op data van Gus.nl en USG. Ook LinkedIn komt met soortgelijke rapportages, waarin het vraag en aanbod bij elkaar brengt. In beide voorbeelden is er sprake van een ruime error omdat de data onvolledig en niet representatief is voor (een deel van) de markt. Tegelijkertijd wordt wel duidelijk wat er al mogelijk is, ondanks (nog) onvolledig.
Andere tooling die inzicht geeft in de actuele wervingshaalbaarheid en schaarste op de Nederlandse arbeidsmarkt, zijn de werkverkenner van het UWV en Arbeidsmarktkansen.nl van Intelligence Group. Ook hier worden vraag en aanbod met elkaar gecombineerd. Waar Lami, LinkedIn en Careerbuilder alleen eigen data gebruiken, werken UWV en Intelligence Group met meerdere databronnen. Waar het UWV het aanbod van arbeid op de arbeidsmarkt alleen berekent o.b.v. werklozen, neemt iG! ook het arbeidsaanbod van de werkzame beroepsbevolking mee door data van het Arbeidsmarkt GedragsOnderzoek (AGO) te integreren. Daardoor ontstaat een completer beeld.
8
BESCHIKBAARHEID OP ARBEIDSMARKTNIVEAU
4
VAN DATA NAAR INSIGHTS EN PREDICTIVES
Het mooie van de besproken tools is dat ze niet alleen data en intelligence delen, maar ook daadwerkelijk insights geven. Dat wil zeggen dat er kwalitatief uitkomt hoe lastig het is om een doelgroep te werven, en wat de schaarste ontwikkeling is. Het nadeel is dat de data op verschillende plaatsen, op verschillende manieren en met verschillende definities wordt aangeboden waardoor het tegenovergestelde wordt bereikt met wat beoogd wordt: een transparantere arbeidsmarkt. We moeten dus nog een belangrijke stap maken, namelijk gaan samenwerken.
Belangrijk wordt de stap daarna om van insights naar predictions en recommendations te gaan. Het moment dat meerdere databronnen, geïntegreerd en volledig beschikbaar worden in het dashboard van een werkgever, waarin recruitment en HR-beleid worden georganiseerd. Denk bijvoorbeeld aan een vacature die wordt geupload in Carerix, waarbij direct de verwachtingen gemanaged kunnen worden over schaarste, response, wervingsinspanningen en bijbehorende budgetten.
Bron: pilot van Brainport Development om arbeidsmarkt in Zuid-Nederland transparanter te maken
9
BESCHIKBAARHEID OP DOELGROEPNIVEAU Beschikbaarheid zegt niet alleen of de doelgroep daadwerkelijk aanwezig is in de markt en tevens bereid is om van baan te veranderen (zie hoofdstuk 6), maar ook onder welke condities zij beschikbaar is.
RECRUITMENT KENGETALLEN
De meest bekende en gebruikte recruitment kengetallen zijn cost per hire en time to fill (zie ook het boek ‘Recruitment Kengetallen 2013’ van Hoekstra en Waasdorp), terwijl het belangrijke recruitment kengetal quality of hire is. Belangrijk is dat je als organisatie zicht hebt op de belangrijkste recruitment kengetallen van je doelgroep. Deze informatie is essentieel voor professionele werving, intern verwachtingsmanagement en het doen van de juiste externe acties.
Variërend van kengetallen als doorlooptijd en hardere drivers als salaris en arbeidsvoorwaarden tot en met pullfactoren en beweegmotieven. Naast de data die in de markt aanwezig is om extra inzicht te krijgen onder welke condities een doelgroep beschikbaar is, is een deel van deze informatie vaak ook aanwezig al dan niet verstopt - binnen de systemen van de eigen organisatie, zoals ‘recruitment kengetallen’.
5
Neem de cijfers uit het voorbeeld:
ORGANISATIE IT PROFESSIONALS GEMIDDELDE
Views vacature Conversie
413 2,10%
183
ADMINISTRATIEF ONDERSTEUNEND 1.533
1%
8%
Aantal sollicitaties
8,7
2
123
Aantal sollicitaties - intermediairs
2,1
8
0
Time to hire (in dagen)
27
63
12
Time to fill (in dagen)
53
89
21
4.200
9.876
450
Quality of hire
11%
8%
16%
Bad hires
10%
8%
4%
7,1
6,8
6,6
3
-2
1
Referral
Intermediairs
Eigen website
Cost of hire
Candidate experience NPS score Meest effectieve kanaal TABEL 2 I
Voorbeeld van belangrijke kentallen van je doelgroep
10
BESCHIKBAARHEID OP DOELGROEPNIVEAU
5
Hierin zien we dat de organisatie het redelijk marktconform doet, als we het vergelijken met het Nederlands gemiddelde. Zoomen we in op doelgroepniveau dan zien we grote verschillen die bijna onherkenbaar zijn in relatie tot de generieke recruitment kengetallen. Deze doelgroep gerelateerde kengetallen, grotendeels via standaard rapportages uit het recruitmentsysteem te halen, geven veel extra informatie over de beschikbaarheid van deze personen in relatie tot de organisatie. Welke doelgroep is moeilijker of makkelijker te werven? Kunnen we alleen werven of met intermediairs? Hoe staat het met de aantrekkelijkheid van de organisatie (o.a. af te leiden van de conversie, NPS en Quality of hire)? Veel van deze gegevens behoren tot de standaard management rapportages van de recruitmentafdeling. De volgende stap is dat deze gegevens in relatie worden gezet met de zachtere en hardere beweegmotieven van de doelgroep. Bijvoorbeeld:
is waarin dit soort informatie beschikbaar wordt gemaakt en door de markt wordt ontsloten, dan zullen we dit in Nederland ook steeds vaker zien. Informatie op niveau van land, regio, stad en bedrijf. Een mooi voorbeeld is de introductie van Glassdoor in Nederland dat op bedrijfsniveau salarissen zichtbaar maakt. Ook data over arbeidsvoorwaarden zijn steeds vaker semi-open beschikbaar. Denk hierbij aan bronnen als Arbeidsmarkt GedragsOnderzoek (AGO), CAO’s en Loonwijzer.nl. Ook werken partijen als Textkernel (met Jobadvisor) en Jobdigger aan manieren om meer arbeidsvoorwaardelijke data met behulp van taaltechnologie beschikbaar te maken voor analyses. Op deze manier kun je benchmarken.
• Wat gebeurt er met de conversie als de vacature teksten meer aansluiten bij de beweegmotieven van de doelgroep? • Wat is het effect van 10% meer salaris op de doorlooptijd? • Via welke (alternatieve) wervingskanalen vergroten we de conversie? Het kunnen maken van deze analyses behoort nu tot de ‘hogere recruitmentkunde’ en staat bovenaan de verlanglijstjes van veel recruitment managers. Carerix/ Tamo en Broadbean maken daarin belangrijke eerste stappen vooruit. Het koppelen van meerdere databronnen aan elkaar, in dit geval Google Analytics, ATS data en externe data zoals AGO, maken het mogelijk dat dit soort analyses geïntegreerd in dashboards worden aangeboden. Hierin speelt externe data op doelgroepniveau een belangrijke rol, zoals salarisbenchmarks en data over arbeidsvoorwaarden. SALARIS EN ARBEIDSVOORWAARDEN
De arbeidsmarkt kent verschillende partijen die gespecialiseerd zijn in salaris en arbeidsvoorwaardelijke benchmarks, zoals Mercer en Hay Group. Deze iconen worden ingehaald doordat partijen als Indeed, Wagerindicator, Jobdigger en Glassdoor die dit soort data breder en actueler verzamelen en makkelijker ontsluiten voor recruiters. Als Amerika het voorland
Voorbeeld van salarissen bij Booking.com op Glassdoor.nl Een andere belangrijke ontwikkeling zien we bij zzp’ers en flexwerkers. Met initiatieven als Caowijzer.nl, Loonwijzer.nl voor zzp’ers en geaggregeerde data uit Vendor Management Systemen (VMS) krijgen flexwerkers en inleners veel meer zicht op de op dat moment geldende tarieven op de arbeidsmarkt. Wanneer een inlener (een organisatie die een opdracht uitzet) op een online marktplaats zijn opdracht plaatst, krijgt hij inzicht in: • Gemiddelde uurtarief van de laatste 10 gegunde opdrachten • Prijs en condities bij vergelijkbare opdrachten • Tariefontwikkeling (als indicatie van schaarste)
11
BESCHIKBAARHEID OP DOELGROEPNIVEAU
5
Een opdrachtgever heeft nu maar beperkt zicht op wat het uurtarief is van bijvoorbeeld een interim recruiter, HR manager of inkoper. De online marktplaatsen waar vraag en aanbod bij elkaar komen, maken de tariefstelling steeds transparanter. Een mooi voorbeeld daarvan is Elance.com BEWEEGMOTIEVEN
Naast de financiële condities, spelen ook andere aspecten een rol bij het beschikbaar worden of zijn op de arbeidsmarkt. Denk hierbij aan het employer brand van een organisatie, de werksfeer tot en met werkinhoudelijke zaken en opleidingsmogelijkheden. In totaliteit herkennen we hierin drie niveaus: 1
Kritische wervingsfactoren (KWF’s): Aspecten die belangrijk zijn in de keuze van een werkgever en bovendien typerend zijn voor de doelgroep. Met deze aspecten kan de doelgroep het best in beweging gebracht worden.
2
Beweegmotieven: Aspecten die niet tot de belangrijkste behoren, maar wel typerend zijn voor de doelgroep. Deze aspecten kunnen aanvullend gebruikt worden om de doelgroep te prikkelen om in beweging te komen.
3
Randvoorwaarden: De meest genoemde aspecten, maar niet typerend voor de doelgroep. Voor de doelgroep is het vanzelfsprekend dat deze aspecten terugkomen in een baan. Als deze aspecten afwezig zijn, zullen ze niet in beweging komen.
Vaak zijn de hardere beweegmotieven, zoals salaris en financiële aspecten, randvoorwaardelijk en de zachtere kenmerken, zoals cultuur, leiderschap en carrièremogelijkheden, doorslaggevend in het kiezen voor een werkgever. Bij het kiezen van opdrachtgevers door flexwerkers/zzp’ers ligt er relatief meer nadruk op de hardere aspecten. Ondanks het doorslaggevende karakter van de zachtere beweegmotieven, wordt er in de praktijk nog veel te weinig aandacht gegeven aan deze informatie. Dat zien we vooral terug in de armoedige staat van vacatureteksten. De data van deze zachtere beweegmotieven op de Nederlandse arbeidsmarkt zijn alleen betaald beschikbaar via Wervingswereld.nl en internationaal op Globalrecruitmentchannels.com.
Voorbeeld van de beweegmotieven Wervingswereld.nl BEREIKEN VAN DE DOELGROEP
Bij het bewegen van de doelgroep, hoort ook het bereiken van de doelgroep. Met behulp van zelf gemeten data uit bijvoorbeeld Google Analytics of met behulp van onafhankelijke mediacijfers uit het AGO kan toegang verkregen worden tot het media- en oriëntatiegedrag van de doelgroep. De mediakeuze bepaalt enerzijds de toegang tot profielen, bijvoorbeeld door de keuze voor een CV database, social media of de eigen talentpool. De keuze voor de juiste media bepaalt ook weer de mate waarin talent beschikbaar is. Elke doelgroep heeft zo zijn eigen niches qua oriëntatie- en mediagedrag. De keuze voor de juiste doelgroepgerichte wervingsstrategie is daarin essentieel. Bereik je met je keuzes de actieve of de latente baanzoeker? Of beide? De mix waarin je actieve en latente baanzoekers bereikt, bepaalt natuurlijk de beschikbaarheid van de profielen. WERELD VAN VERSCHIL: VAST EN FLEX
Een steeds belangrijkere component is de contractvorm waarin de gezochte profielen beschikbaar zijn. Zijn deze vast of flex? Tussen beide contractvormen zit een wereld van verschil als het gaat om de wervingsstrategie en daarmee de toegang en beschikbaarheid van profielen. Een schema dat dat goed inzichtelijk maakt is het sourcingsgrid van de Academie voor Arbeidsmarktcommunicatie (zie volgende pagina). De eerste kolom die je daarin maakt is om de doelgroepgrootte onder te verdelen in vast en flex en daarna de beschikbaarheid te definiëren in termen als actief en latent en de wervingshaalbaarheid. Een gestructureerde manier om grip te krijgen op het bereiken van alle contractvormen, actief en latent.
12
BESCHIKBAARHEID OP DOELGROEPNIVEAU
5
Bron: sourcingsgrid, onderdeel van de Masterclass ‘total sourcing recruitment’
Het bereiken van de doelgroep komt na het bewegen van de doelgroep. Het is een middel tot een hoger doel en een resultante van de beslissingen die daarvoor worden gemaakt. De mediakeuze is nooit de oplossing. Het grootste mediabudget of de beste keuze voor de juiste wervingskanalen, kunnen nooit een slechte propositie, vacaturetekst of recruitmentproces verbloemen. Laat staan dat je daarmee de juiste kwaliteit weet te werven, maar daarover meer in paper 3. WAAR GAAT HET NAAR TOE?
Aan data en intelligence geen gebrek als het gaat om ‘beschikbaarheid op doelgroepniveau’. Partijen als Glassdoor maken er al insights van, maar de echte ontwikkelingen vinden momenteel plaats bij de recruitment- en vendor management systemen.
Daar wordt geaggregeerde data uit de eigen systemen, zoals tarieven, aangeboden arbeidsvoorwaarden (uren, salaris, pensioen e.d.) gekoppeld aan doorloopsnelheid, reacties en conversie. Tegelijkertijd is het voor het einde van 2015 mogelijk om bij het uploaden van een vacature, een advies te krijgen met daarin de mate waarin de harde en zachte aspecten in de vacaturetekst aansluiten bij de beweegmotieven van de doelgroep en waar de gaps liggen. Wanneer deze recommendations gekoppeld worden aan historische data als doorlooptijd en conversie, zijn er predictions te maken over het te verwachten recruitmentresultaat per in te zetten wervingskanaal en/of mediatitel. Dat zal nog zeker tot medio 2017 duren (op zijn vroegst)… Maar op de tekentafel ligt het al…
13
BESCHIKBAARHEID OP PERSOONSNIVEAU Uiteindelijk gaat het om de daadwerkelijke beschikbaarheid op persoonsniveau. Zeker wanneer de wervingsstrategie een sterk sourcings component in zich heeft. De effectiviteit van je sourcing is een stuk groter als je weet of een bepaald persoon beschikbaar is op de arbeidsmarkt. Big data maakt het mogelijk om een educated guess te maken of iemand beschikbaar is. Bijvoorbeeld als iemand plotseling op drie belangrijke punten zijn/haar LinkedIn profiel verandert. In dat geval wordt de kans groter dat deze persoon beschikbaar is op de arbeidsmarkt of dat hij/zij van plan is te vertrekken. Ook de aanstelling van een nieuwe manager, reorganisaties of de lengte van het dienstverband, zijn indirecte indicaties van beschikbaarheid. Er zijn al algoritmen die 70 verschillende voorspellende indicatoren gebruiken in hun analyses op beschikbaarheid. BESCHIKBAARHEID OP PERSOONSNIVEAU
In Amerika zien we een aantal nieuwe partijen die algoritmen hebben gebouwd met voorspellingen over de beschikbaarheid. Zo heeft Gild.com op persoonsniveau een voorspelling ontwikkeld (o.b.v. een analyse van 30 miljoen baanwisselaars) waarin op maandbasis de beschikbaarheid op persoonsniveau wordt geprognotiseerd.
6
Of een aggregator als Entelo (Entelo.com) die kandidaten typeert met more likely to move. Deze profielen hebben 30% meer kans dan gemiddeld om binnen drie maanden te verkassen.
Voorbeeld Entelo.com over beschikbaarheid op persoonsniveau
Niet alleen op persoonsniveau wordt beschikbaarheid berekend. Zo heeft Joberate.com de J-index ontwikkeld. Daarmee kan op bedrijfsniveau worden vastgesteld in welke mate werknemers binnen die organisatie op zoek zijn naar een andere baan. Het is dan niet op persoonsniveau, maar het komt wel in de buurt en interessant voor recruiters om te weten waar ze moeten hunten.
Voorbeeld van Gild.com over beschikbaarheid op maandniveau op de arbeidsmarkt
14
BESCHIKBAARHEID OP PERSOONSNIVEAU
6
WAAR GAAT HET NAAR TOE?
Als er voorspellingen op individueel niveau zijn, zijn dit natuurlijk al predictive data en recommendations. In Nederland wordt een soortgelijke ontwikkeling nog niet geïntegreegd aangeboden, maar dat zal niet lang meer duren. Voor LinkedIn is het logisch dat zij dit integreert in de recruiters seat. Big data op persoonsniveau is een ontwikkeling die sourcen vanuit het eigen recruitmentsysteem of op internet als geheel een stuk effectiever maakt. Je richt als eerste je pijlen op mensen waarbij de kans dat ze beschikbaar zijn het grootst is. Daarbij wordt ook steeds vaker extra informatie buiten de profieldata aangereikt, zoals geschreven artikelen, blogs, vlogs, video’s of interviews. Voor een recruiter en sourcer is deze extra achtergrondinformatie belangrijk om aansluiting te vinden bij de persoon die wordt benaderd. Daarin zien we nu ontwikkelingen als Crystal (Crystalknows.com) waarin op basis van e-mail berichten profielschetsen van mensen worden gemaakt. Hierdoor is effectiever en gerichter communiceren mogelijk met bijvoorbeeld Barack Obama. Wat kun je beter wel schrijven in je mail en wat niet?
Bron: Crystalknows.com
In de toekomst zullen we dus naast availability scores ook andere parameters gedefinieerd worden die meer inzicht geven in de beweegmotieven van individuen. Denk bijvoorbeeld aan: • Typering qua profilering • Beweegmotieven • Gewenst salaris • Gewenste arbeidsvoorwaarden
15
VAN BESCHIKBAARHEID NAAR BESCHIKBAAR TALENT In de eerste paper hebben we laten zien dat profielen een commodity zijn geworden. De toegang tot CV’s en online profielen lijkt nagenoeg ongelimiteerd, al zijn deze profielen vaak nog onvolledig en beperkt geschikt. In deze paper hebben we het gehad over de mate waarin profielen beschikbaar zijn voor de arbeidsmarkt. Van de wervingshaalbaarheid en het bewegen van doelgroepen tot en met de arbeidsmarktactiviteit op individueel niveau. In deze paper ging het daarin om een gewoon profiel. Maar werkgevers zijn gemiddeld genomen niet op zoek naar een gewoon profiel. Het gaat ze om talent. Mensen die aansluiten bij de cultuur en gezochte competenties.
7
Een talentpool is dan vaak niet meer dan een bestand van beschikbaar potentieel met daarop een contentstrategie van enkele e-nieuwsbrieven per jaar. In de volgende paper gaan we van een pool met beschikbaar potentieel, naar een pool met beschikbaar talent, de echte talentpool. Het maakt dat je als werkgever toegang hebt tot een verrijkt bestand met gekwalificeerde kandidaten. Dan kan op verschillende manieren, zoals met: • E-assesments • Video • Matchen met interne (big) data • Gaming • Vakmanschap • Cultural fit
POOLS MET BESCHIKBAAR POTENTIEEL
Vandaag de dag zijn talentpools vooral pools met beschikbaar potentieel. Een verzameling van personen waarin de werkgever geïnteresseerd is en die ook geïnteresseerd zijn in de werkgever. Het zijn personen die geregistreerd staan in een database van een werkgever en geclassificeerd zijn naar beroeps- en functiegroep. Of bijvoorbeeld iemand die bij een (sub) LinkedIn Group van een werkgever is aangesloten of binnen Magnet.me of Ixxer.com kenbaar heeft gemaakt geïnteresseerd te zijn in een bepaalde werkgever. Het zijn personen die voldoen aan:
Maar daarover de volgende keer meer...
• Interesse in de organisatie • Voldoen aan de functie- en/of competentie eisen
16
AFSLUITENDE GEDACHTE Tijdens het lezen van deze paper zullen toch wel een paar keer de volgende gedachten bij je zijn opgekomen: “het zal mijn tijd wel duren”, “ja, ja… natuurlijk”, “dat is Amerika, dit is Nederland”, “oude wijn in nieuwe zakken”, “waar hebben ze het nu weer over?” of “dat doen wij al lang”. Wat je reactie ook is, het recruitmentvakgebied verandert heel snel en data en automatisering spelen daarin een hele grote rol. Ze gaan de manier waarop wij ons werk doen, veranderen en (deels) overnemen. Inmiddels vinden we het heel normaal dat iedereen online solliciteert, dat we (gratis) searchen in meer dan 5 miljoen profielen op LinkedIn, dat met CV parsing technologie de sollicitaties automatisch in de database lopen en dat met Search! en Match! technologie van Textkernel een database nagezocht wordt naar de beste match op basis van een vacaturetekst binnen enkele seconden (zie ook: https://www.youtube.com/ watch?v=MB1PlU7uCNI). Het doormeten van media, automatische rapportages van recruitment kengetallen e.d. zijn ook steeds meer gemeengoed. Alles wat 3 jaar geleden bijzonder was, is nu vanzelfsprekend en logisch.
Niet alles van wat we hebben geschreven zal realiteit worden. Sterker nog, de echte verandering hebben we niet behandeld omdat we die nog niet kennen. Een ding is zeker, en dat is dat ons spel van ‘toegang tot beschikbaar talent’ verandert. Daarin zal alles wat nu nog niet lekker loopt, worden opgelost, zoals de koppeling van verschillende en meerdere databronnen aan elkaar. Veel data die nu nog niet ontsloten worden, zal in een periode van enkele jaren ongevraagd ontsloten worden als recommendations en preditions en automatisch worden verwerkt in het dagelijkse werk. De dag dat je met een nieuwe variant van Google Glass een alert in je oog krijgt als je op een borrel ‘beschikbaar talent’ tegenkomt komt steeds dichterbij...
17
INITIATIEFNEMERS
Carerix is leverancier van recruitment- en detacheringssystemen voor personeelsintermediairs, waaronder (werkmaatschappijen van) Randstad, USG, Adecco, Compagnon en Manpower. Voor een optimale afstemming van de dienstverlening van Carerix’ klanten aan hun klanten, de werkgevers, is het noodzakelijk dat de intermediairs weten wat er speelt bij werkgevers en wat er op termijn gaat spelen. Door actief en ook inhoudelijk bij te dragen aan de totstandkoming van dit onderzoek meent Carerix een praktische bijdrage te leveren in een verdere strategische afstemming binnen de verticale keten van personeelsintermediair en werkgever.
Intelligence Group is een onderzoeksbureau met de focus op vraagstukken met betrekking tot arbeidsmarkt(communicatie), doelgroepkennis en recruitment. Dit doet Intelligence Group al sinds 2003. Al meer dan 12 jaar verzamelen zij informatie over de (internationale) arbeidsmarkt, maken zij analyses en geven zij adviezen. Dit doen zij door trends te volgen en verbanden te leggen tussen ontwikkelingen in vraag en aanbod van personeel, en tussen instroom, doorstroom en uitstroom van medewerkers. Onderzoek wordt onder andere uitgevoerd op basis van het eigen Arbeidsmarkt GedragsOnderzoek (AGO) en de Global Talent Acquisition Monitor.
Carerix BV Rotterdamseweg 183c 2629 HD Delft T 015 - 2628560 www.carerix.com
[email protected]
Intelligence Group Marconistraat 16 3029 AK Rotterdam T 088 - 7302800 www.intelligence-group.nl
[email protected]
18
