Robotizált kiválasztás
Hogyan segítik a szoftverek a vállalatokat a hatékonyabb munkaerő kiválasztásban?
A HR vezetők döntései is csak emberiek. Kétségeik, preferenciáik és
előítéleteik vannak,
mint bármelyikünknek, ezért néha ők is hibáznak.
Léteznek viszont érzelemmentes technikai eszközök, amelyek néha jobb
kiválasztási döntéseket tudnak hozni a „Big Data” kiaknázásával. Azok a szoftverek,
amelyek rendkívüli mennyiségű adatot dolgoznak fel, észrevesznek olyan dolgokat,
amelyek emberi szemmel nem láthatóak.
Órabérben dolgozó amerikai munkások felvételénél néhány meglepő összefüggést
hoztak napvilágra.Például, azok az emberek, akiknek az online jelentkezéshez internet
böngészőt kellett telepíteniük a számítógépükre (mert nem volt rajta
automatikusan), jobban teljesítenek, és ritkábban váltanak munkahelyet.
Ez akár véletlen is lehet, de néhány elemző úgy gondolja, hogy azok az
emberek, akik veszik a fáradtságot, hogy egy új böngészőt telepítsenek, azok
arra is hajlandóak, , hogy tény alapú döntést hozzanak. Az Evolv nevű cég,
amely a toborzási és munkahelyi adatokat vizsgál, több mint 30 000
munkavállaló megközelítőleg 3 millió adatpontjából merített, hogy ezt a
megállapítást tegye.
Az amerikai munkások mindegy 60%-a órabérben dolgozik. ennek kb. a fele évente munkahelyet cserél.
Így azoknak a vállalatoknak, amelyek sok szakképzetlen munkaerőt alkalmaznak,
mint a szupermarketek és a gyorséttermi hálózatok, rengeteg – olykor több
millió – jelentkezést kezelnek minden évben.
A folyamat hatékonyságának javításával rengeteg pénzt tudnak
megspórolni.
Az Evolv adathegyekből bányászik. Ha a megbízójuk ügyfélszolgálati központot
(call center-t) üzemeltet, az Evolv például napi kimutatásokat készít olyan
információkról, hogy mennyi idő telik el, mire egy munkatárs megválaszolja az
egyes ügyfelek kérdéseit. Ezek után feltárja az összefüggéseket, amelyek a teljesítmény és azon jellemző tulajdonságok
között vannak, amelyek már a kiválasztás során is láthatóak voltak.
Néhány felismerés épp ellentétes azzal, amit gondolnánk. Vannak olyan
cégek, például, amelyek rendszeresen kiszórják a büntetett előéletű jelölteket.
Az elemzések viszont azt mutatják, hogy bizonyos munkaköröknél ez nincs
összefüggésben a teljesítménnyel. Sőt, ügyféltámogató hívásoknál a büntetőjogi
háttérrel rendelkező munkatársak kicsit még jobban is teljesítenek. Ugyanígy
sok HR munkatárs automatikusan kizárja azokat a jelentkezőket, akik gyakran
váltogatták a munkahelyeiket. De egy közelmúltban 100 000 telefonos ügyfélszolgálati
munkatárson végzett kutatás azt mutatta, hogy akik korábban ugráltak a
munkahelyek között, nem feltétlenül valószínűbb, hogy kilépnének , mint azok,
akikre a munkahely váltogatás nem volt jellemző korábban.
A Xerox vállalatnál az Evolv úgy találta, hogy az ügyfélszolgálati
munkatársak akkor maradnak meg legvalószínűbben a munkakörükben, ha a
munkahelyükhöz közel laknak, vagy könnyen beérnek a munkahelyükre. Ezek és más
elemzési eredmények segítették a Xerox-ot abban, hogy egy kísérleti programban
a munkatársak lemorzsolódását ötödével csökkentsék, ezért a programot azóta meg
is hosszabbítottak. Azt is kimutatták, hogy azok a munkatársak, akik egy-két
közösség hálózathoz csatlakoztak, általában tovább maradtak ugyanabban az
állásban. Akik viszont négy vagy több közösségi hálózathoz csatlakoztak, azokra
ez nem volt igaz.
Nincs értelme azt kérdezni az álláskeresőktől, hogy vajon őszinték-e. De a
felmérések közvetve tudják mérni az őszinteséget olyan kérdésekkel, mint
„Mennyire jártas a számítógép felhasználó szintű kezelésében?”, és aztán: „Mit
csinál a Control-V a szövegszerkesztő programban?”. Egy 20 000 munkatársat
elemző tanulmány azt mutatta, hogy az őszintébb emberek később általában jobban
teljesítnek, és tovább maradnak a munkahelyükön. Valamilyen oknál fogva
azonban, kevésbé hatékony értékesítő lesz belőlük…
Az algoritmusok és a „Big Data” hatékony eszközök. Ha okosan használják
őket, segítenek a megfelelő embereket a megfelelő pozíciókkal összepárosítani.
Ezeket az algoritmusokat azonban emberek tervezik és használják, tehát nagyon
rosszul is működhetnek. Peter Cappelli, a Pennsylvaniai Egyetem Wharton Üzleti
Iskolájáról emlékeztet egy olyan esetre, amikor a szoftver minden jó jelöltet
elutasított egy munkakörrel kapcsolatban, mert a szóban forgó vállalat egy
olyan feltételt adott meg, hogy egy bizonyos pozíció címet kellett viselniük
már a múltban – amely pozíciónév viszont semmilyen más cégnél nem létezett.
A Big Data felhasználásának korlátlan lehetőségei
vannak. Míg a kiválasztást nehéz lenne teljesen automatizálni, a toborzási és
kiválasztási folyamatok egyes lépéseinek vizsgálata rámutathat bizonyos összefüggésekre
és tényszerűségekre. Ezek tudatos alkalmazásával a vállalat jelentősen
növelheti a kiválasztás eredményességét, így rengeteg pénzt spórolhat meg.
További információért adatbányászat és Big Data felhasználás
ügyben keressen bennünket az info@humanexcellence.hu
címen.
Forrás: Economist