Proces selekcji i rozwoju wymaga, od obu stron (pracodawca i kandydat lub pracownik), pracy ze złożonymi danymi, brakiem pewnych informacji i szybkiego podejmowania decyzji. Rekruter często wie tylko tyle ile wyczyta w CV na temat kandydata, a kandydat tyle ile przeczyta w ogłoszeniu rekrytacyjnym.
Nasze procesy podejmowania decyzji podlegają niestety wielu błędom poznawczym (cognitive biases). Pewnie m.in. właśnie dlatego aż ok. 40% rekrutacji okazuje się nieudanymi w przeciągu 18 miesięcy od zatrudnienia. http://www.forbes.com/sites/danschawbel/2012/01/23/89-of-new-hires-fail-because-of-their-attitude/
Jakie błędy popełniamy?
- Obawa przed różnicami jest, dla pracodawcy bardziej istotna niż troska o produktywność i umiejętności. W konsekwencji mniejsze jest zróżnicowanie wewnątrz organizacji. Często widać to, gdy podświadomie rekruter wybiera kandydatów z tej samej branży.
- Tendencja do zatrudniania „podobnych do nas”, dotyczy to zarówno podobieństwa doświadczeń, umiejętności, stylu „prezentowania siebie („self-presentations styles”).
- Tendencja zatrudniania osób, których płeć „pasuje” do stanowiska (gender bias – nierówne traktowanie ze względu na płeć). Czasem już samo ogłoszenie rekrutacyjne jest odpowiednio nacechowane płciowo i w efekcie aplikują głównie kandydaci jednej płci.
Aby uniknąć tych błędów musimy zadbać o ustrukturyzowany proces oparty na danych pochodzących z różnych źródeł i odnoszący się do osiągnięć.
Tą drogą poszła IKEA wprowadzając selekcję automatyczną poprzez wykorzystanie testu BRIGHT na samym początku procesu. http://master-hr.com/clients/ikea-recruiting-with-bright/
Jakie to przyniosło efekty?
MNIEJ UPRZEDZEŃ – przy automatycznej selekcji, bazującej na kryteriach merytorycznych do dalszych etapów rekrutacji przeszło o 15% kobiet więcej niż przy tradycyjnej selekcji. Założenie, że selekcja prowadzona przez specjalistów (ludzi) będzie sprzyjać większej różnorodności okazało się błędne
NIŻSZE KOSZTY – zgodnie z wynikami raportu MC Kinsey, oszczędności wynikające z automatyzacji pierwszego kroku rekrutacji (screening) dotyczyły 55 procent aplikacji, dawały 500% zwrot finansowy z inwestycji. http://www.mckinsey.com/business-functions/organization/our-insights/people-analytics-reveals-three-things-hr-may-be-getting-wrong
WIĘKSZA LICZBA KANDYDATÓW – wprowadzenie testu BRIGHT jako pierwszego elementu procesu zachęciło od 55% do 68% więcej osób do wzięcia udziału w procesie.
LEPSZA JAKOŚĆ KANDYDATÓW – informacja zwrotna od managerów potwierdziła, że jakość zatrudnionych kandydatów była znacznie lepsza
BARDZIEJ WYDAJNY PROCES – wprowadzona automatyzacja uwolniła 95 godzin, które byłyby poświęcone na selekcję ręczną. Oczywiście jeśli nie polegałaby ona na wrzuceniu do kosza losowo wybranej części aplikacji.
Dlaczego więc warto korzystać z danych w procesach HR?
- zwiększa to przejrzystość procesu,
- zwiększa trafność wyboru,
- zwiększa zyskowność,
- zwiększa różnorodność,
- redukuje ryzyko dyskryminacji
- poprawia wizerunek HR.
Dziwi więc, że tylko 4% organizacji wykorzystuje posiadane dane do przeprowadzania analiz „predyktywnych” dotyczących obsadzania stanowisk (np. w celu zdefiniowania głównych czynników przewidujących wydajność, w celu zbadania korelacji między wynagrodzeniem a wydajnością). I tylko 14% z badanych organizacji przeprowadziło znaczące analizy statystyczne w zakresie HR (badania Bersin/Deloitte). A z drugiej strony jedna z firm prowadzących tego typu analizy na podstawie zidentyfikowanych czynników wyróżniających dobrych sprzedawców stworzyła kryteria do selekcji kandydatów. Już w pierwszym roku stosowania kryteriów efektywność sprzedaży wzrosła o 20%.
Oczywiście ktoś może twierdzić, że jest doświadczonym specjalistą HR i korzysta z własnej intuicji. Być może tak jest, może nawet ta intuicja potrafi czasem pomóc w pokonaniu błędów poznawczych.
Na pewnej konferencji kilka lat temu w Las Vegas zaproszono jednocześnie 2 wybitnych mówców:
- Thomasa Davenporta, znanego promotora podejścia analitycznego, autora kilkunastu książek w tym „Competing on Analytics”, przekonującego, że w dzisiejszym świecie konkurować już możemy głównie umiejętnością sprawnego analizowania danych i podejmowania decyzji na tej podstawie
oraz
- Malcolma Gladwella, dziennikarza „New Yorkera”, autora kilku książek, popularyzatora teorii 10000 godzin, który szczególną wagę przykłada do intuicji. Zakłada on, że chociaż osiągnięcia to kombinacja talentu i przygotowania, to jednak im bardziej psycholodzy badają to zagadnienie, tym bardziej okazuje się, że cechy wrodzone mają nikły wpływ i jeśli pracujesz w danej dziedzinie odpowiednio długo (10 tys godzin) to stajesz się ekspertem i potrafisz podejmować natychmiastowe decyzje.
Ciekawe jednak, że panowie ci wcale się nie sprzeczali, a szybko doszli do wspólnego wniosku. Po pierwsze, ktoś kto potrafi podejmować takie intuicyjne decyzje nie zawsze jest dostępny. Tym bardziej nie ma co liczyć na taką osobę w procesie wstępnego wyboru kandydatów spośród setek aplikacji. A po drugie często taka osoba nie potrafi nawet wyjaśnić dlaczego podjęła taką decyzję. Dopiero połączenie analityki z intuicyjną decyzją pomoże nam w zrozumieniu wyboru.
Wykorzystanie testu BRIGHT w procesie rekrutacji w IKEA przyniosło wiele więcej korzyści dotyczących przejrzystości procesu czy oszczędności, a tego już nie osiągnie się dzięki intuicji specjalistów HR.
Jak więc przeprowadzić taki proces HR oparty na analizie?
- Zdefiniuj wymiary oceny i określ ich wagę (np. bazując na wywiadzie z osobą na danym stanowisku)
- Przygotuj odpowiednią matrycę
- Wybierz właściwe sposoby, narzędzia oceny dla każdego z wymiarów (narzędzia psychometryczne – kwestionariusze, symulacje, wywiad ustrukturyzowany, testy wiedzy etc.
- Przeprowadź proces oceny (na skali)
- Oceń kandydatów na określonych skalach
- Wybierz kandydatów, którzy uzyskali najwyższą punktację na wszystkich wymiarach
I na koniec trzymaj się tego wyboru. Nie koryguj jeśli jednak wybrani tak kandydaci wydają się nie pasować do nas, są zbyt różni czy nie pasują do naszych oczekiwań w zakresie płci, wykształcenia czy innych kryteriów. Przecież o to chodziło, aby był to proces obiektywny.
<p style=”text-align: justify;”>Dr Grzegorz Rawicz-Mańkowski – Od 17 lat zajmuje się rynkiem Business Intelligence i BIG DATA. Przez wiele lat związany z <a href=”http://www.sas.com/”>SAS Institute</a>. Współpracował również m.in. z <a href=”http://www.qumak.pl/”>Qumak</a>, <a href=”http://franklincovey.pl/”>FranklinCovey</a> oraz <a href=”http://www.master-hr.pl/”>Master International</a>. Realizował projekty dla firm z branż farmaceutycznej, energetycznej, edukacyjnej, telekomunikacyjnej i IT. Autor wielu publikacji, współautor podręczników dotyczących informatyki ekonomicznej i zarządzania wiedzą. Obecnie współpracuje z <a href=”http://www.controlling-systems.pl/34800.xml”>Controlling Systems</a> oraz <a href=”http://pcgacademia.pl/pl/”>Public Consulting Group</a>. </p>
