Ավելի ու ավելի մրցակցային հավաքագրման շուկայում տվյալների խելամիտ օգտագործումը դարձել է լավագույն տաղանդներին գտնելու և վարձելու հիմնական եղանակներից մեկը: Ընտրության գործընթացում տեխնոլոգիաներն ու տվյալների վերլուծությունն օգտագործող ընկերությունները մրցակցային առավելություն են ձեռք բերում որակյալ մասնագետների ներգրավման և պահպանման հարցում:
Հոսանա Ազևեդոյի խոսքով ՝ «լավ կիրառված տվյալների օգտագործումը ամբողջությամբ փոխում է այն ձևը, թե ինչպես են գործատուները տեսնում և ընտրում թեկնածուներին՝ ապահովելով ավելի մեծ արդյունավետություն և ճշգրտություն վարձման գործընթացում»։ McKinsey-ի ՝ ընկերությունները, որոնք ռազմավարականորեն օգտագործում են տվյալները վարձման գործընթացում, 30%-ով ավելի հավանական է, որ ավելի կարճ ժամանակում կկատարեն ճիշտ վարձում։
Տվյալների օգտագործման ռազմավարություններ հավաքագրման մեջ
- Կանխատեսողական վերլուծություններ՝ օրինաչափությունները բացահայտելու համար. գործատուների համար հասանելի մեծ նորարարություններից մեկը կանխատեսողական վերլուծությունն է: Ռեզյումեներում, գնահատականներում և կատարողականում օրինաչափությունները բացահայտելու ալգորիթմների միջոցով հնարավոր է կանխատեսել, թե որ թեկնածուներն ունեն հաջողության հասնելու լավագույն հնարավորությունը տվյալ պաշտոնում: «Կանխատեսողական վերլուծության միջոցով մենք կարող ենք ստեղծել ավելի հարմար պրոֆիլներ՝ հիմնվելով անցյալի հաջողությունների վրա, ինչը օգնում է նվազեցնել սուբյեկտիվությունը որոշումների կայացման մեջ», - մեկնաբանում է Հոսանան:
- Արդյունավետության չափանիշների մոնիթորինգ Մեկ այլ կարևոր կետ է աշխատանքի ընդունման գործընթացի արդյունավետության չափանիշների մոնիթորինգը, ինչպիսիք են թափուր աշխատատեղը լրացնելու ժամանակը, առաջարկների ընդունման մակարդակը և նոր աշխատակիցների պահպանումը: Այս չափանիշները օգնում են բացահայտել խոչընդոտները և գտնել բարելավման հնարավորություններ: LinkedIn- , հարցված աշխատանքի ընդունողների մոտ 76%-ը կարծում է, որ ընտրության գործընթացի արդյունավետությունը բարձրացնելու համար անհրաժեշտ է օգտագործել առաջադեմ չափանիշներ:
- Արհեստական բանականությունը (ԱԲ) թեկնածուների ընտրության համար. ԱԲ-ն դառնում է հիանալի դաշնակից ռեզյումեների ընտրության գործընթացում՝ արագացնելով նախնական ընտրության գործընթացը և նույնականացնելով այն թեկնածուներին, որոնք ավելի շատ են համապատասխանում աշխատանքի պահանջներին: «Infojobs-ում մենք օգտագործում ենք ԱԲ-ն՝ ռեզյումեների ընտրությունը և վերլուծությունը օպտիմալացնելու համար, ինչը թույլ է տալիս մեզ հետագա փուլերում կենտրոնանալ իրական ներուժ ունեցող թեկնածուների վրա», - բացատրում է Հոսանան:
- Թեկնածուի փորձի բարելավումը։ Ընտրության օպտիմալացումից բացի, տվյալները օգնում են անհատականացնել թեկնածուի փորձը։ Կառուցվածքային հետադարձ կապի և գնահատումների միջոցով հնարավոր է բացահայտել գործընթացի թերությունները և բարելավել թեկնածուի ճանապարհը՝ ապահովելով դրական փորձ։ «Երբ մենք օգտագործում ենք տվյալներ թեկնածուի ճանապարհն ավելի լավ հասկանալու համար, մենք կարող ենք ոչ միայն օպտիմալացնել ընտրության գործընթացը, այլև այս փորձը դարձնել ավելի մարդկային և անհատականացված։ Լավ կազմակերպված գործընթացը կարող է վճռորոշ լինել առաջարկի ընդունման հարցում», - բացատրում է Հոսանան։
Տվյալների օգտագործման ապագա միտումները
Հոսանայի համար տաղանդների ձեռքբերման ապագան սերտորեն կապված է ընկերությունների կողմից տվյալները արդյունավետորեն մեկնաբանելու և կիրառելու ունակության հետ։ «Մենք միայն սկզբում ենք տվյալներն օգտագործելու հավաքագրման գործընթացում։ Դեռևս շատ տեղ կա աճելու, և այն ընկերությունները, որոնք կկարողանան ռազմավարական առումով ինտեգրել այս գործիքները՝ անընդհատ կարգավորելով իրենց գործընթացները, ավելի լավ պատրաստված կլինեն մրցակցելու շուկայում և ներգրավելու լավագույն մասնագետներին», - ասում է նա։
Նա հավելում է, որ հիմնական տարբերությունը կայանում է ոչ միայն տվյալների քանակի, այլև դրանց որակի և դրանք գործնականում կիրառելի վերլուծությունների վերածելու ունակության մեջ։ «Տեղեկատվություն կուտակելը բավարար չէ։ Իրական մարտահրավերն այն է, թե ինչ անել այդ տվյալների հետ և ինչպես օգտագործել դրանք՝ տաղանդների ներգրավումից մինչև պահպանումը անհատականացնելու համար», - ընդգծում է նա։
Ավելին, Հոսանան կարծում է, որ տեխնոլոգիաների զարգացումը, ինչպիսիք են արհեստական բանականությունը և կանխատեսողական վերլուծությունը, թույլ կտան անհատականացման այնպիսի մակարդակ, որը նախկինում երբեք չի եղել ընտրության գործընթացում։ «Մենք խոսում ենք այնպիսի գործընթացների մասին, որոնք կլինեն ավելի ու ավելի ճկուն և վճռական, որտեղ հավաքագրողները կկարողանան կանխատեսել վարքագծերը, կանխատեսել կարիքները և ճշգրտել ռազմավարությունները իրական ժամանակում՝ հիմնվելով կոնկրետ տվյալների վրա», - եզրափակում է նա։
