Arvien konkurētspējīgākā darbā pieņemšanas tirgū datu inteliģenta izmantošana ir kļuvusi par vienu no galvenajiem veidiem, kā atrast un pieņemt darbā labākos talantus. Uzņēmumi, kas atlases procesā izmanto tehnoloģijas un datu analīzi, iegūst konkurences priekšrocības kvalificētu speciālistu piesaistīšanā un noturēšanā.
Kā norāda Infojobs cilvēkresursu vadītājs Hosana Azevedo McKinsey , uzņēmumiem, kas stratēģiski izmanto datus darbā pieņemšanas procesā, ir par 30% lielāka iespēja īsākā laikā pieņemt darbā pareizo darbinieku.
Stratēģijas datu izmantošanai darbā pieņemšanā
- Prognozējošā analītika modeļu identificēšanai: Viens no lielākajiem jauninājumiem, kas pieejams vervētājiem, ir prognozējošā analītika. Izmantojot algoritmus, lai identificētu modeļus CV, novērtējumos un sniegumā, ir iespējams paredzēt, kuriem kandidātiem ir vislielākās izredzes gūt panākumus konkrētā amatā. "Ar prognozējošo analītiku mēs varam izveidot piemērotākus profilus, pamatojoties uz iepriekšējiem panākumiem, kas palīdz samazināt subjektivitāti lēmumu pieņemšanā," komentē Hosana.
- Veiktspējas rādītāju uzraudzība Vēl viens būtisks aspekts ir darbā pieņemšanas procesa veiktspējas rādītāju uzraudzība, piemēram, vakances aizpildīšanas laiks, piedāvājumu pieņemšanas līmenis un jaunu darbinieku noturēšana. Šie rādītāji palīdz identificēt vājās vietas un atrast uzlabošanas iespējas. Saskaņā ar LinkedIn aptuveni 76 % aptaujāto vervētāju uzskata, ka, lai palielinātu atlases procesa efektivitāti, ir jāizmanto uzlaboti rādītāji.
- Mākslīgais intelekts (MI) kandidātu atlasē: MI kļūst par lielisku sabiedroto CV atlasē, paātrinot sākotnējo atlases procesu un identificējot kandidātus, kuri vairāk atbilst darba prasībām. "Infojobs mēs izmantojam MI, lai optimizētu CV atlasi un analīzi, ļaujot mums turpmākajos posmos koncentrēties uz kandidātiem ar reālu potenciālu," skaidro Hosana.
- Kandidātu pieredzes uzlabošana Papildus atlases optimizēšanai dati palīdz personalizēt kandidātu pieredzi. Ar strukturētu atgriezenisko saiti un novērtējumu palīdzību ir iespējams identificēt procesa trūkumus un uzlabot kandidāta ceļojumu, nodrošinot pozitīvu pieredzi. “Kad mēs izmantojam datus, lai labāk izprastu kandidāta ceļojumu, mēs varam ne tikai optimizēt atlases procesu, bet arī padarīt šo pieredzi cilvēcīgāku un personalizētāku. Labi veikts process var būt izšķirošs piedāvājuma pieņemšanā,” skaidro Hosana.
Datu izmantošanas nākotnes tendences
Hosana uzskata, ka talantu piesaistes nākotne ir cieši saistīta ar uzņēmumu spēju efektīvi interpretēt un pielietot datus. “Mēs esam tikai datu izmantošanas sākumā personāla atlasē. Joprojām ir daudz iespēju augt, un uzņēmumi, kuriem izdosies stratēģiski integrēt šos rīkus, nepārtraukti pielāgojot savus procesus, būs labāk sagatavoti konkurēt tirgū un piesaistīt labākos profesionāļus,” viņa saka.
Viņa piebilst, ka galvenā atšķirība slēpjas ne tikai datu kvantitātē, bet arī to kvalitātē un spējā tos pārveidot par praktiski izmantojamām atziņām. “Nepietiek tikai uzkrāt informāciju. Īstais izaicinājums ir zināt, ko darīt ar šiem datiem un kā tos izmantot, lai personalizētu katru darbā pieņemšanas posmu, sākot no talantu piesaistes līdz pat noturēšanai,” viņa uzsver.
Turklāt Hosana uzskata, ka tehnoloģiju, piemēram, mākslīgā intelekta un paredzošās analītikas, attīstība ļaus sasniegt atlases procesā vēl nepieredzētu personalizācijas līmeni. "Mēs runājam par procesiem, kas kļūs arvien elastīgāki un uzstājīgāki, kuros vervētāji varēs paredzēt uzvedību, prognozēt vajadzības un pielāgot stratēģijas reāllaikā, pamatojoties uz konkrētiem datiem," viņa secina.
