அதிகரித்து வரும் போட்டி நிறைந்த ஆட்சேர்ப்பு சந்தையில், சிறந்த திறமையாளர்களைக் கண்டறிந்து பணியமர்த்துவதற்கான முக்கிய வழிகளில் ஒன்றாக தரவை புத்திசாலித்தனமாகப் பயன்படுத்துவது மாறிவிட்டது. தேர்வு செயல்பாட்டில் தொழில்நுட்பம் மற்றும் தரவு பகுப்பாய்வுகளைப் பயன்படுத்தும் நிறுவனங்கள், தகுதிவாய்ந்த நிபுணர்களை ஈர்ப்பதற்கும் தக்கவைத்துக்கொள்வதற்கும் வரும்போது போட்டித்தன்மையைப் பெறுகின்றன.
இன்ஃபோஜாப்ஸின் மனிதவளத் தலைவரான ஹோசானா அசெவெடோவின் கூற்றுப்படி மெக்கின்சி , ஆட்சேர்ப்பில் தரவை மூலோபாய ரீதியாகப் பயன்படுத்தும் நிறுவனங்கள் குறைந்த நேரத்தில் சரியான பணியமர்த்தலைச் செய்வதற்கான வாய்ப்பு 30% அதிகம்.
ஆட்சேர்ப்பில் தரவைப் பயன்படுத்துவதற்கான உத்திகள்
- வடிவங்களை அடையாளம் காண முன்னறிவிப்பு பகுப்பாய்வு: ஆட்சேர்ப்பு செய்பவர்களுக்குக் கிடைக்கும் சிறந்த கண்டுபிடிப்புகளில் ஒன்று முன்னறிவிப்பு பகுப்பாய்வு ஆகும். விண்ணப்பங்கள், மதிப்பீடுகள் மற்றும் செயல்திறன் ஆகியவற்றில் வடிவங்களை அடையாளம் காண வழிமுறைகளைப் பயன்படுத்தி, கொடுக்கப்பட்ட பதவியில் எந்த வேட்பாளர்கள் வெற்றிபெற சிறந்த வாய்ப்பைக் கொண்டுள்ளனர் என்பதைக் கணிக்க முடியும். "முன்கணிப்பு பகுப்பாய்வு மூலம், கடந்த கால வெற்றிகளின் அடிப்படையில் மிகவும் பொருத்தமான சுயவிவரங்களை உருவாக்க முடியும், இது முடிவுகளில் அகநிலைத்தன்மையைக் குறைக்க உதவுகிறது" என்று ஹோசானா கருத்து தெரிவிக்கிறார்.
- செயல்திறன் அளவீடுகளைக் கண்காணித்தல் மற்றொரு முக்கியமான விஷயம், காலியிடத்தை நிரப்புவதற்கான நேரம், சலுகை ஏற்றுக்கொள்ளும் விகிதம் மற்றும் புதிய ஊழியர்களைத் தக்கவைத்தல் போன்ற ஆட்சேர்ப்பு செயல்முறையின் செயல்திறன் அளவீடுகளைக் கண்காணிப்பதாகும். இந்த அளவீடுகள் தடைகளை அடையாளம் காணவும் முன்னேற்றத்திற்கான வாய்ப்புகளைக் கண்டறியவும் உதவுகின்றன. LinkedIn , கணக்கெடுக்கப்பட்ட ஆட்சேர்ப்பு செய்பவர்களில் சுமார் 76% பேர் தேர்வு செயல்முறையின் செயல்திறனை அதிகரிக்க, மேம்பட்ட அளவீடுகளைப் பயன்படுத்துவது அவசியம் என்று நம்புகின்றனர்.
- வேட்பாளர் தேர்வுக்கான செயற்கை நுண்ணறிவு (AI): விண்ணப்பத் தேர்வுகளில் AI ஒரு சிறந்த கூட்டாளியாக மாறி வருகிறது, ஆரம்ப தேர்வு செயல்முறையை விரைவுபடுத்துகிறது மற்றும் வேலைத் தேவைகளுக்கு ஏற்ற வேட்பாளர்களை அடையாளம் காட்டுகிறது. "இன்ஃபோஜாப்ஸில், விண்ணப்பத் தேர்வு மற்றும் பகுப்பாய்வை மேம்படுத்த AI ஐப் பயன்படுத்துகிறோம், இதனால் அடுத்தடுத்த கட்டங்களில் உண்மையான திறன் கொண்ட வேட்பாளர்கள் மீது கவனம் செலுத்த முடிகிறது," என்று ஹோசானா விளக்குகிறார்.
- வேட்பாளர் அனுபவத்தை மேம்படுத்துதல் தேர்வை மேம்படுத்துவதோடு மட்டுமல்லாமல், வேட்பாளர் அனுபவத்தைத் தனிப்பயனாக்க தரவு உதவுகிறது. கட்டமைக்கப்பட்ட கருத்து மற்றும் மதிப்பீடுகள் மூலம், செயல்பாட்டில் உள்ள குறைபாடுகளைக் கண்டறிந்து வேட்பாளர் பயணத்தை மேம்படுத்த முடியும், இது ஒரு நேர்மறையான அனுபவத்தை உறுதி செய்கிறது. "வேட்பாளர் பயணத்தை நன்கு புரிந்துகொள்ள தரவைப் பயன்படுத்தும்போது, தேர்வு செயல்முறையை மேம்படுத்துவது மட்டுமல்லாமல், இந்த அனுபவத்தை மேலும் மனிதாபிமானமாகவும் தனிப்பயனாக்கவும் முடியும். நன்கு நடத்தப்பட்ட செயல்முறை சலுகையை ஏற்றுக்கொள்வதில் தீர்க்கமானதாக இருக்கும்," என்று ஹோசானா விளக்குகிறார்.
தரவு பயன்பாட்டில் எதிர்கால போக்குகள்
ஹோசானாவைப் பொறுத்தவரை, திறமை கையகப்படுத்துதலின் எதிர்காலம், தரவை திறம்பட விளக்கி பயன்படுத்துவதற்கான நிறுவனங்களின் திறனுடன் வலுவாக இணைக்கப்பட்டுள்ளது. "ஆட்சேர்ப்பில் தரவைப் பயன்படுத்துவதில் நாங்கள் ஆரம்பத்தில் மட்டுமே இருக்கிறோம். வளர இன்னும் நிறைய இடம் உள்ளது, மேலும் இந்த கருவிகளை மூலோபாய ரீதியாக ஒருங்கிணைக்கவும், தொடர்ந்து தங்கள் செயல்முறைகளை சரிசெய்யவும் நிர்வகிக்கும் நிறுவனங்கள், சந்தையில் போட்டியிடவும் சிறந்த நிபுணர்களை ஈர்க்கவும் சிறப்பாகத் தயாராக இருக்கும்," என்று அவர் கூறுகிறார்.
முக்கிய வேறுபாடு தரவுகளின் அளவில் மட்டுமல்ல, அதன் தரத்திலும், அதைச் செயல்படுத்தக்கூடிய நுண்ணறிவுகளாக மாற்றும் திறனிலும் உள்ளது என்று அவர் மேலும் கூறுகிறார். "தகவல்களைச் சேகரிப்பது மட்டும் போதாது. அந்தத் தரவை என்ன செய்வது, திறமையாளர்களை ஈர்ப்பது முதல் தக்கவைத்துக்கொள்வது வரை ஆட்சேர்ப்பின் ஒவ்வொரு கட்டத்தையும் தனிப்பயனாக்க அதை எவ்வாறு பயன்படுத்துவது என்பதை அறிவதே உண்மையான சவால்," என்று அவர் வலியுறுத்துகிறார்.
மேலும், செயற்கை நுண்ணறிவு மற்றும் முன்கணிப்பு பகுப்பாய்வு போன்ற தொழில்நுட்பங்களின் பரிணாமம், தேர்வு செயல்பாட்டில் இதற்கு முன்பு கண்டிராத அளவிலான தனிப்பயனாக்கத்தை அனுமதிக்கும் என்று ஹோசானா நம்புகிறார். "நாங்கள் பெருகிய முறையில் சுறுசுறுப்பான மற்றும் உறுதியான செயல்முறைகளைப் பற்றிப் பேசுகிறோம், அங்கு ஆட்சேர்ப்பு செய்பவர்கள் நடத்தைகளை எதிர்பார்க்கலாம், தேவைகளை கணிக்கலாம் மற்றும் உறுதியான தரவுகளின் அடிப்படையில் உண்மையான நேரத்தில் உத்திகளை சரிசெய்ய முடியும்," என்று அவர் முடிக்கிறார்.
