loading
views

Slimme algoritmes en talent analytics

Slimme algoritmes en talent analytics

Interview met Hajo Valk
Algemeen directeur van MatchQ, leverancier van online assessments

MatchQ | Human Capital Indicators

CV-screening, als de enige basis voor (pre)selectie van kandidaten voor vacatures, blijkt in veel situaties ontoereikend. In de snel veranderende arbeidsmarkt gaat het in toenemende mate om talent analytics.

“In de uitzendbranche werkt het huidige systeem van CV-screening vaak niet goed genoeg om werkelijk vast te stellen wat mensen kunnen en wat ze willen,” zegt Hajo Valk. “Temeer wanneer je je realiseert onder welke druk recruiters hun werk moeten doen. De klant heeft haast, de markt is schaars en de leveringsdruk is hoog.

Gesprekken met kandidaten voor een functie kunnen het gebrek aan informatie in een CV deels compenseren, maar die kosten natuurlijk tijd. Onze talent analytics, gebaseerd op online asessments bieden meer mogelijkheden om te voorspellen welke kandidaten de meeste kans maken een vacature succesvol te vervullen.”

Hoe gaan jullie te werk?
“Onze oplossing begint met een video waarin de kandidaat uitleg krijgt over het bedrijf en de vacature waar hij op solliciteert. Vervolgens worden één of meer testen en vragenlijsten aangeboden. Een daarvan is een gedragsvragenlijst. Het resultaat geeft weer welk gedrag iemand in zijn werkomgeving laat zien. Wat doet hij of zij wel en wat liever niet?

Op deze manier wordt duidelijk welke mensen passen bij een bepaalde functie op basis van hun voorkeursgedrag. Die zachte kant (de soft skills) haal je immers niet uit het CV. Een eventueel gebrek aan ervaring of kennis is via training te compenseren. Verder bieden we diverse vaardigheidstesten zoals bijvoorbeeld een werksimulatie van een call center, waarin de kandidaat wordt gebeld en een klant moet helpen, terwijl hij of zij een aantal dingen opzoekt in de computer.”

Kunnen, willen en passen
“De uitkomsten van het assessment hebben een grote voorspellende waarde met betrekking tot de vraag: Kan iemand de functie praktisch uitoefenen of snel onder de knie krijgen? Wil hij of zij de functie uitvoeren? En past iemand met zijn of haar stijl van communiceren en bewegen bij de werkomgeving? Met andere woorden: is er een klik met collega’s die daar al werken?”

Waarom is dit effectiever dan CV-screening?
“Ten eerste komen de talenten, de vaardigheden en het voorkeursgedrag van kandidaten in beeld. Ook wanneer een kandidaat wordt afgewezen voor een bepaalde functie krijgt hij of zij vanuit het systeem tips en aanwijzingen die behulpzaam kunnen zijn bij het zoeken naar een voor hen kansrijke werkomgeving. Ons systeem geeft evenwichtige feedback aan de kandidaat. Dat draagt positief bij aan de candidate experience en de employer branding van zowel opdrachtgever als uitzendbureau.

Ten tweede spaart het recruiters tijd, want alle gegevens worden door de kandidaat zelf ingevoerd. Het hele assessment kost een kandidaat gemiddeld niet meer dan 20 minuten. Vervolgens zorgen algoritmes ervoor dat de meest kansrijke kandidaten voor een bepaalde job worden geselecteerd. In de (korte) gesprekken die recruiters of opdrachtgevers in de eindselectie nog voeren, hoeft alleen te worden gekeken of de kandidaat klikt met het bedrijf en de job.

Het aantal gesprekken dat nodig is voor het inhuren van een kandidaat halveert daardoor ruwweg. Pure tijdwinst. De wervingskosten zijn aanzienlijk lager. Het selectieproces leidt tot minder frustratie en meer voldoening bij de recruiter, de kandidaat en de opdrachtgever.”

Hajo Valk, MatchQ

Preselectie
Hoe krijgen jullie nieuwe inzichten voor de inrichting van assessments? De vereisten per job en werkomgeving variëren immers?

“Natuurlijk is ook voor ons het goed inrichten van preselectie tools een continu leerproces. Wij hebben inmiddels een enorme hoeveelheid data. We hebben een aantal consultants in huis die samen met klanten intensief werken aan de verfijning van de selectietools. Uit de testen kan bijvoorbeeld volgen dat bepaalde basisvaardigheden voor een functie essentieel zijn en moeilijker kunnen worden getraind dan gedacht. In zo’n situatie worden de testelementen gedurende het proces aangepast.

Daarnaast kijken we in een speciaal proces ook naar het creëren van een wensnorm. Dit doen we zowel overkoepelend op functieniveau, als specifiek op het niveau van een individuele opdrachtgever als deze dat wenst.

Om het bovenstaande leerproces mogelijk te maken is MatchQ gebaseerd op artificial intelligence (AI) technologie.

Wij beschikken over testresultaten van medewerkers bij een breed scala aan klanten. Daarom kunnen wij per job de meest essentiële vaardigheden bepalen en daar het beste profiel uit afleiden. Zo kan ons systeem vaststellen in hoeverre een kandidaat geschikt is voor de functie.

Uit het assessment kan bijvoorbeeld blijken dat de kandidaat 90 procent geschikt is voor de afdeling inbound en 75 procent voor outbound. Met andere woorden, de ene kandidaat kan geschikter zijn voor interne serviceverlening, terwijl de ander juist beter is in verkoopgesprekken met klanten of uit zal blinken bij een technische helpdesk. Op basis van de data kan ons systeem een uitspraak doen over het ontwikkelpotentieel van een kandidaat en suggesties doen voor gerichte training en coaching.

Op die manier geeft de juiste inzet van artificial intelligence meer mensen kans op leuk, passend werk bij opdrachtgevers, wat hun arbeidsverleden ook is. Selectie op basis van vooroordelen is daarmee grotendeels verleden tijd.”

Interview: Hinke Wever, FlexNieuws

Gerelateerd nieuws


Meer uit deze rubriek