De film Moneyball is bij veel mensen bekend: het verhaal van het arme maar toch succesvolle honkbalteam Oakland Athletics. Het team is samengesteld aan de hand van data met één doel: het onmogelijke mogelijk maken. Dit toekomstbeeld lijkt dichterbij dan we denken; dat besefte ik onlangs toen ik het Algemeen Dagblad las. Uit berichtgeving bleek dat voetballer Memphis Depay met behulp van een gespecialiseerd databureau voor de transfer naar Olympique Lyonnais koos. En warempel: de ogenschijnlijk uitgebluste Depay maakte de eerste tien wedstrijden opeens weer vijf goals. Is deze gebeurtenis een kentering voor de sport? Welke rol speelt big data hierin? En gaat deze data ons carrièrepad en aannamebeleid veranderen?
Sommige mensen hebben als vuistregel: ‘zeven goede jaren, zeven slechte jaren’. De slechte jaren zijn eind 2008 ingezet en inmiddels groeit het vertrouwen van bedrijven en mensen weer. De kracht zit hem in de herkenning van terugval en vooruitgang. Data-analisten constateren dit soort patronen en geven op basis hiervan strategisch advies. De eerste signalen van de groei op de arbeidsmarkt zijn bijvoorbeeld de toegenomen flexibele schil. Deze schil is bedoeld om pieken op te vangen en om recruitment voor permanente functies uit te besteden aan gespecialiseerde bureaus en headhunters.
Om te kunnen anticiperen op de wervingsvraagstukken, is je netwerk het waardevolst. Kennis hebben van de arbeidsmarkt en dit inzetten om de actief en latent werkzoekenden aan te spreken. Voor de consultants bij Xelvin zijn dit de paradepaardjes richting klanten. Het gaat erom dat we precies weten of de kandidaat die de organisatie zoekt ook daadwerkelijk bestaat of dat het een schaap met vijf poten is. Hoeveel procent van de bachelor-kandidaten woont bijvoorbeeld in de directe omgeving van de organisatie? Vertrekken zij uit de regio zodra zij naar een hogeschool of universiteit gaan en keren zij nadien terug? Als je dit met kennis en ervaring kunt onderbouwen, ontstaat er inzicht in de mogelijkheden en beschikbaarheid van kandidaten. Anderzijds is de teamsamenstelling de sleutel tot succes van een organisatie. Wat nou als een organisatie net als de Oakland Athletics ook het ideale team samenstelt op basis van big data? De ideale kandidaat heeft competenties die standaard bij de functie horen. Is het in het kader van het ideale team misschien juist beter om een tegenpool aan te nemen? Iemand die anders naar de processen en werkzaamheden kijkt en de kwaliteiten van het team aanvult?
Vanzelfsprekend kijken wij hier bij Xelvin ook naar. Welke ontwikkelingen zien wij binnen de verschillende branches en zijn er patronen op basis waarvan wij de kandidaten werven? Komen zij bijvoorbeeld via jobboards, via ons netwerk of reageren zij op actuele vacatures? Meten is weten. Aan de hand van deze informatie kunnen wij gerichter werven naar de beste speld in de hooiberg. Nee, ik ga jullie niet vermoeien met cijfers en krantenkoppen dat technici schaars zijn. Dat weten we inmiddels wel. Het gaat om het vinden van die ene geschikte kandidaat. En als hij dan eindelijk bij ons aan tafel zit, zoomen we in op zijn ambities en kwaliteiten. Iedereen heeft deze drijfveren en als consultant geven wij inzicht in wat er kan. De ene ambitie is goed doordacht, de ander onrealistisch of gewoonweg nog onduidelijk. We hebben immers niet allemaal dezelfde dromen en kennis.
In specifieke wervingsprocessen zetten wij assessments in om de eerste indrukken te toetsen. Veelal herkennen kandidaten zichzelf in het assesment en soms geeft het nieuwe inzichten. Is dit te koppelen met big data? Is het feitelijk te onderbouwen waarom een carrièreswitch wel goed is of juist totaal niet? Gaan we uit van ons gevoel na een gesprek of helpt het ons om hier data op toe te passen? Voorkomt dit uitstroom en bevordert dit doorstroom binnen de organisatie?
Memphis nam de gok en leek alleen maar bezig te zijn met de vraag: hoe en waar word ik beter? Aan de hand van een persoonlijk gesprek over wat Memphis zocht in een club, werden de verschillende aanbiedingen geanalyseerd en kwam het advies voor Olympique Lyonnais. De lange termijn zal uitwijzen of dit een goede keuze is geweest; vooralsnog is Memphis opgebloeid. Helaas hebben we geen glazen bol in ons bezit, maar stel nou eens dat big data kan worden ingezet om de beste switch te maken? Dat maakt het werk van een HR Business Partner stukken eenvoudiger; het carrièrepad van medewerkers is dan met één druk op de knop te genereren.
Heeft jouw organisatie deze kansen van big data in het vizier en ben je van plan het toe te passen?
