Strona główna / Na czasie / Analiza behawioralna pomoże w rekrutacji specjalistów
środa 18 październik 2017 | Redakcja
Analiza behawioralna pomoże w rekrutacji specjalistów
Automatyczne monitorowanie i analiza zachowań ludzi w sieci będą pomagać łowcom głów w poszukiwaniu wykwalifikowanych pracowników. Prof. Krzysztof Stencel z Uniwersytetu Warszawskiego prowadzi innowacyjny projekt, który przeciera ścieżkę w obszarze analizy behawioralnej na potrzeby rekrutacji.

Na rynku pracy coraz bardziej odczuwalny jest brak pracowników. Wyraźnie widać to m.in. w branży budowlanej i logistycznej, a zwłaszcza w sektorze IT. Uderzający jest niedobór informatyków i programistów, na których popyt ciągle wzrasta. Ocenia się, że obecnie na rynku brakuje około 50 tys. wykwalifikowanych specjalistów. Ten deficyt będzie niestety się pogłębiał, ponieważ w ujęciu globalnym znacznie szybciej rośnie zapotrzebowanie na pracowników IT w porównaniu z liczbą specjalistów wchodzących na rynek.

Przedstawiciele deficytowych zawodów zwykle nie czekają na pracę, a jeśli już ją zmieniają, płynnie przechodzą do kolejnego pracodawcy. Nie dziwi więc, że łowcy głów działając w niektórych branżach zdwajają wysiłek w poszukiwaniu ludzi, którzy potencjalnie gotowi są do zmiany pracodawcy. Chodzi o to, aby wstrzelić się w okres, w którym specjalista dopuszcza myśl o zmianie pracy, rozważa lub planuje taką decyzję. W takim „polowaniu na pracowników” w niedalekiej przyszłości mają pomagać systemy analizy behawioralnej, które monitorują aktywność specjalistów m.in. w mediach społecznościowych i na forach branżowych. Na Uniwersytecie Warszawskim trwają prace nad pilotażowym projektem realizowanym dla jednej z agencji doradztwa personalnego działającej na rynku międzynarodowym.

Samodoskonalące się maszyny w służbie HR

„Opracowujemy narzędzie informatyczne, które dzięki specjalnym algorytmom i analizie danych pozwoli typować chętnych do zmiany pracy kandydatów. System dokonuje selekcji na podstawie danych z różnych źródeł dostępnych w Internecie. Mogą to być dane demograficzne, o miejscu pracy, informacje pobrane z LinkedIn, GitHub, Stack Overflow, czyli platform internetowych, na których grupa zawodowa jest bardzo aktywna. Narzędzie działa w koncepcji machine learning – czyli jest samodoskonalącą się platformą. które w miarę upływu czasu będzie coraz skuteczniej zawężać bazę potencjalnych pracowników do grupy osób, które rzeczywiście są skłonne zmienić pracę” – wyjaśnia prof. dr hab. Krzysztof Stencel z Wydziału Matematyki, Informatyki i Mechaniki Uniwersytetu Warszawskiego.

Obniżyć koszty agencji i jednocześnie zwiększyć skuteczność

Głównym celem opracowywanego na UW rozwiązania jest automatyzacja procesu rekrutacyjnego na jego pierwszym etapie. „W firmach doradztwa personalnego istotnym kosztem jest czas poświęcany na wstępną selekcję potencjalnych kandydatów. Z reguły jest to żmudny proces podejmowania kontaktu z zatrudnionymi specjalistami i weryfikacja ich woli do ewentualnej zmiany pracy. Większość takich kontaktów nie przynosi żadnego rezultatu, co dla firmy rekrutacyjnej oznacza czystą stratę. Nasz pomysł polega na typowaniu tych specjalistów, którzy z dużym prawdopodobieństwem dadzą się namówić na zmianę pracy” – dodaje prof. Krzysztof Stencel.

Analiza behawioralna i weryfikacja innych czynników

W jaki sposób informatyka może wspierać proces rekrutacyjny? Za pomocą metod informatycznych można wygenerować informację o tym, jakie jest prawdopodobieństwo, że dana osoba chce zmienić pracę. Istotne jest określenie czynników, które można badać we wspomnianych serwisach społecznościowych i platformach branżowych. Można np. uwzględnić cykl pracy programisty – ze statystyk wynika, że programiści są skłonni do zmiany pracy średnio co dwa, trzy lata, więc narzędzie może typować osoby, o których wiadomo, że w danym miejscu pracy są zatrudnione od tego czasu. Na portalach społecznościowych (w szczególności w LinkedIn) łatwo ocenić poziom aktywności użytkownika, choćby w postaci uzupełniania danych w profilu. Takie zachowanie często świadczy o chęci lub potrzebie zmiany pracy. Analiza behawioralna może również analizować, na ile ktoś jest zadowolony ze swojego miejsca pracy i co o nim pisze w społeczności. Przetwarzanie maszynowe musi się więc sprowadzać również do semantycznego rozumienia, co dana osoba komunikuje. Można także zaprogramować narzędzie w taki sposób, aby wyłapywało bardziej subtelne zachowania ludzi na portalach społecznościowych, np. manifestowanie niezadowolenia bez podania przyczyny. Czynników, które można badać, jest wiele, chodzi jednak o to, by wypracować możliwie skuteczny model typowania potencjalnych kandydatów do zmiany pracy.

Korzyści dla obu stron

Projekt jest w fazie pilotażowej, ale można się spodziewać, że w kontekście coraz ostrzejszej walki o wykwalifikowanych pracowników, wypracowane narzędzie będzie dobrze odebrane przez agencje rekrutacyjne. „Oczywiście nie zapewnimy stuprocentowej skuteczności w typowaniu kandydatów. Zamierzamy jednak uzyskać na tyle wysokie wskaźniki selekcji, by zadowolić każdą agencję pośrednictwa pracy działającą nie tylko w sektorze IT” – mówi prof. Krzysztof Stencel. W rezultacie korzyści mają odczuć nie tylko rekruterzy (poprzez lepszą selekcję kandydatów, redukcję kosztów i uwolnienie znacznych ilości czasu). W opinii twórców systemu, korzyści odniosą również pracownicy, którzy będą otrzymywać propozycje pracy w dogodniejszym dla siebie momencie.

Analiza behawioralna użytkowników sieci nie jest novum. Obecnie pozwala skuteczniej personalizować przekaz reklamowy i adresować oferty pod kątem rzeczywistych zainteresowań odbiorców. Podobnie może być z proponowaniem ofert pracy. W przyszłości na podstawie naszych zachowań w sieci możemy otrzymać propozycję pracy, o jakiej się nam nawet nie śniło. Warto przy tym mieć świadomość, że nasze zachowania w Internecie, a w szczególności na portalach społecznościowych, mogą być i będą poddawane analizom samodoskonalących się maszyn pod kątem różnych potrzeb. 

Podobne artykuły
Komentarze
comments powered by Disqus
zobacz więcej
Advise me
więcej
Video
więcej
Video"
więcej
Facebook
więcej