Bright is een ‘tweede’ generatie match-engine die in haar huidige staat volstrekt zinloos is:

Bright is de zoveelste match-engine die denkt/vindt slimmer te zijn dan werkzoekers. En daarmee aantoont dommer te zijn dan werkzoekers. Vanuit de ongetwijfeld nobele gedachte om frictie in het recruitmentproces te reduceren wordt juist ongekend (en hopelijk onbedoeld) veel frictie geintroduceerd.

 
Bright heeft haar ‘slimme’ match-engine getraind met heel veel data (more than 15 million job descriptions and 2 million resumes) en vervolgens gedacht: kunnen we daar niet nog wat meer mee doen? Het antwoord was blijkbaar: Ja! want nu is er Bright Labs. Waar wij (een heel klein beetje) met die data kunnen spelen. En dat is wat ik heb gedaan. Waardoor ik nog beter begrijp waarom Bright op dit moment zo’n faliekante mislukking is als match-engine.

De homepage
Dit is de homepage van Bright Labs:

Toe maar, bescheidenheid is een vaardigheid die niet in het woordenboek van Bright Labs voorkomt:

Bright Labs is a novel approach to visualizing the state of the employment market. By combining Bright’s massive database of jobs and candidates with social, financial and government data sources, our team of data scientists analyze the hiring trends of every company and industry in every city in the United States. We deliver the most up-to-date, specific, and comprehensive analysis of the employment market.

De dames en heren van Bright Labs denken waarschijnlijk oprecht dat hun database en algoritme de wereld zal verbeteren:

We believe that data analysis will change the way the world hires.

Geen twijfel over het feit dat kwalititatief goede analyses op basis van gegarandeerd correcte, volledige en actuele data kan helpen bij het verbeteren van inzichten in de arbeidsmarkt. En daarmee ook een bijdrage kan leveren binnen recruitment. Maar bovenstaande oneliner maakt de wereld zo plat als een dubbeltje.

Laat ik maar eens kijken wat er nou allemaal waar is van dit megalomane geblaat. Ik begin met de eerste hyperlink: The Most Important Skills For Your Job. En dat ziet er zo uit:

Inderdaad, een lachwekkende opsomming van vaardigheden voor een babysitter. Waarmee haarscherp het fundamentele probleem van Bright wordt blootgelegd: heel veel data en een algoritme zorgen er niet automatisch voor dat er correcte en zinvolle relaties worden gerealiseerd; in dit geval dus tussen vaardigheden en functietitels.

Bovenstaand rijtje toont aan waarom de match-engine van Bright op het meest fundamentele niveau (het bieden van relevante vacatures aan werkzoeker) hopeloos zal falen. Daarnaast is er geen differentiatie in niveau’s of belang van een vaardigheid voor een functie. Het is slechts een opsomming van het aantal keer dat bepaalde steekwoorden zijn aangetroffen bij bepaalde functies. En dat is de werkelijkheid volgens Bright. Een complexe wereld teruggebracht tot een turflijstje. Recipe for failure.

De andere analysemogelijkheden via een interactive graph zijn afgeleiden van bovenstaande koppeling. En daarmee leuk om te zien maar inhoudelijk van even weinig waarde. Onderstaand een weergave van functies die dezelfde skills delen:

Leuk om te zien.  En dat is het dan ook wel zo’n beetje.

Daarnaast heeft Bright ook nog de data van het Bureau of Labour Statistics (BLS)  gekoppeld. Om vervolgens dit soort kaartjes te kunnen laten zien:

Leuk om te zien. En dat is het dan ook wel zo’n beetje.

Als laatste denkt Bright Labs ook nog waarde toe te voegen door de zoveelste voorspeller van de BLS data te worden:

Aangezien de maandelijke cijfers van BLS nauwelijkse enige relatie met de werkelijkheid hebben is het voorspellen van een fantasiegetal ook weinig zinvol. Desondanks denkt Bright hiermee blijkbaar brownie points te scoren. Fat chance…

Conclusie
Bright kan niet op enige vorm van bescheidenheid worden betrapt. En graaft daarmee haar eigen graf. Want een algoritme en heel veel data staat niet gelijk aan de claim to fame van Bright Labs: We deliver the most up-to-date, specific, and comprehensive analysis of the employment market. Integendeel. Bright Labs slaat de plank volledig mis op het meest elementaire niveau; de juistheid en de granulariteit in de koppeling tussen functie en vaardigheid. Het bedrijf zou er goed aan doen om hun aandacht eens te verleggen naar een gratis beschikbare taxonomie als O*NET om haar veelal zinloze en veel te grove koppelingen tussen functie en vaardigheid aanzienlijk te verbeteren. Mogelijk dat dan, op termijn, waarde uit Bright gepeurt kan gaan worden. Het is echter de vraag of de arrogantie van Bright hen in staat stelt te zien dat de arbeidsmarkt geen baat heeft bij een 100% algoritmische wereld.