Dan is het nu de beurt aan Martijn Kriekaard (projectmanager recruitment-innovatie & intelligence, Deloitte). En hij gaat in op de aanpak die Deloitte op dit moment ontwikkelt om data in te zetten ten einde talentstrategieën beter vorm te geven. Hierbij was het de bedoeling om de toepassing die Deloitte hierbij gebruikt, Qlickview, te laten zien. Maar de techniek liet Kriekaard in de steek, dus werd het een iets meer theoretisch verhaald.

Deloitte heeft op dit moment wereldwijd grofweg 195.000 medewerkers, tegelijkertijd is Deloitte op zoek naar ruim meer dan 200.000 mensen in de komende jaren; deels als gevolg van een relatief hoge uitstroom binnen de sector accountancy. Deloitte Nederland heeft 900 hires per jaar, inclusief flex en stages. Een groot deel van recruitment (ongeveer 80%) is campus recruitment. Waarbij de lead time tussen vastlegging en indiensttreding ongeveer 1,5 jaar is…

Deloitte deed te weinig met de ‘koop’signalen van potentiele kandidaten die events of de wervingssite van Deloitte hebben bezocht. Er was behoefte aan een mogelijkheid om beter inzicht te krijgen in de kwaliteit van die kandidaten om zo gerichter te kunnen werven.

De hoeveelheid data die in de loop van de tijd over kandidaten wordt verzameld gaat een business intelligence tool (Qlickview) in om op deze manier een vorm van predictive analysis toe te gaan passen waarmee het selectieproces kan worden ondersteund. Hierbij wordt op dit moment nog geen gebruik gemaakt van de mogelijkheden van people aggregations; hetzij via eigen toepassingen danwel via de markt beschikbare toepassingen.

Het werving- en selectieproces binnen campus recruitment dient feitelijk hiermee efficienter en gerichter te worden. Het lijkt nog te vroeg om te kunnen constateren dat deze methodiek daadwerkelijk dit soort resultaten heeft weten te bereiken.

En ik heb een nieuw begrip geleerd: een gebufferde kandidaat. Ik ga het niet uitleggen omdat ik van harte hoop dat het begrip per direct een harde dood zal sterven.