Mijn voorspellingen voor 2013: Big data & analytics

voorspellingenMijn serie voorspellingen voor 2013 (en daarop volgende jaren) bestaat uit een zestal delen (economie, arbeidsmarkt, social media, mobile internet, big data & analyticsentechnologische ontwikkelingen). Een thematische aanpak dus, met een vaste structuur. De voorspellingen ten aanzien van de economie, over de arbeidsmarkt, over social media en over mobiel Internet zijn ondertussen achter de rug; ik ga door met big data & analytics.

Dit is het derde onderwerp in de serie voorspellingen waar ik tegenaan hik. Allereerst omdat big data & analytics samen met social media en mobiel Internet de drie onderwerpen zijn die door valse profeten zo enorm worden opgeblazen dat er nauwelijks een inhoudelijke disucssie over te voeren is. Maar ik ga er toch een poging toe wagen…

Huidige situatie
Laat ik maar meteen uit de kast komen: ik ben een fan van data. En mutatis mutandis; een big fan van big data. Hoe meer data, des te meer vreugd. En daarom doet het extra veel pijn om allerhande onverlaten op de big data & analytics bandwagon te zien springen. Al roeptoeterend worden de zegeningen van big data & analytics voor HR en recruitment verkondigd, ook al kan de gemiddelde HR medewerker of recruiter nog niet eens een simpele staartdeling tot een goed einde brengen. Het doorploegen van enorme hoeveelheden data met analyse toepassingen is in zulke gevallen geen brug maar een continent te ver. Maar omdat softwareleveranciers en consultants in deze economisch barre tijden elke omzetstrohalm zullen aangrijpen, wordt er een barrage aan zegeningen door deze partijen aan big data gekoppeld. Met als enig voorspelbare uitkomst een collectieve teleurstelling aan de kant van de afnemers, de alfaatjes en gammaatjes waar het recruitment volkje vooral uit bestaat.

En dat terwijl big data (& analytics) voor recruitment doeleinden een oprechte waarde kan vertegenwoordigen, zolang je het maar niet overdrijft. Het overdrijven gebeurt meestal door het deel na het &-teken teveen aandacht te geven. Het analytics deel (of nog erger, het predicitve analytics deel) is complex en meestal van zeer beperkte waarde; vooral omdat het big data deel van onvoldoende kwaliteit is om analyses (laat staan precitive analytics) op uit te voeren. Big data is lang niet altijd data van een hoge en vooral consistente kwaliteit met voldoende dekkingsgraad in alle data-elementen. Maar als je zonder kennis van zaken op incomplete, in kwaliteit varierende data analyses gaat uitvoeren en de resultaten van die analyses ook nog eens klakkeloos gelooft, dan is Leiden pas echt in last. Alfaatjes en gammaatjes kunnen echter niet veel anders dan dat geloven omdat ze de onderliggende complexiteit al helemaal niet kunnen begrijpen. Tenzij het op een normale manier wordt uitgelegd, maar daar hebben die software leveranciers en consultants weer geen boodschap aan. Dat betekent slechts meer tijd besteden om minder omzet te maken. Ik ben toch zeker niet achterlijk?

Too much, way too early
De werkelijkheid is echter een stuk weerbarstiger en dat maakt dat big data (& analytics) in kleine stappen dient te worden benaderd. Stap en leer, stap en leer en voor je het weet ben je op een pragmatische en waardevolle manier met big data in de weer. Laat die analyses (laat staan predictive analytics) nog maar even rustig voor wat het is. Waarbij vooral onderstaande schets voor 2013 van Dr. (in wat eigenlijk?) John Sullivan volstrekt genegeerd moet worden:

Predictive analytics replace historical metrics — most current recruiting metrics are useless as decision tools, because they only report what happened last year. An alternative, predictive analytics help you understand what is about to happen, so that you can act in time to make a difference and to prevent problems. Predictive metrics will be developed in the areas of forecasting labor opportunities/availabilities and forecasting “on-the-horizon” challenges for your firm. They will also report upcoming turnover rates in key jobs, predicting which positions will open up for recruiting as a result of growth, and projecting which recruiting and assessment practices can impact the quality of hire.

De hoeveelheid data, en de volledigheid, actualiteit en juistheid van alle onderliggende data-elementen die hiervoor noodzakelijk zijn, bestaan nog nergens. En die data(kwaliteit) komt ook niet in 2013 of in daarop volgende jaren beschikbaar. Bedrijven die hiermee gaan experimenteren komen van een kouwe kermis thuis of krijgen zogenaamde Mickey Mouse conclusies uit hun analyse-toepassingen; conclusies die mijn nog niet geboren kleinkinderen ook al kunnen maken… Predictive analytics in het HR en recruitment domein zijn een krankzinnige pipedream van technologisch optimisten die geen enkele relatie met de werkelijkheid meer hebben.

Zinvol en werkbaar
Big data binnen het recruitment domein is vooral kandidaat-gericht en bestaat vrijwel volledig dankzij social media. De collectieve behoefte om online zichtbaar te zijn en meningen en ervaringen te communiceren maakt dat in de afgelopen jaren een steeds groter aantal personen een steeds grotere hoeveelheid informatie over zichzelf heeft gedeeld. Deze user generated content (lees: data) tezamen met de online activiteiten (wat natuurlijk ook weer data oplevert) van al deze personen levert een bak big data op waar je met geen mogelijkheid overheen kunt springen. En elke dag komen daar weer miljarden data-elementen bij. Vanuit het perspectief van actieve werving is dit niets minder dan een Walhalla.

Overigens is het een Walhalla waar de gemiddelde recruiter absoluut geen raad mee zal weten. Die is bezig om de mogelijkheden (en beperkingen) van LinkedIn te ontdekken, met of zonder specifiek LinkedIn Recruiter abonnement. Voor de frontrunners zijn er boolean searches om deze bak data te doorzoeken. Maar sinds kort zijn er ook toepassingen die proberen het doorzoeken van deze enorme hoeveelheid data eenvoudiger te maken: people aggregators. Dit type toepassing tracht de aanwezigheid van een persoon op meerdere sociale media samen te ballen tot 1 profiel van een bepaalde persoon en tegelijkertijd de resulterende profielen doorzoekbaar te maken op basis van criteria die voor recruiters van belang zijn. Voor actieve werving is dit het ei van Columbus, al moet daar direct bij gezegd worden dat de huidige people aggegrators wel een eerste generatie ei van Columbus zijn. De focus van people aggregator aanbieders ligt teveel op het bieden van features (toeter en bellen) en te weinig op de ondersteuning van het feitelijke proces van actieve werving. Maar dat laat onverlet dat voor de meer technologisch onderlegde recruiters de eerste generatie people aggregators een verrijking van de gereedschapskist betekenen.

Ook de huidige generatie online referral toepassingen die gebruik maakt van social media profielen van haar gebruikers kan met enige fantasie tot big data toepassingen worden gerekend.

Nu is niet alle big data binnen het recruitment domein kandidaat-gericht; er is ook een niet onaanzienlijk deel wat zich op vacatures en bedrijven richt. Bij vacatures denk ik vanzelfsprekend aan Jobfeed, de vacature-aggregator van Textkernel die ondertussen de standaard voor Nederland is geworden als het om aantallen online vacatures gaat. Een big data toepassing avant la lettre die ondertussen al jaren door een steeds grote groep van intermediair Nederland wordt gebruikt om business mee te genereren.

Daarnaast is Glassdoor een uitstekend voorbeeld van een big data site. Geen aggregator van beschikbare data van verschillende locaties maar een destination site waar bezoekers bereid zijn zoveel data over hun functie en werkgever achter te laten dat de resulterende databerg ongekend waardevolle informatie gaat bevatten als gevolg van interne aggregatie. Een unieke component bij Glassdoor is de inbreng van werkgevers/bedrijven die ook de ofifciele bedrijfsinformatie kunnen toevoegen. Hierdoor onstaat een mix van formele en user generated content waardoor bezoekers een zo compleet mogelijk beeld van een eventueel toekomstige werkgever kunnen krijgen, inclusief beschikbare vacatures, gedetailleerde salarisinformatie, cultuurcomponenten en persoonlijke ervaringen van (ex-)medewerkers.

En dan zijn er nog big data toepassingen zoals social media monitors. Hoewel hun rol vooral binnen webcare en marketing & communicatie wordt gezocht is er een evenzeer waardevolle rol binnen HR en recruitment te voorzien. Tenslotte is een bedrijf  niet slechts leverancier van producten en diensten maar op werkgever. En ook over een bedrijf als werkgever wordt op social media gesproken, zij het dat het volume van dit soort communicatie ver achterblijft bij opmerkingen over de producten/diensten en de dienstverlening van een bedrijf. De mate waarin communicatie over een bedrijf als werkgever zich in de toekomst zal ontwikkelen is overigens onduidelijk, maar het ligt in de rede dat hier een groei in te verwachten valt waardoor de mate waarin monitoring relevant wordt alleen maar zal toenemen.

Verwachte ontwikkelingen
Met de hierboven geschetste huidige stand van zaken is voor big data & analytics ook direct de verwachte ontwikkeling voor de komende jaren geschetst. Bestaande toepassingen ontgroeien hun 1.0 versies en ontwikkelen zich stapsgewijs tot steeds waardevoller gereedschappen voor zowel recruiters als werkzoekers. En dat alles zonder 1 iota aan analytics (laat staan predictive analytics). Wat voor online recruitment doeleinden ook in het geheel niet relevant is; dat is voer voor arbeidsmarktonderzoekers.

In dit verband is het ook nog waardevol om een potentieel disruptieve ontwikkeling te melden; eentje waarbij big data over personen wordt samengevoegd met big data over vacatures (en optioneel big data over bedrijven) tot een zogenaamde full (of eigenlijk fullest) box toepassing waarbij een algoritme in theorie (voorlopig nog niet in de praktijk, zie hiervoor het falen van match-engines) iedere persoon aan geschikte vacatures kan koppelen (en vice versa). De natte droom van LinkedIn CEO Jeff Weiner hoewel LinkedIn een bijzonder onwaarschijnlijke kandidaat is voor het realiseren van een dergelijke toepassing. Tenslotte is LinkedIn een walled-garden, zeker waar het de profielen van LinkedIn gebruiker betreft.

Impact op corporates
Werkgevers hoeven eigenlijk voorlopig niet al teveel te doen, ook al zou het bijzonder verstandig zijn om voor vacatures in bepaalde beroepsgroepen te gaan experimenteren met actieve werving en daardoor met people aggregators en social referral toepassingen. Daarnaast kan het voor de grote bedrijven zinvol zijn om de huidige social media monitoring werkzaamheden uit te breiden naar het domein van het bedrijf als werkgever.

Dit alles zal echter een godsgruwelijk traag tempo gaan aangezien dit nou eenmaal het tempo is waarin werkgevers hun niet-strategische activiteiten uitvoeren. Wat een geschenk uit de hemel is voor intermediairs

Impact op intermediairs
Want diezelfde intermediairs dienen in kennis en technologiegebruik een voorsprong te behouden op hun klantenkring als ze tenminste relevant willen blijven. De huidige ontwikkelingen binnen big data bieden uitgebreide mogelijkheden voor intermediairs om die voorsprong te behouden of zelfs uit te breiden. Investeren in big data toepassingen maakt intermediairs toekomstbestendig, hoewel ze dit wel moeten doen in een tijd dat budgetten en aantallen medewerkers krimpen.

Impact op service providers
Service providers dienen de mogelijkheden voor het integreren of toepassen van big data toepassingen actief te onderzoeken en waar mogelijk zo snel mogelijk in te zetten. People aggregators kunnen de oplossing zijn om de relevantie van cv-databases voor de nabije toekomst te garanderen; mogelijk zijn er zelfs white-lable constructies mogelijk met dit type toepassingen.

Hetzelfde geldt voor een toepassing als Glassdoor, waarmee de hoeveelheid informatie voor werkzoekers over een bedrijf aanzienlijk wordt vergroot en daarmee de dienstverlening naar een belangrijke doelgroep zodanig wordt uitgebreid dat er naar de werkgevers kan worden geschermd met voldoende traffic van werkzoekers.

Impact op technology providers
Voor technology providers geldt feitelijk hetzelfde als voor service providers. Hier zal de inzet van bijvoorbeeld people aggregators veel meer als een onderhouds- en verrijkingsservice richting de cv-database van klanten worden gepositioneerd, maar het principe is hetzelfde. Daarnaast kunnen technology providers ook nadenken over de mogelijkheden van integratie van social media monitoring binnen hun platform als een verbreding van het aanbod aan diensten richten haar klanten.

Impact op werkzoekers
Voor werkzoekers dient big data het leven makkelijker te maken. Of dit ook daadwerkelijk gebeurt hangt in grote mate af van de wijze waarop met name actieve wervings middels big data toepassingen op een respectvolle wijze gebeurt. hoewel de toepassingen hiervoor alle gelegenheid bieden is het uiteindelijk de gebruiker die bepaald of potentieel interessante kandidaten eerst goed worden geresearched voordat tot een contact wordt overgegaan of dat ongericht met hagel wordt geschoten op een bepaalde groep die aan een aantal basiscriteria voldoet.

Daarnaast bieden big data toepassingen zoals Glassdoor (internationale expansie staat op de agenda waarbij Nederland voor zover bekend hoog op de lijst staat) aan werkzoekers een uitstekende mogelijkheid om toekomstige werkgevers veel beter te leren kennen.

Geef een reactie

6 Comments
  • Sandor
    says:

    @thomas: Ik kom bij opdrachtgevers vaak dit soort gedachten tegen. Mijn antwoord is altijd begin klein en ook al kun je maar 10% accuraat forecasten dan heb je 10% meer businessimpact omdat je op tijd kan leveren in plaats van achter je klantvraag aanlopen. Daarnaast moet je naast cleane data ( dataschrubbing is altijd een fijne uitdaging bij dit soort excercities) een goed foecastmodel hebben dat gebaseerd is op:
    De juiste planningshorizon
    Forecasten per doelgroep (alleen high volume, high impact doelgroepen)
    Geplande en ongeplande vraag
    Een mix van clinische en statistische forecastingtechnieken
    Een simpele BI tool waarin je met what if scenario’s kan spelen

    0
    0
  • Thomas
    says:

    Alles kan als je het graag genoeg wil. Het probleem met heterogene doelgroepen is alleen dat je al snel een te klein N= hebt om echt zinnige conclusies te trekken. Bovendien vereist een recruitment specifiek forecasting model iets wat ik maar weinig organisaties goed heb zien doen: investering in schone, langdurig verkregen data.

    Voor een heterogene groep vereist het zo een andere benadering van je ATS en je HRIS inrchting en vraagt zo een hoge graad van acuratesse van de individuele recruiters en hr medewerkers. Als je je dan beseft de vruchten ervan pas na 24 maanden begint te plukken blijven er maar weinig partijen over die de luxe hebben een dergelijke verandering prioriteit te maken.
    Als het je echter lukt dan heb je er een super krachtig instrument bij. Waar is de evangelist voor data?!

    0
    0
  • Sandor
    says:

    @thomas: zeker de blogposting op recruitmentgebied van het jaar (niet alleen RM ). Overigens is recruitmentforecasting als predictieve tool ook toepasbaar op organisaties met een meer heterogene functiemix. Je moet danwel als recruitment zijnde een eigen forecastingmodel bouwen dat nogal verschilt van de uitkomsten van het gemiddelde HR personeelsplanningsproces.

    0
    0
  • Thomas
    says:

    Mijn favoriete blog op RM in 2012.  Diepe analyse die voorbij gaat aan belofte en verkooppraatjes. Dank je Marc!

    Overigens wil ik nog wel de kanttekening plaatsen dat een aantal industrieen met een grote homogene personeelsbehoefte wel degelijk baat kunnen hebben bij predictive analytics.
    Uit eigen ervaring weet ik dat de grote call- en contactcenter spelers al jaren prognoses doen op verloop, verzuim en gemiddelde performance op basis van historische data. Ook van een grote manufacturer weet ik dat ze dergelijke deep dives doen voor het fabriekspersoneel en daar zowel hun kosten raminingen als hun recruitment planning op aanpassen. Het kan dus wel. Het vereist alleen consequente data collectie over, wat mij betreft, minimaal 5 jaar voordat je ook maar iets van zinnige conclusies kan trekken.

    Het probleem zit hem daarmee niet zo zeer in het feit dat de door jou geschetste alfa en gamma recruiters de waarde van data, metrics en analytics niet in kunnen schatten. Nee, ze gebruiken hun eigen systemen al niet of nauwelijks behoorlijk. Daarmee vervuilen we de data vaak dusdanig dat analyse al snel een farce wordt.
     

    0
    0
  • Sandor
    says:

    Mooi onthyped, spot on beeld. Meeste corporates moeten nog beginnen met het structureel verzamelen van recruiting intelligence. Met een juiste RI strategie beginnend met eigen makkelijk te ontsluiten interne data (quality of hire bijv.) kan de basis worden gelegd dan pas voorzichtig naar buiten kijken, tegen die tijd zijn de meeste RI tools in versie 2 of 3 en kunnen bovenop bestaande tools gezet worden. Hoop wel dat meer corporates in 2013 beginnen met zinvolle (interne) RI processen.

    0
    0