BNR debat: Big Data, ellende en zegen

BigdataWat voor recruiters, marketeers en ander gespuis een goudmijn kan zijn, wordt door anderen gezien als een bedreiging: Big data. Gelukkig zijn er nobelere doeleinden te verzinnen voor het gebruik van de enorme hoeveelheid gegevens die tegenwoordig beschikbaar is. Door Jeanet Walraven werd ik getipt om op 25 april in het gebouw van KPMG het BNR-debat De Nieuwe Wereld bij te wonen. Als nep-nerd en data-liefhebber was ik meteen geïnteresseerd.

Het onderwerp van de discussie, Big Data, is zowel veelbelovend als angstaanjagend. Door gigantisch veel data te verzamelen, zijn we bijvoorbeeld in staat om effectiever ziekten te genezen, of zelfs ziektes te voorspellen. Aan de andere kant, wat mij betreft hoeft een marketeer niet precies te weten wat ik zoal doe de hele dag om nog meer geld uit m’n portemonnee te kloppen.

Patrick Boonstra, held van de cijfertjes in relatie met social media en recruitment, introduceerde me een tijdje geleden met de term “Recruitment Intelligence”. Afgaande op mijn ervaring bij TruAmsterdam kan ik die twee termen maar moeilijk met elkaar rijmen. Hoe naïef het ook moge klinken, Patrick richt zich op het toepassen van big (social) data en recruitment. Hij geeft aan dat door het monitoren van immense hoeveelheden gegevens op het internet er voorspellingen te doen zijn over het gedrag van bijvoorbeeld werknemers. “Via Social media vertelt iemand meer over zijn/haar ambitie (toekomst) dan in een historisch cv. Daarnaast kan door de analyse van social mediagedrag bepaald worden of iemand niet lekker in zijn/haar huidige baan zit en kan de overstapbereidheid voorspeld worden.”. In hoeverre dit al toepasbaar is, zullen we zeker in de toekomst gauw genoeg te horen krijgen.

Toepassingen van big data

Marc Teerlink, die aan de wieg stond van de supercomputer Watson die het spel Jeopardy won van twee Jeopardy-goeroes, geeft aan dat op basis van big data bepaald kan worden of een jonge vrouw zwanger is. Simpelweg door het koopgedrag te analyseren. Lijkt me inderdaad aannemelijk. Ik zie nu marketeers al kwijlend naar het scherm kijken.

Mocht je denken dat dit voorbeeld ellendig is, denk dan aan het volgende. Op basis van verschillende factoren kan bepaald worden of iemand een verhoogd risico loopt op crimineel gedrag. Peter Kits, advocaat en gespecialiseerd in IT, databeveiliging en technologie: “We lopen het risico dat we preventief gaan handelen.”. Gewoon oppakken voordat iemand een misdrijf gepleegd heeft. Handig toch? Onderzoeksjournalist van NU.nl en Webwereld Brenno de Winter ontpopte zich als azijnpisser van het kaliber Marc Drees en schetst ons het plaatje van een verkeerd geplaatst vinkje in je patiëntendossier. Een dergelijk vinkje leidt dan tot een verkeerde diagnose en voor je het weet is je prostaat verwijderd. Ook is hij sceptisch over de starheid van dergelijke systemen: “Probeer maar eens van dat verkeerd geplaatste vinkje af te komen.”.

Er is gelukkig positiever nieuws. Sander Klous, werkzaam bij als Big Data Services Lead bij KPMG, legt uit dat we het einde van de steekproef genaderd zijn. Door veel meer te kunnen meten worden onderzoeksresultaten nauwkeuriger. Zo kan het meten van incidenten en andere factoren, nieuwe incidenten voorspellen. Zie bijvoorbeeld het door Richard Stronkman gestarte Twitcident: real-time monitoren van twitterberichten om veiligheid te vergroten. Zo is Twitcident ingezet tijdens Serious Request in de zogeheten Crowd Control Room (to Major Tom…) om potentiële ordeverstoringen, overvolle pleinen en andere risico’s tijdig te identificeren.

Blijf kritisch

Big data: ellende en een zegen dus. Om het een doos van Pandora te noemen, zoals Annemarie Stel bevend van angst in haar artikel omschrijft, vind ik te ver gaan. Ga niet klakkeloos om met de gegevens die je verzamelt en de conclusies die je hebt getrokken, maar evalueer en blijf kritisch. Blind varen op een getal is natuurlijk gewoon dom.

Met name als het gaat om privacy en wetgeving houd ik m’n hart vast. Aangezien de technologie ruimschoots voorop loopt op de wetgeving verwacht ik dat er veel projecten als gevolg van ernstige schending van de privacy teruggefloten zullen worden. Door schade en schande wijs worden hoeft niet een probleem te zijn, maar als het dit onderwerp betreft hoop ik dat azijnpissers als Brenno de Winter (en misschien zelfs Marc Drees) hun uiterste best blijven doen.

Trouwens, mocht je als recruiter slim zijn, wees dan de business voor en ga alvast op zoek naar Data Scientists.

 

Geef een reactie

8 Comments
  • van Zanten
    says:

    Beste Marc Drees. Wat wil je nu eigenlijk zeggen? Dat je binnen het HR domein geen voorspellend gedrag hebt? Als het elders werkt, werkt het daar ook. Van HR weet ik niets maar als ik deze reactie zo lees dan heb je meer problemen met recruiters dan met de beschikbare mogelijkheden. Of was het een stukje zelfreflectie? Laat de analytics maar over aan de data scientists.

    0
    0
  • Marc Drees
    says:

    Omdat iedereen godsgruwelijk lui is kopieer ik hier maar eens mijn (zeer uitgebreide) brainfart rondom big data die ik op 27 december 2012 in de reeks voorspellingen heb geplaatst. Conclusie: big data is waardevol indien met mate ingenomen en zonder op de overspannen verwachtingen te letten. Enig verwachting van voorspellend gedrag binnen het recruitment domein is de natte droom van een niet met de werkelijkheid in contact zijnde datadebiel. 
     
    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.

    0
    0