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. 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 badać, 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.
Źródło: optimumpr
