Terug naar blogs

Hoe ga je van chaos naar een volledig data-driven recruitment organisatie?

van op

Bullhorn werkt samen met veel verschillende recruitment technologie partners in de regio. In deze blog-serie publiceren wij interessante content geschreven door onze partners. Deze keer hebben wij René Bolier van OnRecruit gevraagd om zijn inzichten te delen.


Herken je de bovenstaande vraag? Je beschikt over heel veel data, snapt dat je daar iets mee zou kunnen, wil dat ook graag, maar in de praktijk en waan van de dag blijkt dat toch erg lastig te zijn.. Je droomt van een organisatie waarin iedereen data gebruikt om binnen haar of zijn rol maximaal positieve impact te genereren op de business, maar in de praktijk doet eerlijk gezegd iedereen maar wat..

Allereerst; je bent niet de enige. In de afgelopen 12 jaar ben ik nog geen organisatie tegengekomen waar bovenstaande droom helemaal realiteit is. Ten tweede; inmiddels heb ik wel een hoop organisaties leren kennen die van kaartenbakken en complete chaos een heel stuk opgeschoven zijn richting die droom. En in dat proces ook daadwerkelijk steeds succesvoller zijn geworden. Er is dus hoop!

In dit artikel wil ik je graag helpen om grip te krijgen op waar je nu staat als je kijkt naar de manier waarop er nu met data wordt omgegaan in je organisatie en je helpen om te begrijpen wat logische en vooral ook essentiële vervolgstappen zijn naar succes. In het kader van ‘beter goed gejat dan slecht bedacht’ gebruik ik graag 2 modellen van Gartner en Zencos.

Model 1: Het ‘Analytics Spectrum’ van Gartner

 

Dit Gartner model focust zich op wat de data je vertelt en hoeveel actie jij nog moet ondernemen voor je een beslissing kan maken. Het model kent de volgende 4 levels:

Level 1: Descriptive (What happened?)

De reporting die je tegenkomt in de meeste recruitment organisaties is ‘descriptive’; het is een report wat laat zien wat er in de verleden tijd gebeurde. Denk aan een rapport wat je vertelt: ‘we hadden in Q4 20m omzet; 15% lager dan in Q3 en 20% lager dan in Q4 een jaar geleden’.

Verder dan dat komt het report niet. Als persoon kijk je naar dit rapport en moet je verder alles zelf uitvogelen; je kunt  er weinig mee. En wat gebeurt er dus in de realiteit? We leggen het rapport in de kast en gaan weer verder met de waan van de dag.

 Level 2: Diagnostic (Why did it happen?)

In steeds meer organisaties zie je dat reporting ‘diagnostic’ aan het worden is; het rapport verteld niet alleen wat er gebeurde, maar ook wat de drivers waren; waarom het gebeurde. Bijvoorbeeld: ‘we hadden in Q4 20.000 gewerkte uren; 10% hoger dan in Q3. Dit kwam doordat klant X en Y 15% meer vraag hadden, ons ziekteverzuim 30% lager lag en onze fill-rate 20% hoger lag’.

Zoals je ziet; je begint al veel meer grip te krijgen op je business; je krijgt een idee wat er waarom gebeurt en dus welke zaken invloed hebben op jouw succes. Het wordt direct een stuk makkelijker om te begrijpen aan welke knoppen je (wel en niet) kunt draaien om jouw doelen te bereiken.

Level 3: Predictive (What will happen?)

In sommige recruitment organisaties zijn inmiddels mooie modellen en dashboards gebouwd die ‘predictive’ zijn; ze vertellen wat jij in de toekomst kunt verwachten. Bijvoorbeeld: ‘op basis van de huidige instroom van nieuwe vacatures, de huidige marketinguitgaven, de huidige doorlooptijden en conversieratio’s in ons proces, de huidige kandidaten in het proces, verwachten we de komende 3 maanden 280 plaatsingen, goed voor 4.2m omzet’.

Dit is natuurlijk heel fijn; je hoeft niet af te wachten wat er gaat gebeuren, maar kan met redelijke precisie vertellen wat je in de toekomst kunt verwachten en hier dus ook op acteren.

Level 4: Prescriptive (What should I do?)

Prescriptive analytics zijn de heilige graal. Deze helpen je begrijpen wat je vandaag zou moeten doen om jouw doelstellingen morgen te bereiken. Bijvoorbeeld: ‘voor een omzetgroei van 5% in het volgende kwartaal moet sales 10% meer vacatures binnen segment D, F en M binnenhalen, moet marketing op kanaal 3, 9 en 15, 50.000 EUR meer budget spenderen en moet recruitment de time to fill met 1 dag verlagen’.

Als elke stakeholder weet wat hij of zij moet doen binnen zijn of haar rol om de business doelstellingen te halen en ook blijft acteren op die data, dan krijg je een cultuur van ‘intrapreneurship’. Elke collega wordt ondernemer binnen zijn of haar rol; puur werken aan het invullen van zijn of haar rol, zodat er maximaal wordt bijgedragen aan wat je als team en bedrijf wil bereiken. 

Helemaal mooi wordt het als de tips geïntegreerd worden in de werkomgeving van de betreffende collega of sommige zaken zelfs worden geautomatiseerd. 

 Model 2: Het ‘Analytics Maturity Model’ van Zencos

 

Dit model kijkt vooral naar hoe je organisatie omgaat met data. Het is heel belangrijk om te begrijpen dat als je van het ene naar het andere level van Gartner wil, je als organisatie ook het een en ander zult moeten doen; makkelijk is het niet! In welke van de volgende 5 fases bevindt jouw organisatie zich?

Fase 1: Chaos

Dit is de situatie waarin een organisatie geen georganiseerde reporting kent, reports continu handmatig worden geproduceerd (vaak in Excel), de kwaliteit van de data te wensen over laat, de reporting vooral gefocust is op financiële informatie en de operatie geen idee heeft wat nou de drivers zijn voor succes: hoe de organisatie zich beter kan organiseren en wat succes zou kunnen veroorzaken.

Fase 2: Developing

In deze fase begint er door de organisatie heen begrip te komen voor het feit dat er een start gemaakt moet worden met het produceren van betere data. Vaak zie je binnen recruitment dat er een upgrade van de tech stack wordt gedaan, maar ook de processen die plaatsvinden binnen die tools, heel strak worden vastgelegd. Het probleem is echter dat er nog geen strategie is op het daadwerkelijk omzetten van data naar beter gedrag en er ook geen stakeholders zijn die deze verantwoordelijkheid nemen/krijgen.

Checklist:

❏  Begrijpen steeds meer collega’s op management en operationeel niveau dat er iets moet gebeuren om betere data te produceren?

❏ Heb je een tech stack waarin alle relevante data vast kan worden gelegd?

❏  Zijn de processen in jouw tech stack zo georganiseerd dat je er eenduidige data van hoge kwaliteit wordt gegenereerd?

❏  Wie is ‘eigenaar’ van bovenstaande?

Fase 3: Alignment

In deze fase gaan managers en verschillende onderdelen van de business samenwerken. Zij zorgen dat er één plek komt waar alle data wordt samengevoegd (een datalake of datawarehouse) en dat het makkelijk wordt voor teams om (met behulp van analisten) inzichten te krijgen op basis van data waarop zij vervolgens kunnen acteren. Ook komt er steeds meer ownership op management level op dit onderwerp.

Checklist:

❏  Is het mogelijk om de data uit al je tools te halen?

❏  Heb je jouw data al georganiseerd en gecombineerd op één plek?

❏  Heb je in- of externe resources die jouw teams en stakeholders helpen bij het visualiseren van de data?

❏  Hebben al jouw collega’s de route naar het visualiseren van inzichten die hen kunnen helpen gevonden?

Fase 4: Integration

Nu beginnen we ergens te komen; alle collega’s beginnen data te gebruiken voor zichzelf, maar ook om hun punt te maken naar andere collega’s of teams of leveranciers en klanten. Zij zijn continu bezig met ‘visual storytelling’, het gebruik van gevisualiseerde inzichten om individueel of samen succesvoller te worden. Verder worden teams geïnstalleerd die aan de slag gaan met zaken die de operatie zelf niet kan doen; het toepassen van machine learning.

Checklist:

❏  Hoeveel van jouw collega’s gebruiken gevisualiseerde data om hun eigen output te verbeteren?

❏  Hoeveel van jouw collega’s gebruiken gevisualiseerde data om met andere collega’s, klanten of leveranciers de samenwerking en output te verbeteren?

❏  Zijn er intern collega’s die aan de slag zijn met machine learning? 

Fase 5: Optimized

Op dit level is elke business beslissing gebaseerd op data. Op C-level is een directielid eindverantwoordelijk voor data en analytics. Het gebruik van data door collega’s is nu geen keuze of optie meer; dat is onderdeel geworden van het DNA van de hele organisatie. Door de inzet van machine learning wordt de organisatie steeds efficiënter in het omzetten van data naar actie: Modellen schrijven precies voor wat er moet gebeuren om doelstellingen te bereiken (prescriptive analytics).

Checklist:

❏  Wie is op managementniveau verantwoordelijk voor data en analytics?

❏  Is elke keuze en beslissing in de organisatie gebaseerd op data?

❏  Zijn de analytics van alle teams prescriptive; vertellen ze wat er gedaan moet worden?

Aan de slag:

Ik hoop dat je je na bovenstaande geïnspireerd voelt, maar kan me voorstellen dat je je ook overweldigd voelt. Daarom help ik je graag met de volgende vijf tips die wij organisaties vaak meegeven zodat ze ‘gewoon kunnen beginnen’:

  1. Wie is nu het meeste met data bezig in de organisatie en heeft zowel analytische als leiderschapscompetenties? Maak die persoon ‘product owner analytics’.
  2. Laat alle teams eens een week of een maand een lijst maken van (kleine en grote) beslissingen die worden genomen.
  3. Laat de product owner die lijsten gebruiken als input voor een brainstorm met de teams over welke ‘dashboards’ hen dus enorm zouden kunnen helpen.
  4. Geef de product owner verantwoordelijkheid, vrijheid en resources om aan de hand van deze interne input en bovenstaande modellen aan de slag te gaan.
  5. Vier succes! Je organisatie zover krijgen dat ze data gebruiken als basis voor al hun beslissingen is supermoeilijk en een heel lang traject en het is dus extreem belangrijk om bereikte milestones te blijven vieren en die te gebruiken voor het motiveren van het team om de volgende te plannen en bereiken.

Zo, hier kun je vast mee vooruit, succes! 🙂


Over de auteur: René Bolier heeft zich in de afgelopen 12 jaar ontwikkelt als expert op het gebied van recruitment marketing en technologie en helpt dolgraag zoveel mogelijk mensen en organisaties hun persoonlijke en business doelstellingen te bereiken. Naast zijn rol als CEO bij OnRecruit is hij actief als spreker en trainer, ziet hij graag zoveel mogelijk van de wereld en houdt hij van pokeren, lekker eten en het ontmoeten van nieuwe mensen. Connect gerust met hem op LinkedIn.

Over OnRecruit: Recruitment organisaties en teams die met OnRecruit werken, worden steeds succesvoller doordat OnRecruit ze helpt met het combineren en visualiseren van al hun (marketing, website, ATS en back-office) data. OnRecruit is marketplace partner van Bullhorn. Voor meer info: www.onrecruit.net.