Zorgt je data ervoor dat je automatiseringen ‘niet werken’?
Nu automation hot topic is in de wereld van recruitment tech, melden gebruikers een hoop bespaarde tijd en efficiëntere processen. Als automatisering de nieuwe trend is waar iedereen een graantje van wil meepikken, is data zijn minder leuke hulpje… Data is echter ook cruciaal om die automatiseringen te laten werken. Als je automation gebruikt of overweegt ze toe te voegen aan je processen, neem dan maar van ons aan dat je het opruimen van data onderdeel MOET maken van je plan.
De impact van slechte data op recruitment automation
Vervuilde data is onvermijdelijk. Vaak gebeurt het zonder dat je het merkt: 62% van organisaties werken met data die tot wel 40% niet klopt. Hier volgen enkele belangrijke voorbeelden van de gevolgen die dit kan hebben voor je recruitment automation.
Voorbeeld 1: in contact blijven met klanten
De data-uitdaging: dubbele gegevens
De details: dezelfde klant is op drie verschillende manieren in het CRM ingevoerd, waardoor er dubbele gegevens zijn ontstaan. Het gevolg is dat je automatisering dezelfde e-mail drie keer zal versturen.
De oplossing: Voeg de dubbele gegevens samen om te zorgen dat je werkt met één kloppende set gegevens.
Voorbeeld 2: vragenlijsten voor kandidaten
De data-uitdaging: verouderde/inactieve gegevens
De details: je verstuurt een vragenlijst naar de kandidaten in je database voor marketingdoeleinden. Die database bevat gegevens van honderdduizenden kandidaten, dus je verwacht een aardig responspercentage. Maar je krijgt veel minder reacties dan je had verwacht.
De oplossing: zoek naar kandidaten die je gedurende een bepaalde periode niet gesproken hebt en stel ze in als ‘Gearchiveerd’, zodat je hen kunt uitsluiten van je automations.
Voorbeeld 3: kandidaten met een bepaalde vaardigheid benaderen
De data-uitdaging: verouderde vaardigheden
De details: je hebt een vacature voor een ontwikkelaar die je wilt vervullen, dus heb je een automatisering gecreëerd om kandidaten met bepaalde vaardigheden te vinden. Na het live zetten van de automatisering merk je dat er een stuk minder kandidaten worden bereikt dan je had verwacht. Je beseft dat de primaire en secundaire vaardigheden in je dossiers verouderd zijn en niet overeenkomen met wat je in de automatisering hebt ingesteld.
De oplossing: maak een hotlist met kandidaten met primaire en secundaire vaardigheden van toen en doe een massa update.
Hoe je deze oplossingen kunt invoeren en nog veel meer
Kyloe DataTools geeft je alles wat je nodig hebt om eenvoudig je gegevens te de-dupliceren, verouderde gegevens te vinden en massa updates door te voeren in je data:
- Dubbele gegevens samenvoegen: Kyloe DataTools stelt je in staat dubbele gegevens op je eigen manier samen te voegen. Kies ervoor ze individueel samen te voegen of doe het in bulk met tot wel 1000 tegelijk. Je kunt zelfs ’s nachts automatisch laten scannen op dubbele gegevens, zodat je ’s ochtends beschikt over een lijst met kerndata en mogelijk dubbele gegevens die je dan kunt samenvoegen.
- Verouderde gegevens vinden: Kyloe DataTools helpt je om eenvoudig verouderde Bullhorn-gegevens te verwijderen, zodat je deze kunt uitsluiten van je automatiseringen. Zo besteed je je tijd aan de juiste gegevens.
- Bulkupdates uitvoeren: tot voor kort waren er voor bulkupdates tijdrovende handmatige processen of dure externe projecten nodig. Kyloe DataTools geeft jou de leiding over je data en stelt je in staat bulkupdates in Bullhorn snel en eenvoudig uit te rollen. Er is zelfs een knop om het ongedaan te maken en je data binnen 30 dagen te herstellen, voor het geval je een foutje maakt.
De ervaringen van onze klanten
HiPo Executive is een adviesbureau in München dat is gespecialiseerd in het samenbrengen van geschikte artsen en ziekenhuizen door middel van talentmanagement. Ze gebruiken Bullhorn sinds 2011 en hebben onlangs Herefish aan hun platform toegevoegd.
De uitdagingen
HiPo wendde zich aanvankelijk tot Kyloe voor wat datawerk op maat in 2018, maar na verloop van tijd nam de kwaliteit van de data weer af en werd het moeilijker om die bij te houden. De grootste uitdaging omvatte:
- Tijdrovend handmatig data beheerproces;
- Een organisatie die groeide en moeite had om efficiënt te blijven;
- Zorgen dat de automations waren gebaseerd op schone en correcte data.
Wat zij wilde verbeteren
Als organisatie dat veel waarde hecht aan datakwaliteit was HiPo op zoek naar een oplossing die hen in staat zou stellen het lopende onderhoud zelf uit te voeren. De belangrijkste verbeteringen die zij wilden, waren onder andere:
- Processen voor het opschonen van data die met het bedrijf meegroeien;
- Data van hoge kwaliteit;
- Herefish-automatiseringen realiseren die goed draaien.
Alle vakjes afvinken met Kyloe DataTools
Kyloe DataTools vinkt alle vakjes voor de doelstellingen van HiPo af. Dit Bullhorn product bestaat uit de modules: DataRules, DataCleaner en Duplikit.
Alle drie de modules kunnen in combinatie gebruikt worden om data ‘Herefish-klaar’ te maken en geven de gebruiker de volledige controle over hun data-updates, in plaats van dat ze op een externe partij moeten vertrouwen.
We gebruiken Kyloe DataTools, met name DataRules, dagelijks; de mogelijkheden om data te bewerken zijn zeer krachtig. Het is onderdeel van het proces dat we doorlopen wanneer we een nieuwe Herefish-automation bouwen – wij kijken altijd naar welke data-aanpassingen er nodig zijn om te zorgen dat de automatisering doet wat hij moet doen.” – Dan Brazier, managing director – HiPo
Maak een afspraak voor meer informatie
Als je graag meer te weten wilt komen over hoe Kyloe DataTools kan bijdragen aan het soepel laten werken van je automations, neem contact op voor meer informatie.
Bronnen: 62% van organisaties gebruiken data die tot wel 40% niet klopt