{"id":14319,"date":"2022-03-24T09:10:46","date_gmt":"2022-03-24T09:10:46","guid":{"rendered":"https:\/\/www.bullhorn.com\/nl\/?p=14319"},"modified":"2024-09-02T12:03:39","modified_gmt":"2024-09-02T11:03:39","slug":"zorgt-je-data-ervoor-dat-je-automatiseringen-niet-werken","status":"publish","type":"post","link":"https:\/\/www.bullhorn.com\/nl\/blog\/zorgt-je-data-ervoor-dat-je-automatiseringen-niet-werken\/","title":{"rendered":"Zorgt je data ervoor dat je automatiseringen ‘niet werken’?"},"content":{"rendered":"

Nu automation hot topic is in de wereld van recruitment tech, melden gebruikers een hoop bespaarde tijd en effici\u00ebntere 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.<\/span><\/p>\n

De impact van slechte data op recruitment automation<\/b><\/h3>\n

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.<\/span><\/p>\n

Voorbeeld 1: in contact blijven met klanten<\/b><\/h4>\n

De data-uitdaging: <\/b>dubbele gegevens
\n<\/span>De details: <\/b>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.
\n<\/span>De oplossing: <\/b>Voeg de dubbele gegevens samen om te zorgen dat je werkt met \u00e9\u00e9n kloppende set gegevens.<\/span><\/p>\n

Voorbeeld 2: vragenlijsten voor kandidaten<\/b><\/h4>\n

De data-uitdaging:<\/b> verouderde\/inactieve gegevens
\n<\/span>De details: <\/b>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.
\n<\/span>De oplossing: <\/b>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.<\/span><\/p>\n

Voorbeeld 3: kandidaten met een bepaalde vaardigheid benaderen<\/b><\/h4>\n

De data-uitdaging<\/b>: verouderde vaardigheden
\n<\/span>De details: <\/b>je hebt een vacature voor een ontwikkelaar die je wilt vervullen, dus heb je een automatisering gecre\u00eberd 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.
\n<\/span>De oplossing:<\/b> maak een hotlist met kandidaten met primaire en secundaire vaardigheden van toen en doe een massa update.<\/span><\/p>\n

Hoe je deze oplossingen kunt invoeren en nog veel meer<\/b><\/h3>\n

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:<\/span><\/p>\n