El futuro de la selección de personal
Según Riviera Partners, el big data es el futuro de la selección, pero no consiste solamente en realizar un datamining de los candidatos, se requieren las herramientas adecuadas, una balanceada combinación de variables externas e internas y, muy importante también, el personal formado que sepa cómo analizar todo ello.
Esta faceta de la selección de personal, también llamada people analytics no solamente potencia ampliamente las búsquedas de los mejores candidatos en las empresas, también acerca una dosis de espíritu emprendedor y energía a los departamentos de Recursos Humanos. Todo ello es parte de lo que Gartner Research predice será un sector, el big data, que moverá 232 billones de dólares.
Un informe reciente publicado por eQuest señala que para recursos humanos en particular, el big data marca una «oportunidad histórica para tomar las mejores decisiones posibles basadas en la evidencia más rigurosa del capital humano».
No se trata de opiniones de expertos en sistemas de información alineados con big data, existen innumerables casos de éxito con datos cuantificables como evidencia. Por ejemplo, la empresa Xerox disminuyó en un 20% la tasa de deserción de llamadas a sus call-centers utilizando herramientas de big data para facilitar a su departamento de 48.700 personas. Después del período de prueba de seis meses, la empresa decidió continuar usando big data a la hora de contratar a sus nuevos empleados como eje principal del proceso de selección.
Otras empresas están tomando nota y estudiando su implantación también aconsejados por las empresas de selección con las que trabajan. Pero, ¿cómo funciona realmente? Las respuestas las encontramos en gran medida dentro de la propia información que los departamentos de RRHH recogen diariamente.
Cómo funciona la selección basada en datos
Antes de la llegada del big data a la selección, los reclutadores de personal realizaban un minado manual de datos, con muchísima más carga de trabajo que ahora. Se mandaba a los seleccionadores recién incorporados a habitaciones cerradas llenas de armarios con ficheros de papel para buscar contactos para hacer llamadas.
este ya no es el caso, en lugar de minar los datos en un a base de datos, tenemos acceso abierto a la información a través de multitud de sitios web como LinkedIn.
El espectro de búsqueda de datos puede cubrir diferentes enfoques. Las empresas pueden peinar internet, particularmente las redes sociales (LinkedIn, Facebook, Twitter, y otros sitios) para conseguir detalles de sus candidatos.
La agregación de datos también se produce desde dentro. Los sistemas informáticos procesan todos los detalles almacenados de los curriculums recibidos por las empresas, aplicaciones, y bases de datos propietarias de los departamentos de RRHH. También estos departamentos despliegan tests y juegos para analizar candidatos, midiendo reacciones y respuestas para encontrar los patrones ideales y conjuntos de habilidades buscadas. Por ejemplo, una unidad de la Royal Dutch Shell utilizó dos videojuegos producidos por una startup de Silicon Valley para analizar a los candidatos preseleccionados, ayudando así a los responsables de la selección a evaluar a los candidatos capaces de generar ideas y soluciones de éxito.
Una vez que todo el material es recopilado los algoritmos se ponen a trabajar. El resultado óptimo es una cadena de información desglosada por patrones y emparejamientos en función de palabras clave y puntuaciones que estrechan el grupo de candidatos iniciales hasta individuos concretos que demuestran un perfil e historial acorde con las posiciones abiertas. El ahorro de tiempo y la ayuda para el seleccionador es incuestionable.
Por supuesto, este proceso requiere de una experiencia en selección, no se trata simplemente de recoger datos masivos, encojerlos y entregarlos a Recursos Humanos. Hay una labor imprescindible de parseo de resultados e interpretación de lo que los algoritmos producen. El elemento humano todavía ha de estar profundamente implicado en el proceso de aprendizaje del sistema y en la selección.
El factor humano
Los expertos en recursos humanos coinciden en el potencial y futuro del people analytics, pero también advierten de no dejar que la tecnología sea la que domine el proceso. La habilidad del seleccionador para dar con el mejor candidato es fundamental. Pero indudablemente ofrece una gran ayuda, es un enfoque hombre-máquina, agregando los sets de datos más valiosos y mezclándolos con la inteligencia y perspicacia del equipo de trabajo y su red de contactos.
Los procesos de selección son como la narración de historias, algunas veces es el seleccionador quien marca la diferencia para enganchar con el candidato. Pero para todo lo demás que conlleva contar la historia, realizar la conexión y poner al mejor candidato en el puesto adecuado en la empresa, el big data está ayudando en la búsqueda de talento que las redes de selección convencionales muchas veces no alcanzan. Y los datos empíricos muestran que cuando este trabajo se realiza correctamente, los empleados permanecen por más tiempo, trabajan más contentos y como consecuencia ayudan a las empresas a recuperar el coste de selección y formación más rápidamente y de manera más acertada.
Este futuro del big data es beneficioso para ambas partes, empresas y candidatos, un poderoso enfoque analítico que está transformando la selección de candidatos en las empresas, enfatizando que es el seleccionador quien está en el core del proceso.
Más info:
eQuest big data whitepaper
New IBM Kenexa Talent Suite Taps Big Data To Energize Today’s Workforce
Gartner Research big data analysis
What do you think?
Muy buen artículo, felicidades al autor. En la actualidad, los test
psicométricos son necesarias en el proceso de selección de
cualquier empresa, porque nos permiten disminuir recursos
destinados para esta labor. A demás, los resultados terminan siendo más satisfactorios, pues la información que te brindan te ayuda a tomar una decisión objetiva y que
beneficiará a tu empresa. Muchas gracias por
compartir estos conocimientos.
Muchas gracias Ariana por tu comentario.