Datadrevet rekruttering: Den komplette guide til ansættende ledere

Ved at bruge data kan virksomheder træffe mere velinformerede beslutninger for at forbedre alle aspekter af ansættelsesprocessen, fra søgning efter kandidater til vejledning i teammedlemmers oplæring og udvikling.

En førende HRIS-certificering hjælper dig med at mestre den datacentrerede tilgang til rekruttering og ansættelse.

5 fordele ved databaseret rekruttering

Ud over de åbenlyse fordele ved at gøre enhver revision af rekrutteringsprocesser lettere er her nogle andre måder, hvorpå databaseret rekruttering vil hjælpe din organisation.

1. Mere effektiv ansættelsesproces

Målepunkter såsom hastigheden gennem rekrutteringstragten hjælper dig med at identificere eventuelle flaskehalse i din rekrutteringsproces og øge effektiviteten.

Du kan for eksempel identificere, at det tager ansættelsesteams for lang tid at give feedback på jobsamtaler, og at dette får kandidaterne til at miste engagementet.

Ved hjælp af din rekrutteringssoftware kan du også holde styr på data såsom effektiviteten af sourcing- eller markedsføringskanaler (antal og kvalitet af kandidater) for at koncentrere dine ressourcer om de mest givtige aktiviteter og reducere omkostningerne.

På min seneste arbejdsplads var der for eksempel mange platforme og jobportaler at vælge imellem, men mit budget var ikke uendeligt, og det samme gjaldt ansættelsesteamets kapacitet til at interviewe alle kandidaterne. 

Så jeg kiggede på de kandidater, vi ansatte, og kandidater, der nåede til den afsluttende jobsamtale (som var kultursamtalen), for at identificere, hvilke platforme der gav de teknisk stærkeste kandidater.

Det var det grundlag, som ansættelsesteamet og jeg besluttede at gå efter, eftersom ting som kulturelt og adfærdsmæssigt match kun kan vurderes gennem vores interviewproces. 

It starts with one signal.

Each week, AI Signal takes one meaningful shift in AI and helps people leaders understand what changed, why it matters, and what to consider next.

Get Free Access

Have an account? Log In

2. Bedre kandidatoplevelse

En mere effektiv ansættelsesproces vil resultere i en bedre kandidatoplevelse. Data kan også være kvalitative, så indsamling af feedback fra kandidater er en nyttig måde at bidrage til at forbedre ansættelsesprocessen og imponere kandidaterne på.

Da jeg for eksempel rekrutterede hos Twitch, tog vi effektiviteten af vores ansættelsesproces meget alvorligt, især fordi vi omsatte USA-fokuserede ansættelsesmetoder til EMEA- og APAC-regionerne. 

Jeg dykkede ned i dataene, som viste, at kandidater i EMEA er mindre åbne over for den ekstremt hurtige ansættelsesstil, der kendetegner det amerikanske marked, fordi de har længere opsigelsesvarsler.

For dem var den proces, vi forsøgte at gennemføre på 1-2 uger, alt for forhastet og tog ikke tilstrækkeligt hensyn til deres tid og omstændigheder. 

Hvis jeg ikke havde gennemført NPS-undersøgelser for kvantitative data og interviews for at indsamle mere dybdegående kvalitative data, ville jeg ikke have vidst, hvorfor nogle få kandidater, som vi var meget interesserede i, trak sig (vi fik dem engageret igen og ansatte to af dem!).

3. Begrænsning af ansættelsesbias og mere objektive ansættelsesbeslutninger

Vi har alle fordomme, herunder vores nye AI-kolleger. Færdighedstests, vurderinger af arbejdsprøver og strukturerede interviews kan for eksempel standardiseres på tværs af alle kandidater, hvilket reducerer indflydelsen fra subjektive holdninger.

Data kan også hjælpe med at identificere de mest effektive kanaler til at finde kandidater med forskellige baggrunde.

Jeg husker for eksempel en situation, hvor vi havde et frafald på 80 % af kandidaterne mellem første og anden fase. 

Efter at have gennemgået feedbacken fra jobsamtalerne sammenholdt med jobkravene opdagede vi, at den første samtale blev gennemført af en af økonomicheferne, mens den anden blev gennemført af den faktiske ansættende leder, som var økonomidirektøren.

Økonomicheferne sendte konsekvent personer videre, som havde præcis samme profil (samme uddannelsessted, kvalifikationer og lignende virksomheder) som dem selv, men rollen krævede et andet sæt færdigheder, som slet ikke blev vurderet.

Dette afslørede den genkendelsesbias, som denne interviewer arbejdede under, hvilket selv var nyt for intervieweren!

Vær opmærksom på mønstre som disse, fordi de kan forvandle din mangfoldige kandidatpulje i toppen af tragten til en fuldstændig homogen kandidatpulje i bunden af tragten. 

4. Bedre planlægning

Ved at se på benchmarkmålinger såsom den gennemsnitlige personaleomsætningshastighed og det gennemsnitlige antal ansøgere, der er nødvendige for at besætte en bestemt stilling, bliver det lettere at planlægge rekrutteringen og fordele ressourcer.

Det gamle ordsprog om, at man skal screene 10 kandidater for at foretage én ansættelse, er et godt udgangspunkt, men hvis du har mere specifikke eller seniorprægede stillinger, kan det være tættere på 20 screenede kandidater pr. ansættelse eller endnu flere.

I min nuværende virksomhed screenede jeg 25 kandidater for at foretage én meget specialiseret ansættelse af en staffingeniør, og nu ved jeg, at dette er det nye benchmark, hvis vi får brug for at erstatte eller ansætte endnu en person på dette senioritetsniveau. 

5. Forbedr medarbejderoplevelsen

Data, som du indsamler fra kandidater, kan hjælpe med at forbedre medarbejderoplevelsen for eksisterende talenter. Er kandidater for eksempel afskrækket af manglen på fleksible arbejdsmuligheder, og kan dette også påvirke personaleomsætningen?

Sådan integrerer du data i din ansættelsesproces i 3 trin

1. Vælg de rigtige data og målinger

Start med at fastlægge de vigtigste målinger og centrale resultatindikatorer (KPI'er), der er relevante for dine ansættelsesmål.

Du kan gå så meget i detaljer, som du ønsker, men som jeg fremhæver i min artikel om rekrutteringsmålinger, er det bedst at starte med nogle få vigtige målinger og derefter begynde at dykke ned i mere avancerede målinger, efterhånden som dine kompetencer udvikler sig.

Vigtige målinger omfatter:

• Tid til ansættelse: Den gennemsnitlige tid, det tager at besætte en stilling.
• Antal ansættelser (i forhold til antallet af ledige stillinger): Hvor mange personer du ansætter pr. måned/kvartal/år sammenlignet med din plan for medarbejderantallet.
• Konverteringsgrad: Hvor mange kandidater der består hvert trin, sammenlignet med hvor mange kandidater der når frem til trinnet.
• Hastighed gennem rekrutteringstragten: Hvor lang tid kandidater tilbringer i hvert trin af tragten. 
• Omkostning pr. ansættelse: De samlede omkostninger forbundet med at ansætte en ny medarbejder.
• Kilde til ansættelse: Effektiviteten af forskellige rekrutteringskanaler (jobportaler, sociale medier, anbefalinger osv.).

Alle disse målinger eksisterer i forhold til hinanden. Jeg kan godt lide at starte med konverteringsgraden, fordi den giver mig en idé om, hvilke andre målinger jeg bør overvåge tættere for at afdække hele historien.

Hvis konverteringsgraden for eksempel er god, men det stadig tager lang tid at ansætte, bør du se på antallet af kandidater. Er toppen af tragten stærk nok? Er hastigheden gennem rekrutteringstragten høj nok?

Hvis toppen af tragten ikke er stærk nok (som i mange startups i seedfasen, herunder min egen), bør det være den højeste prioritet, da tragtens hastighed kan være irrelevant, hvis der ikke er kandidater at føre igennem.

2. Beslut, hvordan du vil indsamle data

Det næste er at beslutte, hvordan du vil indsamle dine data og analysere dem. I praksis får du brug for en form for software til rekrutteringsanalyse til dette. 

Det er sandsynligt, at dit ansøgersporingssystem (ATS) er det sted, hvor de fleste rekrutteringsdata indsamles, og mange løsninger leveres med foruddesignede, ofte tilpasningsbare, rekrutteringsoversigter, som kan hjælpe med at præsentere data.

En anden nyttig ATS-funktion er tilvalg såsom kandidatundersøgelser til NPS eller indsamling af kandidatfeedback.

Du kan kombinere de data, der indsamles i dit ATS, med data fra dit HRIS/HRMS for at skabe et mere fuldstændigt billede, f.eks. hvor mange kandidater fra en bestemt rekrutteringskonsulent der ikke består prøvetiden eller bliver højtydende medarbejdere.

Andre kilder til nyttige data kan være din software til kandidatrelationsstyring eller din platform til rekrutteringsmarketing.

3. Overvåg og optimer

Hold styr på dine rekrutteringsmålinger og KPI'er for at vurdere effektiviteten af din ansættelsesproces.

Brug værktøjerne til at fremhæve tendenser og mønstre i dataene for at identificere områder, der kan forbedres. Hvis det for eksempel tager længere tid end ønsket at ansætte, kan du undersøge det nærmere og finde ud af, hvordan du kan strømline bestemte faser.

4 bedste praksisser for datadrevet rekruttering

1. Udvikl tydelige målepunkter

Mange bliver forvirrede over målingerne af tid til at besætte en stilling og tid til ansættelse. Teknisk set er tiden til at besætte en stilling perioden fra det tidspunkt, hvor du opretter en ledig stilling, til du ansætter nogen.

Tid til ansættelse er den tid, det tog for den specifikke kandidat, du ansatte, at gå fra ansøgning til ansættelse. 

Det viser, hvor vigtigt det altid er at definere målepunkter tydeligt samt beskrive, hvordan de beregnes, og hvilke datakilder du bruger.

2. Brug forskellige typer data

Jeg kom ind på dette ovenfor, men vil gerne understrege det igen. De fleste data, du kommer til at bruge, er kvantitative, hvilket betyder, at de kan repræsenteres numerisk.

Du må dog ikke overse kvalitative data såsom feedback fra kandidater eller ansættende teams. Det er lige så værdifuldt og kan føre til forbedringer, der gavner fastholdelsen, såsom forbedret samlet kompensation.

Som Sarah Lovelace, VP for personale hos Airbase, understreger: “Ved at kombinere data og analyse i vores tilgang til talentstyring kan vi træffe velinformerede beslutninger og kommunikere dem effektivt til resten af organisationen.”

3. Præsenter data på en meningsfuld måde

Datavisualisering er en vigtig del af datadrevet rekruttering. Når du præsenterer data for at skabe handling, er det vigtigt at tænke grundigt over dataene og den samtale, du forsøger at sætte i gang med din målgruppe. Det er her, udarbejdelsen af interne personaer kommer ind i billedet.

Marketingteams bruger personaer til at tegne et billede af deres målkunder, når de udarbejder marketingkampagner, og de er også et nyttigt værktøj til datavisualisering.

Det er for eksempel ikke alle, der har brug for at vide alt, og hver interessent vil have brug for forskellig grad af hjælp til at analysere det, der bliver præsenteret for dem.

Et eksempel kan være forskellen mellem den type data, du præsenterer for en ansættende leder for at forbedre et bestemt aspekt af ansættelsesprocessen, og den type data, du præsenterer for et medlem af den øverste ledelse for at få godkendt et nyt værktøj til rekrutteringssoftware.

Hvis du vil have yderligere vejledning, kan jeg varmt anbefale Liam Reeses fremragende artikel om dataanalyse inden for HR.

4. Oprethold god datahygiejne

Du har brug for data af høj kvalitet, der afspejler virkeligheden. Jeg havde engang en midlertidig konsulent, der “lukkede” alle de stillinger, som tidligere havde været åbne og ikke var markeret som besat, og hævdede, at vedkommende havde placeret 80 personer i løbet af 4 måneder … i en virksomhed med 90 medarbejdere. 

Hvis teamene tidligere havde lukket stillingerne, da de faktisk blev lukket, ville det have afspejlet virkeligheden bedre.

Af årsager som denne anbefaler jeg at implementere nogle bedste praksisser for data for at opretholde en høj kvalitet.

Den bedste måde at gøre dette på er at følge op regelmæssigt og holde kontakt med dit team og de ansættende ledere for at hjælpe dem med at opbygge en vane med at indtaste og opdatere data. 

For eksempel kan du fastsætte en KPI for at sikre, at screeningssamtaler registreres i systemet, og følge op regelmæssigt.

Hvis du vil sikre dig, at de ansættende ledere indtaster deres feedback, skal du følge op efter hver samtale og kontrollere, at feedbacken er af god kvalitet.