Datadriven rekrytering: komplett guide för rekryterande chefer

Genom att använda data kan företag fatta mer välgrundade beslut för att förbättra alla delar av anställningsprocessen, från att hitta kandidater till att vägleda teammedlemmarnas utbildning och utveckling.

En ledande HRIS-certifiering hjälper dig att bemästra det datacentrerade förhållningssättet till rekrytering och anställning.

5 fördelar med datadriven rekrytering

Utöver de uppenbara fördelarna med att göra alla granskningar av rekryteringsprocesser enklare, kommer här några andra sätt som datadriven rekrytering kan hjälpa din organisation på.

1. Effektivare anställningsprocess

Mätvärden som rekryteringsprocessens hastighet hjälper dig att identifiera eventuella flaskhalsar i din rekryteringsprocess och öka effektiviteten.

Du kan till exempel upptäcka att det tar för lång tid för rekryteringsteamen att ge återkoppling efter intervjuer, vilket får kandidaterna att tappa engagemanget.

Med hjälp av ditt rekryteringsverktyg kan du också hålla koll på data som effektiviteten hos olika sök- eller marknadsföringskanaler (antalet kandidater och deras kvalitet) för att koncentrera dina resurser på de mest givande aktiviteterna och sänka kostnaderna.

På mitt förra företag fanns det till exempel många plattformar och jobbsajter att välja mellan, men min budget var inte obegränsad, och det var inte heller rekryteringsteamets kapacitet att intervjua alla kandidater. 

Så jag tittade på kandidaterna vi anställde och kandidaterna som gick vidare till den sista intervjun (som var kulturintervjun) för att identifiera vilka plattformar som gav de tekniskt starkaste kandidaterna.

Det blev den grundnivå som rekryteringsteamet och jag beslutade att utgå från, eftersom sådant som kulturell och beteendemässig passform endast kan bedömas genom vår intervjuprocess. 

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.

Create Free Account

Have an account? Log In

2. Bättre kandidatupplevelse

En effektivare anställningsprocess leder till en bättre kandidatupplevelse. Data kan dessutom vara kvalitativ, så att samla in återkoppling från kandidater är ett användbart sätt att bidra till att förbättra anställningsprocessen och imponera på kandidaterna.

När jag rekryterade på Twitch tog vi till exempel effektiviteten i vår anställningsprocess på stort allvar, särskilt eftersom vi anpassade USA-fokuserade rekryteringsmetoder till EMEA- och APAC-regionerna. 

Jag gick igenom data som visade att kandidater i EMEA är mindre öppna för den extremt snabba rekryteringsstil som kännetecknar den amerikanska marknaden, eftersom de har längre uppsägningstider.

För dem var processen på 1-2 veckor som vi försökte genomföra alldeles för stressad och tog inte tillräcklig hänsyn till deras tid och omständigheter. 

Om jag inte hade genomfört NPS-enkäter för kvantitativa data och intervjuer för mer djupgående kvalitativa data, hade jag inte vetat varför några kandidater som vi verkligen var intresserade av drog sig ur (vi lyckades återuppta kontakten med dem och anställde två av dessa kandidater!).

3. Minska partiskhet vid anställning och fatta mer objektiva anställningsbeslut

Vi har alla fördomar, inklusive våra nya AI-kollegor. Färdighetstester, arbetsprov och strukturerade intervjuer kan till exempel standardiseras för alla kandidater, vilket minskar påverkan från subjektiva åsikter.

Data kan också hjälpa till att identifiera de mest effektiva kanalerna för att hitta kandidater med olika bakgrunder.

Jag minns till exempel en situation där vi hade ett bortfall på 80 % av kandidaterna mellan det första och det andra steget. 

Efter att ha granskat återkopplingen från intervjuerna i förhållande till jobbkraven upptäckte vi att den första intervjun genomfördes av en av ekonomicheferna och den andra av den faktiska rekryterande chefen, som var ekonomichefens chef.

Ekonomicheferna släppte hela tiden igenom personer som hade exakt samma profil (samma skola, kvalifikationer och liknande företag) som de själva, men rollen krävde en annan uppsättning färdigheter som inte bedömdes alls.

Detta avslöjade den likhetsbias som den här intervjuaren arbetade utifrån, vilket till och med var nytt för intervjuaren själv!

Var uppmärksam på sådana mönster, eftersom de kan förvandla en mångfaldig kandidatpool i början av rekryteringsprocessen till en helt homogen grupp i slutet av processen. 

4. Bättre planering

Att titta på benchmarkmått som genomsnittlig personalomsättning och genomsnittligt antal sökande som behövs för att tillsätta en viss roll hjälper till med rekryteringsplaneringen och resursfördelningen.

Det gamla talesättet att du måste granska 10 kandidater för att göra en anställning är en bra utgångspunkt, men om du har mer specifika eller seniora roller kan det snarare handla om att granska närmare 20 kandidater per anställning, eller ännu fler.

På mitt nuvarande företag granskade jag 25 kandidater för att göra en mycket specialiserad anställning av en staffingenjör, och nu vet jag att detta är det nya riktmärket om vi behöver ersätta eller anställa ytterligare en person på denna senioritetsnivå. 

5. Förbättra medarbetarupplevelsen

Data som du samlar in från kandidater kan bidra till att förbättra medarbetarupplevelsen för befintliga medarbetare. Till exempel: avskräcks kandidater av bristen på flexibla arbetsalternativ, och kan detta även påverka personalomsättningen?

Så integrerar du data i din rekrytering i 3 steg

1. Välj rätt data och mätvärden

Börja med att fastställa de nyckelmått och centrala resultatindikatorer (KPI:er) som är relevanta för dina rekryteringsmål.

Du kan gå så mycket in på detaljnivå som du vill här, men som jag lyfter fram i min artikel om rekryteringsmått är det bäst att börja med några få nyckelmått och sedan börja fördjupa sig i mer avancerade mått allteftersom din kapacitet utvecklas.

Viktiga mått inkluderar:

• Tid till anställning: Den genomsnittliga tid det tar att tillsätta en tjänst.
• Antal anställningar (jämfört med antal lediga tjänster): Hur många personer du anställer per månad/kvartal/år jämfört med din plan för personalstyrkan.
• Konverteringsgrad: Hur många kandidater som klarar varje steg jämfört med hur många kandidater som gick vidare till steget.
• Rekryteringsprocessens hastighet: Hur lång tid kandidater tillbringar i varje steg av tratten. 
• Kostnad per anställning: Den totala kostnaden för att anställa en ny medarbetare.
• Källa till anställning: Effektiviteten hos olika rekryteringskanaler (jobbannonser, sociala medier, rekommendationer osv.).

Alla dessa mått existerar i relation till varandra. Jag tycker om att börja med konverteringsgraden eftersom den ger mig en uppfattning om vilka andra mått jag bör övervaka närmare för att få fram hela bilden.

Om konverteringsgraden till exempel är stark men det fortfarande tar lång tid att anställa, bör du titta på antalet kandidater. Är trattens övre del tillräckligt stark? Är rekryteringsprocessens hastighet tillräckligt hög?

Om trattens övre del inte är tillräckligt stark (vilket gäller för många nystartade företag i såddfasen, inklusive mitt), bör det vara huvudprioriteten, eftersom trattens hastighet kan vara irrelevant om det inte finns några kandidater att föra vidare genom processen.

2. Bestäm hur du ska samla in data

Nästa steg är att bestämma hur du ska samla in dina data och analysera dem. I praktiken kommer du att behöva någon form av programvara för rekryteringsanalys för detta. 

Det är troligt att ditt system för kandidatspårning (ATS) är den plats där merparten av rekryteringsdatan samlas in, och många lösningar levereras med färdigdesignade, ofta anpassningsbara, rekryteringsinstrumentpaneler som hjälper till att presentera data.

En annan användbar ATS-funktion är möjligheten att aktivera exempelvis kandidatundersökningar för NPS eller samla in feedback från kandidater.

Du kan kombinera de data som samlas in i ditt ATS med data från ditt HRIS/HRMS för att ge en mer fullständig bild, till exempel hur många kandidater från en viss rekryterare som inte klarar provanställningen eller blir högpresterande medarbetare?

Andra källor till användbara data kan vara din programvara för kandidatrelationshantering eller din plattform för rekryteringsmarknadsföring.

3. Övervaka och optimera

Håll koll på dina rekryteringsmått och KPI:er för att bedöma hur effektiv din rekryteringsprocess är.

Använd verktygen för att synliggöra trender och mönster i datan och identifiera områden som kan förbättras. Om exempelvis tiden till anställning är längre än önskat kan du gå djupare och ta reda på hur du kan effektivisera vissa steg.

4 bästa metoder för datadriven rekrytering

1. Utveckla tydliga mått

Många blandar ihop måtten tid till tillsättning och tid till anställning. Tekniskt sett är tid till tillsättning perioden från det att du öppnar en tjänst tills du anställer någon.

Tid till anställning är den tid det tog för den specifika kandidat du anställde att gå från ansökan till anställning. 

Detta visar hur viktigt det är att alltid tydligt definiera måtten, liksom hur de beräknas och vilka datakällor du använder.

2. Använd olika typer av data

Jag nämnde detta ovan men vill upprepa det. Den största delen av den data du kommer att använda är kvantitativ, vilket innebär att den kan representeras numeriskt.

Men försumma inte kvalitativa data, såsom feedback från kandidater eller rekryteringsteam. Detta är minst lika värdefullt och kan leda till förbättringar som gynnar personalbevarandet, exempelvis förbättrad total ersättning.

Som Sarah Lovelace, personalchef på Airbase, betonar: ”Genom att använda en kombination av data och analys i talanghanteringen kan vi fatta välgrundade beslut och kommunicera dem effektivt till hela organisationen.”

3. Presentera data på ett meningsfullt sätt

Datavisualisering är en viktig del av datadriven rekrytering. När du presenterar data för att driva handling är det viktigt att noggrant tänka igenom datan och även vilket samtal du försöker få igång med din målgrupp. Det är här skapandet av interna personas kommer in i bilden.

Marknadsföringsteam använder personas för att skapa en bild av sina målkunder när de utformar marknadsföringskampanjer, och de är också ett användbart verktyg för datavisualisering.

Alla behöver till exempel inte känna till allt, och varje intressent behöver olika mycket stöd för att analysera det som presenteras för dem.

Ett exempel kan vara skillnaden mellan den typ av data du presenterar för en rekryterande chef för att förbättra en viss del av rekryteringsprocessen och den du presenterar för en medlem av företagsledningen för att få klartecken till ett nytt verktyg för rekryteringsprogramvara.

För ytterligare vägledning rekommenderar jag varmt Liam Reeses utmärkta artikel om dataanalys inom HR.

4. Upprätthåll god datahygien

Du behöver data av god kvalitet som återspeglar verkligheten. En gång hade jag en interimskonsult som ”stängde” alla roller som tidigare varit öppna och inte markerats som tillsatta och hävdade att hen hade tillsatt 80 personer under loppet av fyra månader … på ett företag med 90 anställda. 

Om teamen tidigare hade stängt rollerna när de faktiskt var stängda skulle det ha återspeglat verkligheten bättre.

Av sådana här skäl rekommenderar jag att du inför bästa praxis för data för att upprätthålla hög kvalitet.

Det bästa sättet att göra detta är att följa upp regelbundet och stämma av med ditt team och de rekryterande cheferna för att hjälpa dem att skapa en vana att registrera och uppdatera data. 

För att till exempel säkerställa att screeningsamtal registreras i systemet kan du sätta upp en KPI för dem och följa upp regelbundet.

Om du vill säkerställa att de rekryterande cheferna lämnar sin feedback, följ upp efter varje intervju och kontrollera att det är feedback av god kvalitet.