Data science bij HR binnen arbeidsorganisaties

Binnen veel sectoren is het verzamelen en analyseren van grote hoeveelheden data een actueel thema. Ook op het gebied van human resource development binnen meer omvangrijke arbeidsorganisaties. Data science kan dan een flinke impact hebben.

Artificiële intelligentie
Foto: geralt, pixabay

Peter Day van BBC News heeft een bijdrage geschreven over de rol van analyses van big data op het van werving, selectie, leren, ontwikkelen en leiding geven binnen arbeidsorganisaties met veel werknemers. Binnen deze organisaties laten medewerkers heel veel digitale sporen achter, aangezien zij zeer intensief werken met ICT.

Deze data kunnen worden gebruikt voor het verbeteren van de performance

if an organisation uses the data of its most successful people to give tips and hints to the laggards.

Op het gebied van werving en selectie kunnen data analyses worden gebruikt om kandidaten te selecteren. Je kunt bijvoorbeeld digitale profielen van kandidaten vergelijken met digitale profielen van de meest succesvolle zittende werknemers. Volgens de firma KPMG hoeft dat er niet toe te leiden dat je vooral dezelfde typen medewerkers aanneemt. Dit bedrijf kijkt naar 10.000 verschillende datapunten per individu. Op grote schaal leidt dat tot veel diversiteit. Verder is het wel van belang dat je constant werkt aan de verbetering van de gebruikte algoritmes.

Peter Day gaat hierbij ook in op de vraag of bepaald gedrag -zoals interpersoonlijke vaardigheden- wel voldoende zichtbaar worden in de datapunten. Op het gebied van werving en selectie kan persoonlijke interactie echter juist tot problemen leiden (discriminatie). Gerobotiseerde werving en selectie is blind voor dergelijke menselijke invloeden, meent hij. Verder zouden algoritmes in de toekomst mogelijk ook in staat zijn om karakter eigenschappen te scannen, en te vergelijken met succesvolle medewerkers.

Deze algoritmes kunnen dan ook worden gebruikt om te analyseren wie de echte leiders zijn binnen een bedrijf (gebaseerd op key performance indicator data). Volgens Day kan deze ontwikkeling er dan ook toe leiden dat we heel anders aan gaan kijken tegen de werking van organisaties. Data science laat dan zien hoe organisaties echt functioneren, bijvoorbeeld als het gaat om leiding geven.

Like the 10,000 data points, it describes an organisation not as it ought to be, but as it really is. For better or for worse, this is the real workplace, not the one the top people think they have created.

Uiteraard kan dit grote gevolgen hebben voor het functioneren van arbeidsorganisaties en voor de positie van bijvoorbeeld managers en voor traditionele HR-afdelingen.

Deze bijdrage illustreert hoe zeer data science in opmars is, ook op het gebied van HRD. Op dit moment zijn we nog niet zo ver. Als je alleen al eens kritisch kijkt naar de aanbevelingen van LinkedIn, dan weet je dat aan de algoritmes nog heel wat te verbeteren valt. Verder is het succes van deze benadering voor een groot deel afhankelijk van de schaal (grote hoeveelheden data, omvangrijk netwerk van professionals waarmee je anderen kunt vergelijken).

Een belangrijke vraag is inderdaad of we data verzamelen van alle betekenisvolle selectiecriteria. Is alles van waarde op/voor de werkvloer meetbaar? Peter Day stapt m.i. wat te gemakkelijk over deze vraag heen door te wijzen op de voordelen van ‘kleurenblindheid’ bij werving en selectie, en door er van uit te gaan dat algoritmes zo slim worden dat ze ook in staat zullen zijn om karaktereigenschappen en persoonlijke vaardigheden te scannen.

Bovendien heb je mogelijk ook te maken met cultuurverschillen bij het gebruik van indicatoren. Stel, je kijkt vooral naar ‘recommendations’ en ‘endorsements’ bij LinkedIn. In competitieve culturen is het vrij normaal om recommendations te vragen. Ik doe dat zelf echter nooit. Als organisaties deze aanbevelingen gaan gebruiken als selectiecriteria voor het inhuren van een adviseur op het gebied van ICT en leren, dan heb ik een probleem. Je moet met andere woorden heel goed na denken over de validiteit en betrouwbaarheid van datgene wat je meet.

This content is published under the Attribution 3.0 Unported license.

Delen

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *

Deze site gebruikt Akismet om spam te verminderen. Bekijk hoe je reactie-gegevens worden verwerkt.