Indlægget er skrevet af Per Bergfors & Bettina Wæde
Big Data kan give værdifuld information
Big Data er et af tidens buzz words og det popper up i mange forskellige sammenhænge. Traditionel data er data, som vi selv opsamler, mens Big Data typisk er data, der kommer til en. Det er data, der bliver generet ud fra vores adfærd og de online fod aftryk, vi efterlader os på nettet, som bliver til Big Data.
Det nye er ikke, at vi overvåges, men at vores data nu er tilgængelig. Når vi forstår, hvordan vi kan bearbejde data, får vi værdifuld information. Datamængden i dag er markant større end viden-mængden, så der opstår i dag en problematik omkring, at vi har meget data til rådighed.
Men hvad fortæller data, og på hvilken måde er de anderledes, end det vi plejer at have til rådighed?
Det handler om mønstre og algoritmer
Hvis vi tager aftrykket i folks adfærd på sociale medier f.eks. på LinkedIn eller Facebook, er det i princippet åbent tilgængeligt, og giver os mulighed for at analysere nogle adfærdsmønstre. Det er nemlig mønstre, at vi leder efter.
Vi ser det hele i Big Data. Det er ikke stikprøver. Det er helheden, vi søger, og få den til at give mening. Med Big Data følger brug af algoritmer til at læse og forstå. En algoritme kan gennemskue mønstre, som vi ikke selv kan se eller er bevidste om.
En algoritme er renset for emotionel intelligens. Den gør det samme hele tiden. Hvad sker der med personlighedstest, den dag algoritmen viser 84% match, men ingen kan lide kandidaten?
Selve algoritmen er en ny blackbox i vores arbejde.
HR skal blive bedre til Big Data Analytics
Der kommer nye værktøjer til hele tiden, men i første omgang handler det om at få styr på sine parametre. Det er noget Big Data Analytics kan hjælpe med.
Der arbejdes mange steder på at hjælpe de rekrutteringsansvarlige med at udvælge de mest relevante ansøgere ud fra en bunke ansøgninger. HR modtager 150 ansøgninger, og en algoritme hjælper med at udvælge de 10 bedste, som så er udgangspunktet for samtaler.
Vi er jo som sådan ikke interesseret i mange ansøgninger, men helst kun de relevante – så vi kan automatisere et relevans filter på hele ansøgningen, ikke blot nogle udvalgte parametre.
I undersøgelse fra HR Tech Wold oktober 2017 understreger man betydningen af at være beredt i HR med nye analytiske kompetencer. Kun 24% af europæiske HR afdelinger vurderer, at de har fået HR analytics forankret i organisationen, mens det globale tal er 41%.
Vi er voldsomt bagefter. Derfor skal vi blive bedre til at anvende Big Data.
- Start med at få overblik over, hvilke data I har.
- Hvor de kommer fra?
- Hvordan de opdateres?
- Er det registerdata?
- Data relateret til performance?
- Historiske data eller streaming data?
Hos Office of National Statics I England har man taget konsekvensen af big data/digital data og defineret 8 kategorier af data:
- Klassisk formålsbestemt data
- Det vi kender som surveys, meningsmålinger, fokus grupper, interviews eller observationer og varianter heraf hvor dataindsamling er explicit accepteret af respondenten
- Deltagende data
- Hvor data er indsamlet via en form for egen frivillig interaktion – Everyday Sexisme Projektet, @METO kampagnen vil være data af denne type, SMS/ app afstemninger, Facebook tilkendegivelser
- Konsekvens data
- Data indsamlet som resultat af en anden handling – administration, indsamling af Skat, transaktions data, sundhedsoplysninger, kommercielle transaktioner, online gaming, NemID, Rejsekortet, enhver app i en smartphone, læse e-bog
- Selv publiceret data
- Data der bevidst er publiceret enten helt offentligt, på fora, eller i lukkede communities. Egne blogs, diskussions oplæg, temaer på LinkedIn, CV og personlig profil oplysninger
- Sociale media data
- Data skabt via en offentlig social proces, så som Facebook, Twitter, Instagram, Snapchat etc.
- Data spor
- Data, der efterlades ofte ubevidst, som følge af digital aktivitet såsom søge historik fra browsere, indkøbs og søgnings historik fra e-commerce, opslag på nyheds sites falder alle i denne kategori. Den information som eksempelvis gemmes i proxy filen.
- Opsøgt data
- Data som er offentlig tilgængelig og stilles til rådighed for offentligheden, se eksempelvis digitalisér.dk
- Syntetisk data
- Data der er simuleret, opstået via eksperimenter eller på anden måde manipuleret frem.
Hvilke af disse data er relevante for HR af holde styr på? Hvilke kompetencer kræver det?
HR skal tænke proaktivt fremfor reaktivt
I arbejdet med forberedelsen til GDPR implementeringen i maj 2018 skal HR alligevel igennem en registrering og evaluering af alle datastrømme. Benyt lejligheden til at tænke i en analytisk tilgang til HR; hvilke data vil være relevante for HR at holde øje med? Hvilke giver mest værdi i first line funktionerne?
Der er ingen tvivl om, at HR kan drukne i data, så vær meget bevidst om, hvad der er relevant – giver værdi – fremfor hvad der er muligt.
HR skal ikke være dataspecialister, men skal anskaffe sig værktøj, som kan hjælpe med at analysere og tolke de store datamængder. Tolkning sker bedst af folk med en faglig indsigt. HR skal derfor bruge dataeksperter til at samle data i et format, der kan forstås af vores valgte værktøj, og sikre, at disse data opdateres løbende.
[Se også Basis HR kompetencer i Dave Ulrich HR Kompetencemodel: Analytics Designer & Interpreter]
Hvad kan HR forvente i fremtiden?
Kompetencer
Vi har en tendens til at beskrive nødvendige kompetencer i virksomhedens jobopslag eller de opgaver, der skal løses. I fremtiden kan vi måske via Big Data se hvilke egenskaber, holdninger eller mind-set, der skal til for at løse jobbet. Big Data kan give os nogle indsigter, som vi kan sætte i spil på en helt anden måde end blot at registrere adfærd. Det bliver mere målrettet.
Flere undersøgelser fra World Economic Forum, OECD, EU tyder på, at behovet for soft skills vil stige betragteligt, og særligt indenfor jobs med stort indhold af person interaktion, eksempelvis HR udvikling, mens HR administration vil forsvinde og overtages af automatiske værktøj (robotter, algoritmer, webbots).
Screening af ansøgere
Det bliver nemmere at vælge ansøgere fra og bruge tiden på de kandidater, der matcher.
Talentet? Kommer vi til at overse dette i fremtiden? Nej tværtimod, idet tekstanalyser vil gøre det muligt at afdække potentiel performance og talentmasse.
Screening af ansøgere er eksempel på en arbejdsopgave, som kan automatiseres. Ved hjælp af webbots kan man gennemsøge internettet for en ansøgers historik, samle og præsentere disse, og mappe en persons netværk via sociale media. Vi søger gennem mængder af Big Data, men præsenterer et relevant mønster af den kandidat, vi ønsker at forstå. Vi kan på den måde regne en mulig performance profil på den enkelte kandidat.
Vi skal i fremtiden bruge vores faglige indsigt til at udvikle disse webbots eller andre algoritmer. Uafhængigt af om vi er en stor eller mindre virksomhed, bør vi bruge teknologien for at automatisere processen.
HR skal blive bedre til at forstå hvilken værdi, de kan bringe til bordet i fremtiden. Hvad er det for et miljø og adfærd, man skal navigere i? Hvilke sociale kompetencer er nødvendige? HR skal kunne forstå og italesætte behovet for kompetencer og adfærd og beskrive mere specifikt, hvad virksomheden er på jagt efter.
Teknologien giver os masser af muligheder, men persondataforordningen kommer til at bestemme, hvad vi må og kan i forhold til brug af data.
Big Data projekt i IBM Watson Analytics
Per er involveret i et projekt med IBM Watson Analytics. Her kigger man 3000 jobannoncer inden for salg og marketing. Ved hjælp af tekst analyser, semantiske analyser og tolkninger af ”computational lingvistiscs” leder vi efter mønstre og historier, der beskriver kompetencer, særligt soft skills. Projektet er i fuld gang og endnu ikke afsluttet, så det er for tidligt at komme med konklusioner.
Vi har dog gjort os nogle observationer omkring, at erfaringer bruges mere og mere praksisnært, og at 3 års indsigt ser ud til at være det mest efterspurgte. Her dukker f.eks. projektkendskab og -styring op som værende vigtigere, end det kommer til udtryk. Man beskriver nogle projektscenarier om, at ansøgeren være god til dette, men der står ikke, at projekterfaring er påkrævet.
Vi vender tilbage, når projektet er afsluttet med friske indsigter omkring HR Big Data og analytics.
Big Data betyder forandringer for HR
Det, der kan automatiseres vil blive automatiseret.
Hvor vi tidligere brugte få datakilder, vil vi komme til at bruge mange.
Vi kommer til at forberede interviewet, fremfor at afholde det.
Vi skal bruge vores sociale og faglige kompetencer mere, end blot at få nogle processer til at rulle.
Per Bergfors
Per er medejer af TalentInsights, hvor han bl.a. arbejder med afdækning og udvikling af ledere og medarbejdere. TalentInsights har udviklet testen TalentIndikator. Per er uddannet på London Business School og INSEAD i Fontainebleau. Han er ekstern lektor på CBS, hvor han underviser i markeds- og salgsstrategi. Se mere på talentinsights.biz
Bettina Wæde
Bettina har arbejdet med rekruttering og udvikling af teams, medarbejdere og sportsfolk i mere end 25 år. Bettina har stor fokus på potentialet og det kulturelle match, når hun bl.a. hjælper og rådgiver virksomheder omkring rekruttering. Hun afholder også foredraget ”Rekruttering af Millennials” og var i oktober 2017 inviteret til Birmingham som keynotespeaker. Se mere på wædeconsult.dk