Perekrutan sering kali menggabungkan bukti dengan intuisi dan penilaian subjektif. Perekrutan berdasarkan data membuat bukti, kriteria dan hasil lebih mudah diperiksa; itu tidak mengubah perekrutan menjadi ilmu yang obyektif. Tujuannya adalah untuk mendukung keputusan manusia yang dapat dipertanggungjawabkan dengan informasi yang sebanding dan relevan dengan pekerjaan serta untuk menguji apakah proses tersebut berjalan sebagaimana mestinya.
Kasus Perekrutan Berbasis Data
Perekrutan yang terstruktur dan berdasarkan data membuat kriteria dan hasil lebih mudah diperiksa dibandingkan proses yang hanya berdasarkan intuisi. Tujuannya bukan untuk memprediksi siapa yang akan cocok dengan budaya yang didefinisikan secara samar-samar, namun untuk mengumpulkan bukti-bukti yang sebanding dan relevan dengan pekerjaan serta meninjau apakah setiap tahap adil, dapat diakses, dan berguna.
Keputusan perekrutan yang buruk dapat melibatkan pekerjaan perekrutan yang berulang-ulang, upaya orientasi, hilangnya kapasitas pengiriman, dan gangguan pada tim. Daripada menerapkan persentase gaji yang umum, hitung biaya yang dapat didokumentasikan organisasi Anda dan bandingkan dengan biaya untuk meningkatkan definisi peran, penilaian, dan orientasi.
Metrik Perekrutan Utama
Rekrutmen berbasis data yang efektif dimulai dengan melacak metrik yang tepat. Waktu pengisian mengukur berapa lama waktu yang dibutuhkan mulai dari membuka daftar permintaan hingga menerima tawaran. Efektivitas sumber menunjukkan saluran perekrutan mana yang menghasilkan kandidat terbaik. Biaya per perekrutan melacak efisiensi perekrutan. Rasio lamaran-wawancara dan wawancara-penawaran mengungkapkan efektivitas penyaringan.
Namun metrik yang paling penting mengukur hasil perekrutan. Kualitas perekrutan menilai seberapa baik kinerja karyawan baru setelah bergabung. Tingkat retensi menunjukkan apakah kandidat cocok untuk jangka panjang. Waktu menuju produktivitas mengukur seberapa cepat karyawan baru menjadi efektif sepenuhnya. Metrik hasil ini harus menjadi fokus utama karena berdampak langsung pada hasil bisnis.
Analisis Prediktif dalam Penyaringan
Beberapa platform rekrutmen menggunakan model statistik untuk menentukan peringkat lamaran atau menyorot catatan untuk ditinjau. Sebelum menggunakan model seperti itu, tentukan hasil yang terkait dengan pekerjaan, verifikasi kualitas dan keabsahan data masukan, dan putuskan bagaimana seseorang dapat memahami dan menantang hasil tersebut.
Korelasi yang tidak terduga tidak secara otomatis menjadi kriteria pemilihan yang valid. Pengalaman relawan, kesenjangan karir, gaya komunikasi dan pendidikan dapat mewakili status sosial ekonomi atau karakteristik yang dilindungi. Lebih memilih bukti langsung dari pekerjaan dan menolak fitur yang tidak dapat dibenarkan bagi seorang kandidat.
Penapisan dengan bantuan model memerlukan pengujian dampak buruk yang berulang, pemeriksaan aksesibilitas, tinjauan manusia, dan dokumentasi yang jelas. Tim juga harus memantau apakah perekrut secara rutin mengabaikan skor dan alasannya; penggantian yang sering dilakukan mungkin menunjukkan bahwa model atau definisi peran salah.
Data Penilaian dan Validitas
Banyak organisasi menggunakan tes keterampilan, sampel pekerjaan, wawancara terstruktur, atau penilaian lainnya. Perekrutan berdasarkan data berarti memeriksa apakah setiap alat mengukur persyaratan yang terdokumentasi dan terkait dengan pekerjaan dan apakah alat tersebut berfungsi secara adil bagi orang yang menggunakannya.
Validasi memerlukan keahlian yang sesuai, ukuran hasil yang dapat dipertahankan, dan data yang cukup representatif. Korelasi saja tidak membuktikan hubungan sebab-akibat, dan penilaian kinerja selanjutnya mungkin mengandung bias manajerial. Simpan hanya penilaian yang tujuan, validitas, aksesibilitas, dan keterbatasannya dapat didokumentasikan.
Gunakan kombinasi penilaian terkecil yang menghasilkan bukti relevan untuk peran tersebut. Wawancara terstruktur dan contoh pekerjaan yang realistis mungkin sudah cukup; pengujian tambahan memerlukan tujuan yang terdokumentasi, validasi yang sesuai, dan alternatif yang dapat diakses. Hindari penilaian yang berlebihan yang menciptakan pengalaman kandidat yang buruk.
Analisis Wawancara Terstruktur
Wawancara terstruktur menggunakan pertanyaan-pertanyaan yang konsisten dan berhubungan dengan pekerjaan serta panduan penilaian, yang membuat jawaban lebih mudah untuk dibandingkan dan pengambilan keputusan lebih mudah untuk diaudit dibandingkan percakapan yang sepenuhnya diimprovisasi. Tim harus tetap melatih pewawancara dan memeriksa apakah prosesnya dapat diakses dan diterapkan secara konsisten.
Tinjau apakah pertanyaan menghasilkan bukti yang relevan, apakah kartu skor telah dilengkapi dan apakah penilai menerapkan panduan ini secara konsisten. Hasil akhir dapat menjadi masukan bagi peninjauan, namun hasil tersebut tidak boleh dianggap sebagai label kualitas kandidat yang tidak perlu dipertanyakan lagi.
Analisis penyelesaian kartu skor, konsistensi penilaian, dan kegunaan pertanyaan daripada mencoba menyimpulkan kepribadian dari bahasa atau video. Rekaman wawancara memperkenalkan kewajiban privasi, retensi dan aksesibilitas; jika rekaman tidak diperlukan untuk tujuan tertentu, jangan dikumpulkan.
Analisis Keanekaragaman
Jika sah dan dilindungi secara tepat, analisis demografi agregat dapat mengungkap perbedaan signifikan dalam tingkat perkembangan penyakit. Perbedaan merupakan sinyal untuk menyelidiki, bukan bukti penyebab tunggal; sumber daya, aksesibilitas, kriteria, implementasi, dan ukuran sampel mungkin penting.
Gunakan temuan ini untuk menguji perubahan yang ditargetkan seperti kriteria terkait pekerjaan yang lebih jelas, penilaian yang dapat diakses, kartu skor terstruktur, atau pengadaan sumber daya yang lebih luas. Ukur kembali hasilnya dan dokumentasikan dampak-dampak yang tidak diharapkan daripada berasumsi bahwa satu intervensi saja telah menyelesaikan masalah.
Peningkatan Berkelanjutan
Rekrutmen berbasis data bukanlah implementasi yang dilakukan satu kali saja, namun merupakan proses pengukuran dan penyempurnaan yang berkelanjutan. Tinjau metrik Anda secara berkala, nilai apa yang berhasil dan apa yang tidak, dan sesuaikan proses Anda. Uji perubahan secara sistematis daripada melakukan revisi besar-besaran, sehingga Anda dapat mengisolasi apa yang sebenarnya meningkatkan hasil.
Ciptakan putaran umpan balik antara perekrutan dan hasil pasca-pekerjaan yang ditentukan dengan cermat. Tinjau pertanyaan dan saluran ketika buktinya lemah, namun pertimbangkan perbedaan peran, sampel yang kecil, dan bias dalam penilaian kinerja sebelum mengubah proses.
Perekrutan Berbasis Data Beraksi dengan Hice.ai
Ruang kerja terintegrasi seperti Hice dapat membantu menghubungkan persyaratan peran, bukti kandidat, umpan balik tim, dan metrik proses. Organisasi tetap bertanggung jawab untuk memilih kriteria yang sah, meninjau rekomendasi, melindungi data kandidat, dan mengambil keputusan akhir.
Daftar Periksa Tata Kelola
- Tulis definisi terkait pekerjaan untuk setiap skor sebelum mengumpulkan data.
- Pisahkan metrik proses, seperti waktu pengisian, dari bukti yang digunakan untuk menilai seseorang.
- Uji tingkat seleksi dan aksesibilitas di setiap tahap, tidak hanya setelah perekrutan.
- Memberikan kandidat informasi yang jelas tentang bantuan otomatis dan jalur pertanyaan.
- Batasi retensi dan akses terhadap apa yang diperlukan oleh tujuan yang terdokumentasi.
- Tinjau model, kartu skor, dan pertanyaan wawancara ketika peran atau kumpulan pelamar berubah.
Kesimpulan
Perekrutan berdasarkan data tidak menjadikan perekrutan sebagai ilmu pasti. Hal ini membuat asumsi, kriteria dan hasil lebih mudah untuk diperiksa. Mulailah dengan sejumlah kecil bukti terkait pekerjaan, lindungi data kandidat, pertahankan tinjauan manusia yang akuntabel, dan tingkatkan hanya jika hasil terukur membenarkan perubahan tersebut.
