Data-driven Recruiting e HR Analytics

Novità | 24.03.2020

L’ultimo decennio è stato caratterizzato – e continuerà ad esserlo – da una delle evoluzioni più profonde e pervasive del mondo digitale: la gestione dei big data.

In un mondo sempre più globale e interconnesso – governato dai dati – sono le competenze e le tecnologie di analytics a trasformare i dati grezzi in informazioni di valore per i decision maker aziendali (C-level executives e HR Manager); è oggi possibile ottenere vantaggio competitivo grazie a decisioni tempestive e più informate: data-driven.
Per intraprendere un processo di trasformazione digitale del reparto HR oggi occorre cambiare le modalità di raccolta e gestione dei dati e adottare strumenti e tecnologie a supporto delle proprie attività di recruiting.

Data-driven recruiting…di cosa si tratta?

Il concetto è: se riesco a tracciare tutte una serie di dati e informazioni (gli analytics), capaci di definire fotografie omogenee dello scenario in cui opero (recruiting), sarò avvantaggiato nella fase di ricerca e selezione dei profili.

Facciamo un esempio pratico: sapere che una fonte di reclutamento rispetto a una specifica posizione è in grado di garantirmi un maggior numero di candidati in linea con la ricerca, mi permette di ottimizzare tempi e risorse necessari per la ricerca e la selezione di personale.
In questo modo passiamo da una strategia “push” improntata su un recruiting marketing massivo a una strategia “pull” che prevede l’allocazione di risorse puntuale sulla fonte di reclutamento che so essere la più efficace.

L’importanza di avere strategie di talent acquisition e people management guidate dai dati

“Sapere” qualcosa implica essere a conoscenza di prove analitiche (dati) che verificano un nostro sentimento iniziale. Spesso la percezione e la sensibilità del recruiter sono allineate ai dati rilevati ma non sempre è così. È come quando siamo in macchina e siamo consapevoli di andare forte ma, senza un cruscotto informativo, non siamo in grado di quantificare la velocità effettiva.
Quando parliamo di strategie di recruiting, avere dei data analytics è fondamentale per supportare il nostro feeling iniziale e contribuire a sviluppare strategie HR efficaci ed efficienti.

Esistono diverse tipologie di dati: scopriamole insieme

Il data-driven recruiting prevede, per definizione, una serie di dati da analizzare; è importante quindi definire con esattezza quali tipologie di dati dovremmo avere all’interno dei nostri recruiting software.
Vediamoli insieme:

  • dati anagrafici (presenti ormai in tutti gli ATS moderni e fondamentali per un processo di selezione);
  • dati di provenienza del candidato;
  • dati professionali;
  • dati assuntivi;

Una volta identificati e raccolti, tutti questi dati vengono analizzati e incrociati per definire i cosiddetti Recruiting KPI.

L’importanza degli analytics per fonte di reclutamento

Gli analytics per fonte di reclutamento sono fondamentali. Non parliamo solo di poter determinare il primo contatto (es. quando il profilo completa il format d’iscrizione all’offerta), ma anche stabilire quando il candidato torna per registrarsi a una nuova posizione o quando accede alla propria area personale; insomma poter tracciare la candidate journey.
Il dato più rilevante che un recruiter può analizzare è il tasso d’assunzione per fonte di reclutamento.

Riflessioni

In questo articolo ci siamo voluti soffermare sui soli processi di talent acquisition ma strategie data-driven possono essere applicate anche nella gestione quotidiana dei collaboratori (definendo, ad esempio, drive strategici a partire da analytics di performance).

In conclusione possiamo dire che: se alla base di strategie data-driven c’è la capacità di poter determinare e raccogliere HR analytics, gli stessi analytics fondano la loro sopravvivenza sull’esistenza di software HR – come i talent management software – in grado di raccogliere e ordinare i dati ricevuti.
Il nostro consiglio? Definire una strategia di recruitment digitale data-driven supportata da strumenti capaci di trasformare il big data management da difficoltà a opportunità.